[发明专利]适用于高速铁路隧道的围岩变形等级预测方法及系统

说明书

本公开提供了一种适用于高速铁路隧道的围岩变形等级预测方法及系统，获取洞段的拱顶沉降、上导收敛和下导收敛参数，基于上述参数对围岩变形等级的权重，利用云模型计算n个洞段的变形等级；确定影响围岩变形的关键因素，以影响因素数值作为评价指标，把变形等级作为评价结果，利用粗糙集计算各个评价指标对于评价结果的权重；基于权重，利用云模型方法，建立预测模型，并对模型进行训练和验证，直到验证后的模型符合设定要求，利用验证后的模型预测高速铁路隧道中围岩变形等级。

技术领域

本公开属于围岩变形等级预测领域，涉及一种适用于高速铁路隧道的围岩变形等级预测方法及系统。

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。

隧道围岩的变形等级对高速铁路隧道的施工安全有着至关重要的作用，因此在隧道施工期对围岩变形等级进行预测有着重要的意义。高速铁路隧道由于环境复杂，数据收集比较困难，围岩岩性多变，所以预测比较有难度。目前，对于围岩变形预测相关研究方法多种多样，主要是基于支持向量机，灰色系统，神经网络等理论建立的围岩变形预测模型。但是，经典的支持向量机算法只给出了二类分类的算法，灰色系统对随机性的考虑不佳，中长期预测精度不高。神经网络的预测结果主要依赖于样本的准确性。考虑到高速铁路隧道施工的多样性和地质条件的复杂性，各种方法都存在一定的局限性，而且目前的研究多集中在围岩变形的预测，而对隧道变形等级的预测研究较少。

发明内容

本公开为了解决上述问题，提出了一种适用于高速铁路隧道的围岩变形等级预测方法及系统，本公开可以根据获得的岩石抗压强度、岩石完整系数、结构面性态、地下水含量四种影响因素数值得到对应围岩的变形等级，准确性高。

根据一些实施例，本公开采用如下技术方案：

一种适用于高速铁路隧道的围岩变形等级预测方法，包括以下步骤：

获取洞段的拱顶沉降、上导收敛和下导收敛参数，基于上述参数对围岩变形等级的权重，利用云模型计算n个洞段的变形等级；

确定影响围岩变形的关键因素，以影响因素数值作为评价指标，把变形等级作为评价结果，利用粗糙集计算各个评价指标对于评价结果的权重；粗糙集方法可以针对不完备、不确定、小样本数据找规律，通过属性重要性分析可以求出各影响因素的权重，适用于高速铁路隧道数据收集困难，样本少且不完备，环境复杂，样本规律性差的情况。

基于权重，利用云模型方法，建立预测模型，并对模型进行训练和验证，直到验证后的模型符合设定要求，利用验证后的模型预测高速铁路隧道中围岩变形等级。云模型方法结果不依赖样本，有着较高的精确度，适用于高速铁路隧道有很高的工程应用价值。

作为可选择的实施方式，利用特尔菲法获得拱顶沉降、上导收敛和下导收敛参数对围岩变形等级的权重。

作为可选择的实施方式，根据高速铁路隧道收集的现场拱顶沉降、上导收敛、下导收敛监测值范围，以及观测围岩变形程度对洞室造成的破坏程度，将监测值范围均分为若干个范围，并利用各个范围所对应的围岩变形程度，结合单因素法将围岩变形分为相应等级。

作为可选择的实施方式，采用粗糙集理论确定影响因素权重时，构建决策表，以岩石抗压强度、岩石完整系数、结构面性态、地下水含量作为条件属性，围岩变形等级作为决策属性，依照粗糙集的理论，判定决策属性对每一个条件属性的依赖度。

作为可选择的实施方式，在采用粗糙集理论确定权重之前，对由岩石抗压强度、岩石完整系数、结构面性态、地下水含量四个评价指标构成的条件属性进行离散化处理。

作为可选择的实施方式，将各试样的数据构成样本集，将样本集分成两部分，一部分做训练样本，用来建立预测模型；另一部分用来做检验样本，检验模型的准确性。