[发明专利]基于神经网络的盾构施工地表沉降预测方法

说明书

本发明公开了一种基于神经网络的盾构施工地表沉降预测方法，其包括步骤：收集历史施工中的盾构推进参数、地表监测数据和地质参数，生成数据集；对数据集进行数据预处理，建立样本特征数据库；使用建立的样本特征数据库训练神经网络，建立基于神经网络的地表沉降预测模型；应用地表沉降预测模型时，将待预测施工期间的地表监测数据、盾构推进参数及地质参数输入地表沉降预测模型，计算得到地表沉降实时预测数据。本发明从大量盾构推进参数中选取合适的参数，结合地表沉降监测数据和地质数据生成模型的输入特征；训练神经网络，建立盾构参数与地表沉降监测数据之间的关系。

技术领域

本发明涉及一种盾构施工安全技术领域，尤其涉及一种基于神经网络的盾构施工地表沉降预测方法。

背景技术

随着城市化不断推进和地下空间的发展，盾构法施工成为隧道挖掘的主流方法。盾构机在掘进过程中要将地下土层切割下来运送出去，这将导致开挖面受力不均、发生地表沉降变形，沉降严重的话不仅影响施工进度，而且会损害地面建筑造成人员伤亡。目前控制沉降主要办法是施工人员先根据地面监测值，预测地面沉降情况，采取如控制土压、同步注浆等相关操作，维持开挖面稳定性。地表沉降很难做到实时监测，通常是盾构司机依据地面监测值结合自身施工经验进行预判，这种做法有以下缺点：一是容易受到盾构司机施工经验、技术、身体状况等个人因素影响；二是地表监测数据反馈会有延迟，当盾构司机得到地表监测数据时，较大的地表沉降已经发生。

发明内容

为解决现有技术中存在或潜在的不足之处，本发明提供一种基于神经网络的盾构施工地表沉降预测方法，该方法使用简便、成本低，且通用性较好，可以适应于各种类型盾构施工地表沉降预测。

本发明所采用的技术方案为：一种基于神经网络的盾构施工地表沉降预测方法，其包括步骤：

收集历史施工中的盾构推进参数、地表监测数据和地质参数，生成数据集；

对所述数据集进行数据预处理，建立样本特征数据库；

使用建立的所述样本特征数据库训练神经网络，建立基于神经网络的地表沉降预测模型；

应用所述地表沉降预测模型时，将待预测施工期间的地表监测数据、盾构推进参数及地质参数输入所述地表沉降预测模型，计算得到地表沉降实时预测数据。

作为本发明的一种实施方式，在计算得到地表沉降实时预测数据之后，还包括步骤：指导盾构司机根据预测出的所述地表沉降实时预测数据对盾构参数做出及时调整。

作为本发明的一种实施方式，所述盾构推进参数包括正面土压力、注浆量、推进速度、坡度角中的一种或多种组合。

作为本发明的一种实施方式，所述地质参数包括粘聚力、内摩擦角、压缩模量中的一种或多种组合。

作为本发明的一种实施方式，还包括收集盾构机埋深来构成所述数据集。

作为本发明的一种实施方式，所述数据预处理包括：空缺值及异常值处理、高低频数据融合、归一化处理。

作为本发明的一种实施方式，通过以下步骤建立基于神经网络的地表沉降预测模型，包括步骤：

所述地表沉降预测模型的输入特征共8个，输出特征1个，根据经验公式，设置隐藏层数为1，隐藏层上节点个数为6，将各节点的权重初始化为区间(-1，1)上的随机数；

以地表监测数据的采集频率为主，将盾构推进参数和地质参数转化为相同频率。

作为本发明的一种实施方式，通过以下步骤对所述盾构推进参数和所述地质参数进行频率转化，包括步骤：