[发明专利]一种基于已建隧道信息智能识别的隧道围岩地质信息预测方法

权利要求书

1.一种基于已建隧道信息智能识别的隧道围岩地质信息预测方法，其特征在于：具体包括以下步骤：

第一步，数据预处理、格式化及存储：基于已建隧道工程和在建隧道已开挖断面的实测围岩地质信息，对数据预处理以及格式化，获取隧道围岩地质信息各项指标于不同断面上的均值，按照围岩-断面-地质信息的次序，将工程地质信息进行分类存储，建立隧道围岩地质信息数据库；

第二步，K-means聚类算法数据筛选：利用K-means聚类算法对已建立的隧道围岩地质信息数据库内数据进行筛选，得到隧道围岩地质信息高关联数据链；

第三步，建立BP神经网络预测模型：建立的BP神经网络预测模型包括输入层、隐层以及输出层，通过BP神经网络预测模型进行工程地质机器学习，其中，输入层为已开挖断面隧道围岩地质信息，输出层为待开挖断面隧道围岩地质信息；

第四步，训练神经网络模型并验证：将整理筛选得到的已建隧道工程围岩地质数据作为训练集，将本工程的在建隧道已开挖断面围岩地质数据作为验证集，考虑不同断面地质信息数据的差别，选取均方根误差作为预测准确度评判标准，采用随机搜索法寻找在验证集上计算误差最小的模型参数组合，训练BP神经网络预测模型并进行验证；

第五步，利用训练后的BP神经网络预测模型对当前开挖断面的隧道围岩地质信息进行预测，并对开挖前方一定距离的地质信息进行不确定性推断，推断隧道开挖前方未知断面的地质信息，随着工作面的向前推进，实时将施工过程中新观测得到的数据加入到训练后的BP神经网络预测模型中，进一步训练BP神经网络预测模型，逐步提升预测精度，从而建立基于已建隧道信息智能识别的隧道围岩地质信息预测模型。

2.根据权利要求1所述的基于已建隧道信息智能识别的隧道围岩地质信息预测方法，其特征在于：在第一步中，基于的已建隧道工程和在建隧道已开挖断面的实测围岩地质信息包括围定义为R₁的岩强度，定义为R₂的围岩不连续面数目，定义为R₃的围岩不连续面条件评分以及定义为R₄的地下水评分；其总分R＝R₁+R₂+R₃+R₄。

3.根据权利要求1所述的基于已建隧道信息智能识别的隧道围岩地质信息预测方法，其特征在于：在第二步中，K-means聚类算法是针对给定样本集D＝{x₁,x₂,x₃,…,x_n}的簇划分C＝{C₁,C₂,C₃,…,C_n}的最小化平方误差，其中平方误差的表达式为：

其中，x为隧道围岩地质信息样本，C_i为第i个簇，μ_i为簇C_i的均值向量，E为平方误差。

4.根据权利要求3所述的基于已建隧道信息智能识别的隧道围岩地质信息预测方法，其特征在于：第二步中，将隧道围岩地质信息各项指标于不同断面上的均值放入参考数据中，以少数代表性断面与已开挖面围岩样本作为聚类中心，运行K-means聚类算法，对样本进行簇划分并更新聚类中心，迭代若干次后，形成稳定的簇划分，从而剔除地质条件差异过大的数据，建立合适稳定的数据集。

5.根据权利要求1所述的基于已建隧道信息智能识别的隧道围岩地质信息预测方法，其特征在于：第三步中，已开挖断面隧道围岩地质信息包括已建隧道工程各断面的地质信息，以及在建隧道已开挖的断面地质信息；

待开挖断面隧道围岩地质信息为在建隧道的未开挖断面地质信息。

6.根据权利要求1所述的基于已建隧道信息智能识别的隧道围岩地质信息预测方法，其特征在于：第四步中，均方根误差用于衡量模型预测值与真实值之间的偏差，其表达式为：

其中，m为地质信息数据的数目，x_i为真实值，为预测值。

7.根据权利要求6所述的基于已建隧道信息智能识别的隧道围岩地质信息预测方法，其特征在于：第四步中，随机搜索法利用模拟生成的随机数计算表达式的极小值，从而求得函数近似最优解，采取的具体方法为模拟退火算法。