[发明专利]一种基于神经网络技术的超前小导管设计方法

权利要求书

1.一种基于神经网络技术的超前小导管设计方法，其特征在于该方法包括以下步骤：

第一步：根据已有的超前小导管设计参数和隧道施工监控量测项目数据，统计分析出不同设计参数对监控量测项目数据的影响，确定出影响监控量测项目数据的小导管设计参数，包括小导管长度、管径、外插角度和环向布置间距；

第二步：隧道监控量测项目包括拱顶沉降、地表沉降、隧道水平收敛、围岩压力、拱脚变形和仰拱隆起，采用多元相关性分析对监控量测项目数据进行分析，去除相关程度高于85％的量测项目，确定出影响超前小导管参数的监控量测项目；

第三步：将超前小导管设计参数作为神经网络输入数据，监控量测项目数据作为输出数据，训练神经网络模型；

第四步：将已有的统计数据按60％、20％、20％的比例划分为训练集、验证集和测试集，采用训练集和验证集训练神经网络，建立超前小导管参数与监控量测项目数据的非线性关系，并将测试集数据与神经网络预测结果之间的均方误差mse和可信度α作为检验神经网络可靠性的依据；

第五步：若第四步中的检验结果不满足要求，重复一～四步，直至检验结果符合要求，以保证预测结果的可靠性；

第六步：采用多目标遗传算法优化超前小导管参数，将监控量测项目数据作为优化目标，小导管设计参数范围作为约束条件，确定最优小导管设计参数；

第七步：基于已有统计数据构建神经网络模型，对超前小导管参数进行多目标优化，得到基于神经网络技术的超前小导管参数分析与多目标优化模型，用于选择小导管设计参数。

2.根据权利要求1所述的一种基于神经网络技术的超前小导管设计方法，其特征在于：第三步中，将超前小导管参数作为神经网络输入数据，多元相关性分析确定的监控量测项目数据作为输出数据，训练神经网络模型，其中，x_i为输入信息，i＝1，...，n，隐含层有d个神经元，y_j为输出信息，j＝1，...，m，神经元i到j的权重和阈值分别为ω_ij和T_j，则神经元j的状态可表达为：

f{·}为激活函数。

3.根据权利要求1所述的一种基于神经网络技术的超前小导管设计方法，其特征在于：第四步中，采用测试集中实测数据y_i与神经网络预测结果f(x_i)的均方误差mse和可信度α检验神经网络模型的可靠性，其中，均方误差可信度若α∈[0，5％]，则表明预测值满足可靠度要求，若检验结果不满足要求，重复一～四步，直至检验结果符合要求，以保证所预测结果的可靠性。

4.根据权利要求1所述的一种基于神经网络技术的超前小导管设计方法，其特征在于：第六步中，采用多目标遗传算法优化神经网络的预测结果，将神经网络预测的监控量测项目数据y_j作为优化目标，将小导管设计参数范围作为约束条件，确定最优小导管设计参数x_i,i＝1,...,n；各个监控量测项目数据的约束条件为y_j≤y_jmax,j＝1,...,m，其中y_jmax为监控量测项目数据的极限值，小导管各个设计参数范围为x_il≤x_i≤x_ir,i＝1,...,n，其中x_il、x_ir分别为设计参数范围的左、右边界，从而建立超前小导管设计参数的多目标遗传算法模型，如下所示；