[发明专利]基于BP神经网络的盾构施工隧道的全变形预测方法及系统

权利要求书

1.一种基于BP神经网络的盾构施工隧道的全变形预测方法，其特征在于，包括：

获取候选全变形预测指标对应的历史数据及相应管片变形量；

所述候选全变形预测指标，包括隧道埋深、覆跨比、天然密度、弹性模量、泊松比、掘进速度和滞后距离；

采用层次分析法计算候选全变形预测指标的主观权重，采用粗糙集理论计算候选全变形预测指标的客观权重，并根据主观权重和客观权重的差异程度来计算候选全变形预测指标的组合权重；

候选全变形预测指标的组合权重为：

W_i＝αw_i+βe_i

其中，W_i为组合权重；f(w_i,e_i)表示距离函数，指的是主观权重w_i与客观权重e_i的差异程度；α，β分别表示主观权重w_i与客观权重e_i的分配系数；n表示候选全变形预测指标的数量；

筛选大于或等于预设阈值的组合权重所对应的候选全变形预测指标作为全变形预测指标；

利用各个全变形预测指标对应的历史数据与相应组合权重相乘，得到BP神经网络的训练样本数据，进而构建出训练样本集并训练BP神经网络；

获取全变形预测指标对应的实时数据，将获取的实时数据与相应组合权重相乘后输入至训练完成的BP神经网络中，输出管片变形量；

根据预设管片变形量与其对应变形等级的划分，得到管片变形量对应的变形等级。

2.一种基于BP神经网络的盾构施工隧道的全变形预测系统，其特征在于，包括：

候选全变形预测指标数据获取模块，其用于获取候选全变形预测指标对应的历史数据及相应管片变形量；

在所述候选全变形预测指标数据获取模块中，所述候选全变形预测指标，包括隧道埋深、覆跨比、天然密度、弹性模量、泊松比、掘进速度和滞后距离；

组合权重计算模块，其用于采用层次分析法计算候选全变形预测指标的主观权重，采用粗糙集理论计算候选全变形预测指标的客观权重，并根据主观权重和客观权重的差异程度来计算候选全变形预测指标的组合权重；

在所述组合权重计算模块中，候选全变形预测指标的组合权重为：

W_i＝αw_i+βe_i

其中，W_i为组合权重；f(w_i,e_i)表示距离函数，指的是主观权重w_i与客观权重e_i的差异程度；α，β分别表示主观权重w_i与客观权重e_i的分配系数；n表示候选全变形预测指标的数量；

全变形预测指标筛选模块，其用于筛选大于或等于预设阈值的组合权重所对应的候选全变形预测指标作为全变形预测指标；

BP神经网络训练模块，其用于利用各个全变形预测指标对应的历史数据与相应组合权重相乘，得到BP神经网络的训练样本数据，进而构建出训练样本集并训练BP神经网络；

管片变形量预测模块，其用于获取全变形预测指标对应的实时数据，将获取的实时数据与相应组合权重相乘后输入至训练完成的BP神经网络中，输出管片变形量；

变形等级输出模块，其用于根据预设管片变形量与其对应变形等级的划分，得到管片变形量对应的变形等级。

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1中所述的基于BP神经网络的盾构施工隧道的全变形预测方法中的步骤。

4.一种计算机终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1中所述的基于BP神经网络的盾构施工隧道的全变形预测方法中的步骤。