[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

说明书

本公开提供了基于BP神经网络的盾构施工隧道的全变形预测方法及系统。该全变形预测方法，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；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，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；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，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。

技术领域

本公开属于隧道全变形预测领域，尤其涉及一种基于BP神经网络的盾构施工隧道的全变形预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

水下隧道工程由于其具有较强的抗战争破坏能力以及受自然灾害影响小的等优势；不破坏航运，不影响海域生态环境等自身特点，在穿海越江工程中广泛应用。盾构法施工作为目前最先进的隧道施工技术，由于其施工速度快，安全性强，环境扰动小等优点，一直作为水下隧道的主要施工方法。但由于水下隧道复杂特殊的施工环境，盾构法施工仍存在着安全隐患。

与传统隧道施工相同，盾构法施工过程中，同样面临着隧道支护结构变形过大的问题。对于盾构法施工隧道而言，管片结构即是隧道主要支护结构。而管片的位移过大不仅会造成管片间的错台，导致连接螺栓受剪甚至剪断，致使结构损坏；同时管片变形过大还会引起的连接管片的螺栓破坏，从而造成结构防水层的破坏，引起隧道出现渗漏水等质量问题；水下隧道在施工过程中，由于自身重力以及管片上浮力的共同作用，上覆土可能产生局部压缩、裂隙而形成贯通裂缝，导致某些不透水地层成为透水层，同时上覆土受到浮力作用，造成隧道管片的进一步变形。如果未能及时发现管片变形异常问题，管片围岩偏心力产生的附加弯矩严重时可能造成管片裂缝甚至裂损。因此采取适当的措施控制盾构隧道管片位移不仅可以确保隧道线型符合设计要求，也是保证隧道建筑限界和施工质量的重点。在隧道开挖与支护体系施作的过程中，监控量测是掌握隧道施工中围岩动态变化过程的重要手段，监控量测的数据可以直接表现隧道内某一时段的动态变化以及支护情况。并且可以通过监控量测来决定围岩和支护结构的承载-变形-时间特性。

传统隧道施工过程中的变形问题是无法避免的，盾构法施工隧道亦是如此。由于盾构机内部施工区间的限制，开挖面后方一段距离内无法布置传感器元件以及监控量测的监测点。发明人发现，隧道内部诸多区段无法及时获取隧道的变形信息，从而可能会导致某区段管片变形过大而不能及时被监测到。尤其是对于水下隧道盾构法施工而言，管片变形过大可能导致的直接间接损失及后果更是不可估量。

发明内容

为了解决上述问题，本公开的第一个方面提供一种基于BP神经网络的盾构施工隧道的全变形预测方法，其考虑到经验以及认知方面的原因，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，再对候选全变形预测指标进行约简，确定全变形预测指标作为BP神经网络模型的输入节点，输出管片变形量，提高了盾构施工隧道的全变形预测结果的准确性。

为了实现上述目的，本公开采用如下技术方案：

一种基于BP神经网络的盾构施工隧道的全变形预测方法，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；

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；

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；