[发明专利]一种施工隧道撑子面涌水量预测方法及装置

说明书

技术领域

本发明涉及隧道施工数据处理领域，具体涉及一种施工隧道撑子面涌 水量预测方法及装置。

背景技术

近年来，随着我国经济的不断发展，以隧道缩短里程的方式越来越普 遍，在隧道开挖过程中对施工撑子面涌水量的准确预测对于安全生产具有 重要意义。

撑子面也程掌子面，又称礃子面，是坑道施工领域术语，具体指开挖 坑道(采煤、采矿或隧道工程中)不断向前推进的工作面。影响撑子面涌 水量大小的因素很多，其中很多具有不确定性，且各个因素之间的关系复 杂。目前，预测隧道涌水量的方法逾十余种，其中尤以均衡法和地下水动 力学法应用最为广泛。然而，地下水系统受很多非确定性因素影响，致使 常规预测方法在实际使用时受到局限。且多数涌水量预测方法均以隧道全 部贯通为预测情景，不能动态指导隧道安全施工，难以满足长大隧道动态 设计需要。因此，本发明旨在提供一种综合考虑多种因素的、动态的估计 施工隧道撑子面涌水量的方案，以对隧道施工安全生产提供数据支持。

发明内容

为解决上述问题，本发明提供一种施工隧道撑子面涌水量预测方法， 包括如下步骤：获取施工隧道所在区域的距预测目标日前N日的降雨量数 据；利用神经网络模型以所述距预测目标日前N日的降雨量数据作为所述 神经网络模型的输入层数据，计算所述撑子面在预测目标日的涌水量数据， 其中所述神经网络模型是利用所述预测目标日之前的实测涌水量数据和降 雨量数据进行训练得到的。

优选地，在所述获取施工隧道所在区域的距预测目标日前N日的降雨 量数据之前，所述方法还包括：获取对撑子面的实测涌水量数据和施工隧 道所在区域的距实测日前N日的降雨量数据；将所述实测涌水量数据和所 述距离实测日前N日的降雨量数据作为训练数据，对所述神经网络模型进 行训练，直至所述神经网络模型输出的涌水量数据与所述实测涌水量数据 的误差小于预定阈值。

优选地，所述神经网络模型为BP神经网络模型。

优选地，所述BP神经网络模型的隐层为单层。

优选地，N的取值范围为1≤N≤6。

相应地，本发明提供一种施工隧道撑子面涌水量预测装置，包括：获 取单元，用于获取施工隧道所在区域的距预测目标日前N日的降雨量数据； 预测单元，用于利用神经网络模型以所述距预测目标日前N日的降雨量数 据作为所述神经网络模型的输入层数据，计算所述撑子面在预测目标日的 涌水量数据，其中所述神经网络模型是利用所述预测目标日之前的实测涌 水量数据和降雨量数据进行训练得到的。

优选地，所述装置还包括：训练样本获取单元，用于获取对撑子面的 实测涌水量数据和施工隧道所在区域的距实测日前N日的降雨量数据；模 型训练单元，用于将所述实测涌水量数据和所述距离实测日前N日的降雨 量数据作为训练数据，对所述神经网络模型进行训练，直至所述神经网络 模型输出的涌水量数据与所述实测涌水量数据的误差小于预定阈值。

优选地，所述神经网络模型为BP神经网络模型。

优选地，所述BP神经网络模型的隐层为单层。

优选地，N的取值范围为1≤N≤6。

本发明技术方案，具有如下优点：

根据本发明技术方案，由于隧道施工过程中各类水文、地质信息获取 难度较大，同时，有些因素带有模糊性，而人工神经网络的后天学习能力 使之能够随环境的变化而不断学习，能够从未知模式的大量复杂数据中发 现规律，与传统的评价方法相比，表现出更强的功能，本发明只需获取预 测日前若干日的降雨量，并利用神经网络模型预测涌水量，克服了传统分 析过程的复杂性及选择适当模型函数形式的困难，提供了一种自然的非线 性建模过程，无需分清存在何种非线性关系，给建模与分析带来极大的方 便，进而为隧道施工安全生产提供了参考价值极高的数据支持。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下 面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍， 显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普 通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。

图1为本发明提供的施工隧道撑子面涌水量预测方法流程图；