[发明专利]一种基于多源监测数据融合的隧道变形预测方法

说明书

本发明公开了一种基于多源监测数据融合的隧道变形预测方法，该预测方法包括如下：步骤一、构建隧道变形监测参考框架，计算隧道变形监测参考框架下的多源监测数据矩阵，并得出各矩阵元素值；步骤二、创建BP神经网络，采用果蝇优化算法对其进行优化，得到训练后的BP神经网络；步骤三、将步骤一中的各矩阵元素值作为输入量，输入所述步骤二中的训练后的BP神经网络中，得到各输出量，即得到各变形预测矩阵。本发明中的方法采用三维激光扫描技术进行隧道结构变形监测，采用多源监测数据融合，通过改进果蝇寻优算法对BP神经网络预测算法进行优化，实现结合结构受力信息和设计情况进行整体变形预测，同时通过优化BP神经网络提高隧道结构变形预测精度。

技术领域

本发明属于隧道变形监测技术领域，具体涉及一种基于多源监测数据融合的隧道变形预测方法。

背景技术

目前，传统的隧道监控量测技术采用倒挂尺、收敛计及水准仪测量方式，需要按照一定间隔布设拱顶和净空收敛监测点，只能进行单点测量，无法进行隧道整体性变形分析，且工作效率低。传统监控量测变形预测，只是基于拱顶沉降和净空收敛监测数据，没有结合隧道结构的受力、围岩级别、隧道埋深、隧道跨度进行分析，变形监测预测数据源比较单一。BP神经网络是一种误差反向传播的前向神经网络，即利用误差反向调节神经网络的权值和阈值，是变形预测最为常用的一种算法，然而BP神经网络存在着对初始权值敏感、易陷入局部极值、收敛速度慢的系统性缺陷。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种基于多源监测数据融合的隧道变形预测方法，采用三维激光扫描技术进行隧道结构变形监测，采用多源监测数据融合，通过改进果蝇寻优算法对BP神经网络预测算法进行优化，实现结合结构受力信息和设计情况进行整体变形预测，同时通过优化BP神经网络提高隧道结构变形预测精度。

为解决上述技术问题，本发明采用的技术方案是，一种基于多源监测数据融合的隧道变形预测方法，该预测方法包括如下：

步骤一、构建隧道变形监测参考框架，计算隧道变形监测参考框架下的多源监测数据矩阵，并得出各矩阵元素值；

步骤二、创建BP神经网络，采用果蝇优化算法对其进行优化，得到训练后的BP神经网络；

步骤三、将步骤一中所述的各矩阵元素值作为输入量，输入所述步骤二中的训练后的BP神经网络中，得到各输出量，即得到各变形预测矩阵。

进一步地，该步骤一中，构造隧道变形监测参考框架的过程如下：

步骤S1.构建隧道设计表面模型和隧道点云模型；

步骤S2.以步骤S1中所述隧道设计表面模型中的中轴线上的任意里程为起点，将隧道设计中轴线等分成长度为d的m段，则隧道设计表面模型和隧道点云模型沿隧道设计中轴线方向等分成长度为d的m段；

过隧道设计中轴线建立水平面M，所述水平面M的左右两端部与隧道设计表面模型和隧道点云模型相交，以所述中轴线为固定轴，顺或逆时针旋转所述水平面M，旋转圆心角每间隔θ，则所述隧道设计表面模型和隧道点云模型在环向均被切割成n段，所述隧道设计表面模型和隧道点云模型均被分割为m×n个单元格；设隧道设计表面模型单元网格命名为W_i,j，对应单元网格的形心为w_i,j；其中i＝1，2，...，m，j＝1，2，...,n；其中：

d在0.01m至0.1m间取值，d和m均为自然整数；

θ在1°和2°之间取值；

n为自然整数；

步骤S3.计算锚索拉力监测矩阵、钢拱架应力监测矩阵、围岩级别矩阵、隧道埋深矩阵、隧道跨度矩阵和点云模型变形矩阵，并得出各矩阵元素值。