[发明专利]一种基于掘进参数反演的TBM隧道岩爆等级预测方法及系统

说明书

本发明公开了一种基于掘进参数反演的TBM隧道岩爆等级预测方法及系统，其技术方案为：包括获取掘进数据，确定岩爆预测指标，建立掘进参数与岩爆预测指标的样本库；通过机器学习手段，建立掘进参数与岩爆预测指标之间的非线性关系；采用多属性决策的组合赋权法对岩爆预测指标进行权重分析；采用LightGBM算法建立从岩爆预测指标到岩爆等级的映射关系，以预测岩爆等级。本发明采用机器学习方法建立从TBM实时掘进参数到岩爆预测指标的反演模型，之后进行组合赋权，并运用LightGBM算法得到岩爆预测指标与岩爆等级的映射关系，从而达到预测岩爆等级的目的。

技术领域

本发明涉及岩爆预测技术领域，尤其涉及一种基于掘进参数反演的TBM隧道岩爆等级预测方法及系统。

背景技术

岩爆是指地下开采的深部或构造应力很高的区域，在临空岩体中发生突发式破坏的现象。随着国内外岩土工程埋深的不断增加，开挖诱发的岩爆灾害也越发频繁和严重，岩爆已成为国际岩石力学领域亟待解决的世界性难题。

TBM是Tunnel Boring Machine(隧道掘进机)的简称，是利用回转刀具开挖，同时破碎洞内围岩及掘进，形成整个隧道断面的一种新型、先进的隧道施工机械。它具有速度快、质量优、费用低、施工安全等优点，具有很好的生态、经济和社会效益，现已广泛应用于铁路、公路、水利、水电、城市地铁、越江和海底等隧道工程，也正成为我国今后隧道设计施工最主要的施工方法。

发明人发现，相较于传统爆破法，TBM具有施工快速、安全、自动化程度高等优点，但由于其掘进过程中占据了整个断面，传统的地质预报手段受到限制，传统应用于钻爆法施工的地质预报系统在TBM工法中适应性差、预报周期长、搭载困难，且在获取岩爆预测指标方面较为乏力。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种基于掘进参数反演的TBM隧道岩爆等级预测方法及系统，采用机器学习方法建立从TBM实时掘进参数到岩爆预测指标的反演模型，之后进行组合赋权，并运用LightGBM算法得到岩爆预测指标与岩爆等级的映射关系，从而达到预测岩爆等级的目的。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本发明的实施例提供了一种基于掘进参数反演的TBM隧道岩爆等级预测方法，包括：

获取掘进数据，确定岩爆预测指标，建立掘进参数与岩爆预测指标的样本库；

通过机器学习手段，建立掘进参数与岩爆预测指标之间的非线性关系；

采用多属性决策的组合赋权法对岩爆预测指标进行权重分析；

采用LightGBM算法建立从岩爆预测指标到岩爆等级的映射关系，以预测岩爆等级。

作为进一步的实现方式，所述岩爆预测指标包括弹性模量、抗压强度与最大初始应力的比值、切向应力与岩石抗压强度之比、岩体完整性指数、岩体弹性波速度平方与同种岩石试件弹性波速度的平方的比值、岩体脆性程度、弹性应变能指数。

作为进一步的实现方式，通过岩爆预测指标将岩爆等级分为四级：无岩爆、弱岩爆、中岩爆、强岩爆。

作为进一步的实现方式，对岩爆预测指标进行标准化处理。

作为进一步的实现方式，通过GRU手段建立掘进参数与岩爆预测指标之间的非线性关系，完成从掘进参数到岩爆预测指标的反演工作。

作为进一步的实现方式，采用组合赋权法确定预测指标权重值的包括：

数据标准化之后，确定主观权重、客观权重和集成主客观权重。

作为进一步的实现方式，LightGBM算法利用弱分类器迭代训练以得到最优模型，同时采用单边梯度算法，在训练过程中过滤掉梯度小的样本，以训练最为关键的其余样本，实现从岩爆预测指标到岩爆等级的映射关系，预测岩爆等级。