[发明专利]一种基于卷积神经网络的不良地质定位预报方法

说明书

本发明提供了一种基于卷积神经网络的不良地质定位预报方法，包括：首先建立物探法探测图像数据集；然后构建基于特征提取的目标预测定位神经网络模型，采用所述图像数据集，对所述目标预测定位神经网络模型进行训练，得到训练好的目标预测定位神经网络模型；最后输入某物探法得到的图像结果数据至所述训练好的目标预测定位神经网络模型中，进行实际不良地质定位预测。本发明的有益效果是：可以准确地预报隧道等地下工程建设过程中所通过范围内的不良地质体的位置规模和性质状态，为工程设计及施工管理部分提供决策依据，降低现有地质预报物探法解释性低、依赖专家经验、预测准确率不高的问题，提升工程施工的安全性。

技术领域

本发明涉及不良地质定位预报技术领域，尤其涉及一种基于卷积神经网络的不良地质定位预报方法。

背景技术

在部分实际工程项目中，我们发现富水破碎带这一不良地质条件为隧道建设带来重大风险的问题，当前多采用基于物探法进行隧道地质超前预报，但现有的超前地质预报，通过物探传感器检测得到的波形数据图像，需要经过具有经验的专家来解释，在预报过程中存在着对物探传感得到测量结果图的解释性低、依赖专家经验、预测准确率不高的问题，因此针对某一特定不良地质(如富水破碎带)在超前预报图像中进行精准预测定位，十分关键。

近年随着深度学习(Deep Learning)的快速发展，卷积神经网络模型(CNN，Convolutional Neural Networks)通过其特征采样、权重共享、运算降维的特性，在图像分类、目标检测、图像理解的领域取得了广泛的应用。本方法基于深度卷积神经网络对物探法(地质雷达、TSP、瞬变电磁等)探测图像进行自动辨识及概率分类，研发具有较好泛化性能的预测网络模型系统，提升超前地质预报中对富水破碎带这一不良地质的可解释性及准确度。

发明内容

为了解决上述问题，本发明提供了一种基于卷积神经网络的不良地质定位预报方法，主要包括以下步骤：

本申请以富水破碎带这一不良地质超前预报的示例说明，本方法可以适用于物探法图像数据，实现富水破碎带或其他不良地质的精准预报。

一种基于卷积神经网络的不良地质定位预报方法，包括以下步骤：

S101：建立物探法探测图像数据集；

S102：构建基于特征提取的目标预测定位神经网络模型；

S103：采用所述图像数据集，对所述目标预测定位神经网络模型进行训练，得到训练好的目标预测定位神经网络模型；

S104：输入某物探法得到的图像结果数据至所述训练好的目标预测定位神经网络模型中，进行实际不良地质定位预测。

进一步地，步骤S101中，建立物探法探测图像数据集；具体包括：

S201：通过超前地质预报案例收集、实际现场项目数据采集，建立物探法探测结果初步图像数据集；所述初步图像数据集包括基于物探法进行超前地质预报得到的多张结果图像；

S202：根据富水带破碎带预报机理及其图像学特征，对所述初步图像数据集中各图像上的异常地质进行预报；

S203：结合预报结论，并采用专家经验法再次确定所述初步图像数据集中各图像上富水破碎带的位置，以富水破碎带定位区域为标签内容对所述初步图像数据集中各图像进行数据标注，得到标注后的初步图像数据集；

S204：采用多种图像数据增广方法，对所述标注后的初步图像数据集进行扩容增广，并耦合部分物探法探测富水破碎带负样本数据，得到最终的图像数据集。

进一步地，步骤S201中，所述物探法包括TSP、地质雷达和瞬变电磁等；所述初步图像数据集中样本容量大于500幅图像。