[发明专利]基于LSTM的土压平衡盾构的土压智能动态调控方法

说明书

本发明提供一种基于LSTM的土压平衡盾构的土压智能动态调控方法，包括：确定隧道每一环管片埋深；通过隧道沿线地质勘察资料确定地层分布及原始地质参数，计算每一环管片对应的加权地质参数；确定盾构操作参数和土压，并进行数据预处理；将数据集划分为训练集和测试集，并对数据集进行归一化处理；建立LSTM神经网络预测模型，将训练集输入模型进行训练，当测试集准确率达到要求时结束训练并保存LSTM神经网络预测模型；基于LSTM神经网络预测模型和遗传算法对隧道施工时的土压进行动态控制。本发明建立土压与隧道几何参数、地层参数、盾构操作参数之间的高度非线性关系，实现盾构施工土压的准确预测与有效控制。

技术领域

本发明涉及隧道工程领域，具体地，涉及一种基于LSTM深度学习的土压平衡盾构的土压智能动态调控方法、电子设备。

背景技术

土压平衡盾构法具有高度机械化、对环境影响小、施工相对安全等优点，是隧道开挖的主要施工方式之一。土压平衡盾构法利用土仓内的渣土、土壤改良剂等混合物的压力平衡刀盘前方土层的水土压力，从而实现开挖面的稳定。开挖面两侧的土压平衡对盾构施工的质量和安全有着重要的意义。当土仓内土压力值过小时，刀盘前方土体将处于一种主动土压力状态，产生向刀盘方向变形的趋势，造成刀盘前方土体损失，土体应力释放，进而引发过大的地表沉降；当土仓内土压力值过大时，刀盘前方土体将处于一种被动土压力状态，产生背离刀盘方向变形的趋势，土体应力水平升高，进而引发地表隆起。因此，开挖面两侧的土压平衡是影响地表变形的重要因素，土压值的监控与调整也是土压平衡盾构施工的关键环节。目前土压的控制主要依靠施工人员的施工经验，施工人员根据地表变形监测数据判断土压值的调整范围，通过调整螺旋机转速和掘进速度等盾构操作参数，控制土仓中渣土的输出与输入，进而实现土仓内土压值的控制。

经对现有技术文献的检索发现，申请号为201610705764.X的中国专利，公开一种基于地表变形的土压平衡盾构掘进参数控制方法，包括“考虑盾构排土及盾尾脱空引起的地层损失，推导出盾构土压平衡比的计算公式，并建立起土压平衡比控制范围，为下一环的掘进速度和螺旋输送机旋转速度提供控制依据。”该专利提出的计算方法基于理想化假设，难以反映实际施工的土压值与盾构操作参数的真实关系。一方面，地层参数只考虑了土体重度，未提出对不同地层的处理方法；另一方面，该计算方法仅考虑了螺旋输送机转速和盾构机掘进速度两个盾构参数，没有考虑其他相关操作参数，且无法实现土压的智能化实时调节控制，从而会造成土压预测不准和滞后的结果的缺陷。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于LSTM的土压平衡盾构的土压智能动态调控方法、电子设备。

本发明第一个方面，提供一种基于LSTM的土压平衡盾构的土压智能动态调控方法，包括：

S1：确定隧道每一环管片埋深D,所述管片埋深D是指管片顶部最外侧距离地面的垂直距离；

S2：计算加权地质参数：是指通过隧道沿线地质勘察确定地层分布及原始地质参数，计算每一环管片对应的加权地质参数；

S3：确定盾构操作参数和土压，对盾构操作参数进行数据预处理，建立数据集；其中，所述数据集是指由所有数据样本组成的数据集合；所述数据样本由t个连续盾构管片对应的所述管片埋深D、所述加权地质参数、所述盾构操作参数和土压组成；

S4：将经预处理后的数据集划分为训练集和测试集，并对训练集、测试集进行归一化处理；所述归一化处理是指对训练集、测试集的数据样本进行无量纲化处理；

S5：建立LSTM神经网络预测模型，并调试LSTM神经网络预测模型超参数，将S4中的训练集输入所述LSTM神经网络预测模型进行训练，当测试集准确率达到要求时结束训练并保存训练后的LSTM神经网络预测模型；

S6：基于S5的LSTM神经网络预测模型和遗传算法对隧道施工时的土压进行动态控制。

可选地，所述S6，包括以下步骤：