[发明专利]隧道形变预测方法和装置

权利要求书

1.一种隧道形变预测方法，其特征在于，包括：

获取隧道的形变观测数据和所述形变观测数据对应的观测时间；

根据所述形变观测数据、所述观测时间采用规范双曲线算法、灰色系统算法、神经网络算法、卡尔曼滤波算法分别获取所述隧道的形变变化量预测曲线；

分别获取所述规范双曲线算法、灰色系统算法、神经网络算法、卡尔曼滤波算法获取的隧道的形变变化量预测曲线的相关系数和预测误差系数；

将所述双曲线算法、灰色系统算法、神经网络算法、卡尔曼滤波算法中所述相关系数最大以及预测误差系数最小的算法所对应的形变变化量预测曲线，确定为隧道形变预测曲线。

2.根据权利要求1所述的方法，其特征在于，根据所述形变观测数据、所述观测时间，采用规范双曲线算法获取所述隧道的形变变化量预测曲线包括：

根据隧道的观测的初始形变变化量、最终形变变化量、所述初始形变变化量和最终形变变化量对应的观测时间，采用双曲线方程获取双曲线的系数矩阵和常数矩阵；

根据所述双曲线的系数矩阵、所述常数矩阵和最小二乘算法获取双曲线的最优第一双曲线参数和最优第二双曲线参数；

根据最优第一双曲线参数和最优第二双曲线参数，得到所述所述隧道的形变变化量预测曲线。

3.根据权利要求1所述的方法，其特征在于，根据所述形变观测数据、所述观测时间，采用灰色系统算法获取所述隧道的形变变化量预测曲线，包括：

将所述隧道的形变观测数据进行三次样条差值获取等时距形变时间序列；

对所述等时距形变时间序列中的元素做累加，获得生成序列；

根据生成序列的元素获取系数矩阵和常数矩阵；

根据系数矩阵和常数矩阵采用最小二乘法获取灰色系统的第一参数和第二参数；

根据所述第一参数和第二参数得到所述隧道的形变变化量预测曲线。

4.根据权利要求1所述的方法，其特征在于，根据所述形变观测数据、所述观测时间，采用神经网络算法获取所述隧道的形变变化量预测曲线，包括：

将所述形变观测数据以及所述形变观测数据对应的观测时间标准化以获取形变标准数据和观测标准时间；

根据所述形变观测数据和/或所述形变观测数据对应的观测时间的个数确定隐含层节点个数；

确定各个隐含层节点到各个输出层节点的连接权值和各个输出层节点到各个隐含层节点的连接权值的初值，其中，所述连接权值的初值为区间(-1,1)内的随机数；

根据观测标准时间、所述隐含层节点到输入层节点的连接权值的初值、隐含层节点的阈值和预设输出函数获取隐含层的输出值；

根据所述隐含层的输出值、所述输出层节点到隐含层节点的连接权值的初值、输出层节点的阈值和所述预设输出函数获取输出层的输出值；

根据所述输出层的输出值和所述形变标准数据获取全局误差，若所述全局误差大于预设阈值，则修正各个隐含层节点到各个输出层节点的连接权值和各个输出层节点到各个隐含层节点的连接权值，直至所述全局误差小于预设阈值；

根据所述目标全局误差对应的输出层的输出值和与所述输出层的输出值对应的所述隐含层的输出值获取所述隧道的形变变化量预测曲线。