[发明专利]一种基于桩锤激震和决策树模型的地下溶洞探测方法

权利要求书

1.一种基于桩锤激震和决策树模型的地下溶洞探测方法，其特征在于：首先，利用数值仿真的手段，建立包含不同溶洞位置与直径的模型库；其次，对模型库进行有限元计算，得到在桩锤激震下，不同溶洞位置与直径情况下地表特定位置的加速度响应；随后，通过对加速度响应数据进行分析，提取加速度响应的特征量；接着将所提取的特征值与标签组合成数据库，将其随机分成训练集与测试集，然后将测试集数据输入决策树模型进行机器学习，初步得到溶洞探测模型；最后根据测试准确率对模型进行参数调整，从而得到最佳的基于决策树模型与有限元模拟计算的溶洞探测模型；其包括以下步骤：

1)通过有无溶洞及不同位置与尺寸的溶洞多种工况下的响应信息，确定可预测的溶洞位置与尺寸；随后基于预测的范围建立包含不同溶洞尺寸与位置的模型库，模型库的激震源设置为桩锤在规定高度下自由落体砸向地表，即采用打桩激震作为激震源；

2)在建立的模型库施加激震后进行有限元计算，从而得到桩锤激震附近地表特定位置的加速度响应；

3)通过对加速度响应数据进行分析，提取相应的特征值，并将特征值与标签组合成数据库，再将数据库随机分成训练集与测试集后，将训练集数据放入决策树模型进行机器学习中，初步得到基于测试集数据的溶洞探测模型；

其中，在对采集到的加速度响应数据进行曲线分析后发现，地震波在表面的传播分为三种：纵波、横波与瑞利波；而进行地下溶洞探测关注溶洞分布对于地表纵波的影响，纵波计算公式如下：

其中：v_p为纵波，λ为拉梅常数，G为抗剪弹性模量，ρ为密度，ν为泊松比，E为弹性模量；

使用上述公式来推断经溶洞反射后纵波传到地表的时间为第二峰值所对应的时间；因此便选取第二峰值及其对应的时间作为特征量，随后在对数据进行分析后发现，当溶洞埋深不够深时，经溶洞反射的纵波时间会与经地表传播的纵波时间接近，进而影响第一波谷峰值的时间；因此基于上述的分析，决定提取第一波谷所对应的时间t_min和加速度值a_min以及第二波峰所对应的时间t_max和加速度值a_max作为特征值；

在得到上述特征值后，由于每组工况对应一组标签，包括溶洞顶端距离地面的距离H，溶洞球心距离打桩激震点所在垂线距离D，溶洞半径R，溶洞方位θ；而每组工况同时对应一组特征值，包括第一波谷所对应的时间t_min和加速度值a_min以及第二波峰所对应的时间t_max和加速度值a_max；因此，将特征值与标签一一对应组合在一起，便能够得到所需的数据集；随后将数据集根据8:2随机分成训练集与测试集，其中，训练集的作用是为决策树模型提供数据进行学习，从而得到所需要的机器学习预测模型，而测试集则是用于判断生成的预测模型的准确性；

4)对初步得到的溶洞探测模型相关参数进行调整，得到最佳的基于决策树模型与有限元模拟计算的溶洞探测模型。

2.根据权利要求1所述的一种基于桩锤激震和决策树模型的地下溶洞探测方法，其特征在于：在步骤1)中，建立包含不同尺寸与位置的溶洞的模型库，具体情况如下：

在建立模型库的时候，由于土体属于半无限体，而为了模拟地震波在无限土体的传播，需要将模型建得足够大才能够防止波的反弹，而在本模型库中，将使用无限元单元作为边界单元来模拟半无限体，这样在减少模型尺寸的同时，保证了既降低计算时间又不会在边界产生反射；其中，对模型外层的单元设置为Cin3D8，为无限元单元，而其余的单元设置为C3D8r，为有限元单元。

3.根据权利要求1所述的一种基于桩锤激震和决策树模型的地下溶洞探测方法，其特征在于：在步骤2)中，由于地震波在传播过程中会出现衰减，因此选取合适的地表位置来进行加速度数据采集就变得非常重要，基于步骤1)的桩锤激震源，在对数据进行分析后发现，地震波在半径范围5m以后数据会变得清晰，而在半径范围10m以后数据就变弱，不好进行分析，因此在提取地表加速度响应的时候，选择在距离打桩激震点半径范围在为5m-10m的圆周上均匀布置不少于四个传感器来进行数据采集。

4.根据权利要求1所述的一种基于桩锤激震和决策树模型的地下溶洞探测方法，其特征在于：在步骤4)中，对初步得到的溶洞探测模型相关参数进行调整，具体是对决策树模型中的参数，包括决策树最大深度、拆分内部节点所需最小样本数、叶节点所需最小样本数与最大特征值进行调节，以提高模型准确率，从而得到最佳的基于决策树模型与有限元模拟计算的溶洞探测模型。