[发明专利]一种基于SVM和DS理论的渗漏水风险监测方法

说明书

本发明公开一种基于SVM和DS理论的渗漏水风险监测方法，包括：构建盾构隧道渗漏水三级风险监测参数体系，并获取实时监测数据；构建并训练SVM分类模型，基于实时监测数据，通过SVM分类模型获取二级风险监测参数的基本概率赋值；基于D‑S证据理论对二级风险监测参数的BPA进行证据融合，得到二级风险监测参数的风险等级隶属度；根据二级风险监测参数的风险等级隶属度获取盾构隧道渗漏水风险等级，并逆向计算相应的风险监测参数，完成盾构隧道渗漏水风险监测。本发明有效提高了隧道渗漏水风险监测的客观性和准确性，并且能够有针对性地进行风险控制，降低渗漏风险，保证地铁隧道安全运营。

技术领域

本发明涉及渗漏水监测技术领域，特别是涉及一种基于SVM和DS理论的渗漏水风险监测方法。

背景技术

由于盾构隧道的特殊结构，在隧道运营过程中，在隧道自身及外部使用的影响下，其结构会出现各种病害，进而产生功能降低、威胁运营安全的风险。盾构隧道在服役期间存在的主要病害有渗漏水、裂缝、不均匀沉降、混凝土裂化、错台、螺栓失效等，在这些病害的相互作用下，各种病害会继续发展，进而对隧道的运营安全、服役寿命等产生重大影响。而在盾构隧道运营期的这些常见的病害中，渗漏水是发生概率最高和后果较严重的病害之一。据统计，因渗漏水原因导致危害的案例占所有类型危害的70％，其中渗漏水致使隧道无法正常使用占总的渗漏水危害案例的30％。且大多数的病害，如材质劣化、不均匀沉降会造成隧道结构的变形、破坏，最终产生渗漏水，严重的造成突水。因此应在确定各种不同病害的发生、发展机理及相互影响关系的基础上，实时监测运营期渗漏水风险，从而能够更好地控制风险，保证地铁安全运营。

现阶段，我国的隧道渗漏水风险多集中于公路、铁路隧道中，且现有的风险监测方法定性成分较多，多依赖专家经验，主观性较强，监测数据不准确，且多采用单传感器所得证据进行风险监测，造成实际风险监测准确率低、误差大。

因此，亟需一种客观、准确的渗漏水风险监测方法。

发明内容

本发明的目的是提供一种基于SVM和DS理论的渗漏水风险监测方法，以解决现有技术中存在的问题，能够客观、准确地进行隧道渗漏水监测。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于SVM和DS理论的渗漏水风险监测方法，包括如下步骤：

构建盾构隧道渗漏水三级风险监测参数体系，并获取风险监测参数所对应的实时监测数据；

构建并训练支持向量机SVM分类模型，基于实时监测数据，通过SVM分类模型获取二级风险监测参数的基本概率赋值BPA；

基于D-S证据理论对二级风险监测参数的BPA进行证据融合，得到二级风险监测参数的风险等级隶属度；

根据二级风险监测参数的风险等级隶属度获取盾构隧道渗漏水风险等级，并逆向计算相应的风险监测参数，完成盾构隧道渗漏水风险监测。

优选地，构建并训练SVM分类模型的具体方法包括：

获取带有类别标签的训练样本集和测试样本集，并对训练样本集和测试样本集进行归一化预处理；

进行SVM核函数选取，并采用网格搜索法进行核函数的参数选取，完成SVM分类模型的训练；

通过训练样本集对SVM分类模型进行训练，将测试样本集输入训练好的SVM分类模型，通过SVM分类模型的输出结果与实际类别标签值计算SVM分类模型的分类误差，通过分类误差与预设阈值进行比较，在所述分类误差大于预设阈值时，重新进行核函数的选取以及核函数参数的选取。

优选地，SVM分类模型的分类误差通过均方误差MSE来定量化表示。

优选地，二级风险监测参数的BPA获取方法包括：

基于SVM分类模型获取二级风险监测参数所对应实时监测数据的类别标签；