[发明专利]一种基于时空信息融合的地铁盾构施工地表变形的预警方法

权利要求书

1.一种基于时空信息融合的地铁盾构施工地表变形的预警方法，其特征在于包括以下步骤：

（1）预警区域划分

将工点范围内的施工区域按照变形时空演化的规律进行合理分解，以分解后的工程、环境实体和施工过程作为警情评价和决策的单元，划分方式如下：微小变形区域，盾构掌子面前1倍隧道埋深以前区域；变形剧增区域，盾构掌子面前1倍隧道埋深至盾构掌子面后3倍隧道埋深区域；变形缓慢区域，盾构掌子面后3倍隧道埋深至盾构掌子面后5倍隧道埋深区域；变形稳定区域，盾构掌子面后5倍隧道埋深以后区域；

（2）数据获取

包括实测数据、预测数据和巡视数据三类数据的获取，其中实测数据指地质参数、施工参数、设计参数、工程环境信息、各监测点的监测数据；预测数据指基于施工地表变形时空演化智能预测方法，利用监测点的监测到的实测数据，实现盾构施工地表变形时空演化智能预测，获取地表沉降、断面变形空间分布的预测数据；巡视数据包括现场巡视项目、安全监测项目的数据信息；

（3）警情征兆融合

针对每一个警情征兆子空间设计一个警兆融合RBF神经网络，分别完成各自的警兆子空间到警情状态空间的非线性映射关系；

（4）预警决策融合

利用每个RBF神经网络的输出结果作为证据理论的基本信任分配函数，运用D-S证据理论合成法则对这些警情状态空间进行融合，得到区域预警决策结果。

2.根据权利要求1所述的一种基于时空信息融合的地铁盾构施工地表变形的预警方法，其特征在于步骤（2）中所述的施工地表变形时空演化智能预测方法，包括以下步骤：

步骤一，实测数据收集，包括各监测点地表沉降、断面变形空间分布数据，用于系统学习及样本测试；

步骤二，构建时空演化计算模型，构建了地表变形时空演化特征参数与地表变形监测数据之间的计算关系；基于改进随机介质理论的空间分布模型，计算盾构施工地表任意一点的最终稳定变形值，并将其代入时间过程模型中，建立盾构隧道地表任意一点(x,y,z)的变形随盾构掘进的时空演化计算模型；所述地表变形时空演化特征参数，包括时间过程参数及空间分布参数两类；时间过程参数由比例参数、形状参数、ARIMA中的时间序列参数组成；空间分布参数则包含覆土层的主要影响角、盾构施工引起的地层损失两种；

步骤三，构建时空演化关系模型，基于RBF神经网络算法，构建了地表变形时空演化系统的输入变量和盾构地表变形时空演化特征参数之间的时空演化关系；

步骤四，地表变形监测数据预测，利用实测数据、时空演化计算模型和时空演化关系模型进行预测系统学习及样本测试，对地表沉降、断面变形空间分布等的数据进行预测。

3.根据权利要求1所述的一种基于时空信息融合的地铁盾构施工地表变形的预警方法，其特征在于步骤（2）中巡视数据的获取方法包括以下步骤：

步骤一，划分巡视区域，指工程现场巡视所针对的区域，划分标准同预警区域划分标准；

步骤二，巡视内容包括地面综合情况、周边建筑物情况和地下管线情况三类；

步骤三，巡视结果判断，分为正常和不正常两类，分别用数字0和1表示。

4.根据权利要求1所述的一种基于时空信息融合的地铁盾构施工地表变形的预警方法，其特征在于步骤（3）中所述的警情征兆融合方法具体操作步骤如下：

步骤一，确定警情征兆子空间，包括地表变形监测点状态、地表变形时空演化预测、盾构施工现场风险巡视项目状态三个子空间；

步骤二，确定警情状态空间，包括地面裂缝警情、地面塌陷警情、建筑物开裂警情、建筑物倾斜警情和管线渗漏警情五个维度；

步骤三，通过积累大量工程样本的学习训练，确定用于各警兆子空间融合的RBF神经网络结构和参数；

步骤四，利用RBF神经网络分别构建上述三个警兆子空间到警情状态空间的非线性映射关系，实现警兆融合。

5.根据权利要求1所述的一种基于时空信息融合的地铁盾构施工地表变形的预警方法，其特征在于步骤（4）中所述的预警决策融合方法具体操作步骤如下：

   步骤一，将每个警兆子空间通过RBF神经网络输出警情状态空间结果；

步骤二，利用RBF神经网络的输出结果作为证据理论的基本信任分配函数；

步骤三，运用D-S证据理论合成法则对这些警情状态空间进行融合，得到区域预警决策结果。