[发明专利]一种基于k近邻算法和支持向量机的隧道掌子面失效概率预测方法

说明书

本发明提供了一种基于k近邻算法和支持向量机的隧道掌子面失效概率预测方法，在正交实验的基础上，通过数值计算获得训练样本，结合k近邻算法和支持向量机，拟合决策边界，从而对蒙特卡洛模拟生成的新样本的稳定性进行预测，并统计失效概率。本发明可用于隧道工程设计中，快速预测大量不同工况的隧道掌子面失效概率，为掌子面支护设计和施工提供依据，并可用于拓展到其它类似的岩土工程应用领域。

技术领域

本发明涉及隧道工程设计施工技术领域，具体涉及一种基于k近邻算法和支持向量机的隧道掌子面失效概率预测方法。

背景技术

在隧道施工过程中，隧道的掌子面稳定是最重要的问题之一。隧道掌子面塌方会严重威胁施工人员和机械设备的安全。因此，在设计阶段或施工阶段，有必要对隧道的掌子面稳定性进行预测，对于稳定性不满足要求的工况或地段，需采取支护措施保证其稳定性。

现有的掌子面失效概率预测方法包括一次二阶矩法、数据表法、响应面法和蒙特卡罗法等等。其中一次二阶矩法、数据表法、响应面法是先计算掌子面稳定性的可靠度指标，然后再将其转化成失效概率。蒙特卡罗法是根据参数的统计值，生成一定数量的样本，将不确定性问题转化为一定数量的确定性问题，通过统计失效样本数量，并计算其与总样本的比例，确定失效概率。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

现有的几种方法往往都需要通过大量的数值计算，确定关于隧道掌子面稳定性的功能函数，并通过迭代算法计算其可靠度指标，耗时较长，且效率较低。此外，在实际工程中，岩土体的统计参数如重度、粘聚力和摩擦角往往随着位置的不同而变化，因此，即便是同一座隧道，也需要根据参数将其划分为多个工况进行预测，采用现有的方法工作量极大，难度很高。

由此可知，现有技术中的方法存在预测效率低、耗时较长的技术问题。

发明内容

本发明提出一种基于k近邻算法和支持向量机的隧道掌子面失效概率预测方法，用于解决或者至少部分解决现有技术的方法存在的预测效率低、耗时较长的技术问题。

为了解决上述技术问题，本发明提供了一种基于k近邻算法和支持向量机的隧道掌子面失效概率预测方法，包括：

S1：确定隧道掌子面稳定性的影响参数，其中，隧道掌子面稳定性的影响参数包括地表荷载，隧道直径，埋深，土体的粘聚力，内摩擦角和重度；

S2：确定每个影响参数的取值范围，并将每个参数的取值范围按照预设的数量间隔进行等分；

S3：对于确定的影响参数以及等分后的取值情况，采用正交实验设计方法，确定影响参数组合，其中，每一种影响参数组合对应一种工况，每一种工况用以表示隧道掌子面的情况；

S4：对每一种影响参数组合对应的计算工况进行强度折减计算，并根据强度折减计算的结果，确定计算工况对应的隧道掌子面的稳定状态情况；

S5：根据确定出的隧道掌子面的稳定状态情况，对所有训练样本进行标定，并得到总训练集合，其中，一个训练样本对应一种影响参数组合；

S6：对于待预测隧道掌子面，根据统计参数进行蒙特卡洛模拟，生成n个预测样本，其中，n为大于等于2的整数；

S7：对于每一个预测样本，计算其与总训练集合中每个训练样本的距离，采用k近邻算法选择出与该预测样本最近的k个不稳定样本和k个稳定样本，构成与该预测样本对应的个性化训练集合，k为大于等于1的整数；

S8：采用支持向量机对预测样本，拟合出个性化决策函数，对基于个性化决策函数对预测样本进行分类，分类结果包括稳定和不稳定；

S9：重复执行步骤S7和S8，直到生成的n个预测样本全部分类完成；