[发明专利]一种应用于TBM隧道岩爆灾害实时智能预警方法

说明书

本发明公开了一种应用于TBM隧道岩爆灾害实时智能预警方法，其步骤：进行微震监测平台搭建；降维获得降维后的微震数据矩阵；进行降维后的微震数据矩阵中的微震事件聚类；组建前兆微震序列数据库；建立分类回归树；训练分类回归树；对自适应增强集成模型中的超参数寻优，本发明提供了全断面隧道掘进机掘进过程岩爆灾害烈度实时预警方法，克服了传统人工方法效率低、报不准、主观性和经验依赖性强等难题，对全断面隧道掘进机安全高效掘进具有重要意义。

技术领域

本发明涉及隧道掘进机施工技术领域，更具体涉及一种应用于TBM隧道岩爆灾害实时智能预警方法。

背景技术

全断面隧道掘进机是一种高效的隧道开挖机械，特别适用于长距离隧道的施工，它已经在隧道工程中得到越来越广泛的应用。岩爆是地下工程开挖过程中一种常见的动力失稳地质灾害，在时间上具有突发性，在空间上具有随机性，且破坏力极强，特别是在全断面隧道掘进机掘进过程中岩爆的发生往往会造成机毁人亡的巨大损失。然而目前国内外尚无完备的针对全断面隧道掘进机掘进过程岩爆灾害实时智能预警方法，主要存在以下不足：

(1)由于全断面隧道掘进机现场施工条件的限制，在线状狭小的可利用空间中难以搭建高效的微震监测平台。

(2)现有的岩爆灾害智能预警模型难以实现实时预警，受岩体参数(单轴抗压强度、岩石脆性指标、弹性应变能等)快速准确获取技术的限制。

(3)依赖于现场工程师的工程经验，岩爆烈度主要还是由人为确定，主观性强且效率低。

针对上述不足，本发明专利提出了一种应用于TBM隧道基于微震监测的岩爆灾害实时智能预警方法。

发明内容

为解决全断面隧道掘进机安全高效掘进的难题，本发明的目的在于提供了一种应用于TBM隧道岩爆灾害实时智能预警方法。它将人工智能与微震监测相结合，随着微震数据量的不断增加，人工智能为数据处理提供了强有力的有段，进而为岩爆灾害实时智能预警提供了坚实的基础。

为实现上述目的，本发明采用以下技术方案：

一种应用于TBM隧道岩爆灾害实时智能预警方法，包括以下步骤：

步骤1、全断面隧道掘进机掘进过程中进行微震监测平台搭建；

步骤2、对微震监测平台监测获得的微震数据库降维获得降维后的微震数据矩阵X^*；

步骤3、利用高斯混合模型进行降维后的微震数据矩阵中的微震事件聚类，为降维后的微震数据矩阵中的微震事件分配聚类标签；

步骤4、根据降维后的微震数据矩阵组建前兆微震序列数据库；

步骤5、建立分类回归树，分类回归树包括根节点、内部节点和叶节点，

根节点用于存储步骤4建立的前兆微震序列数据库中所有的前兆微震序列，内部节点表示属性条件，内部节点将上一层内部节点或根节点中包含的前兆微震序列分割为满足不同属性条件的前兆微震序列子集，叶节点包含岩爆发生与否以及岩爆烈度；

步骤6、训练分类回归树，并通过加权投票法得到自适应增强集成模型的输出；

步骤7、利用贝叶斯优化算法对自适应增强集成模型中的超参数寻优。

如上所述的步骤1包括以下步骤：

步骤1.1、选取监测断，距离开挖掌子面由近到远依次布设有第1组监测断面、第2组监测断面和第3组监测断面，

步骤1.2、每组监测断面在拱肩位置左右对称布置2个传感器；

步骤1.3、全断面隧道掘进机向前掘进设定距离后，将原第3组监测断面前移成为新的第1组监测断面，原第1组监测断面和原第2组监测断面分别作为新的第2组监测断面和新的第3组监测断面。