[发明专利]盾构施工地表沉降预测系统及方法

权利要求书

1.一种盾构施工地表沉降预测系统，其特征在于，所述盾构施工地表沉降预测系统包括：

元属性提取模块，用以对原始数据集进行重新的组合提取元属性，并计算各属性特征指标；

沉降数据发生器训练模块，用以构建基于元属性的沉降数据发生器；

沉降数据生成模块，用以结合当前施工项目工程特点产生一组模拟数据；

沉降预测模型预训练模块，用以结合产生的模拟数据训练当前工程的沉降预测模型，得到初始沉降预测模型；

实时沉降预测模块，用以获取实时盾构掘进数据对地表沉降监测点沉降值进行预测；

所述元属性提取模块用以提取元素属性；将影响地表沉降的主要因素划分为基础类、扰动类和沉降类三个属性类别；

每类元属性包括多种掘进特性，这些特性均通过原始施工数据计算得到，具体计算方法包括：

基础类为在盾构隧道施工所需的基础信息，包括土质特性、几何特性以及工艺特性；

土质特性具体包括每环隧道剖面的粘聚力、内摩擦角以及含水率，每环土质特性的具体计算方式包括：

步骤S111、分别计算该环每层土占开挖面面积比例P_m，定义第m层土层上边界埋深为d_1，m，下边界埋深为d_2，m，隧道剖面中心点埋深为d，开挖面半径为R，S_1，m为土层起始标高以上土体与开挖面的接触面积，S_2，m为土层结束标高以上土体与开挖面的接触面积；具体计算方式包括：

步骤S112、计算该环隧道剖面土质特性，定义第m层土层的粘聚力、内摩擦角以及含水率分别为C_m、φ_m和ω_m，开挖面土体总体粘聚力、内摩擦角以及含水率分别为C、φ和ω，计算公式如下：

C＝∑P_m·C_m φ＝∑P_m·φ_m ω＝∑P_m·ω_m

几何特性包括盾构每环的埋深和非注浆情况下的土体损失率，盾构每环的埋深通过隧道设计文件直接获得；每环非注浆情况下的土体损失率需将直线段和曲线段独立计算，直线段仅考虑盾构刀盘半径R和隧道管片外半径r所围成的圆环体积，具体计算公式如下：

v＝(R²-r²)πl

在曲线段推进时为了使盾构发生偏转，通常会造成土体的超挖，其理论土体损失率与直线段有较大差别，具体计算方式如下：

式中，R₀隧道曲率半径，l为管片宽度，L为盾构机长度，D为盾构机直径，δ为盾构机内侧超挖量，δ′为盾构机中部理论间隙，且δ′≈δ；

工艺特性包括盾构机类型、盾构长度以及盾构直径，盾构机类型主要分为土压平衡式盾构机和泥水平衡式盾构机，根据实际工程选用的盾构机型号来确定；盾构长度以及盾构直径根据具体施工所采用的盾构机参数数据获得；

扰动类参数主要评价盾构在掘进过程中对土体扰动程度的指标，通过对盾构实时掘进数据的分析处理得到；根据其扰动机理不同将其分为切口扰动特性、姿态扰动特性和盾尾扰动特性；

采用盾构理论压力差来评价切口前方土体的扰动情况，从而获取切口扰动特性，具体计算方式如下：

步骤S121、根据地质勘查结果计算得到上方荷载大小Q；

步骤S122、根据隧道地质勘查报告，计算开挖面土体的侧向土压力系数K；

步骤S123、抽取每环推进期间的土压力数据，计算环平均土压力P；

步骤S124、根据以下公式计算理论土压力差：ΔP＝P-Q·K；

姿态扰动特性包括盾构水平方向姿态变化量和盾构高程方向姿态变化量；盾构高程方向姿态变化量根据盾构俯仰角变化量来表示，即：

式中为盾构环俯仰角变化量，为每环开始时的俯仰角，为每环结束时的俯仰角；

盾构水平方向姿态变化量采用水平角度变化量来表示，根据盾构的偏差量和轴线线性进行计算得到，具体计算方法如下：

式中,h′_x为每环开始时的切口水平偏差量，h″_x为每环结束时的切口水平偏差量，t′_x为每环开始时的盾尾水平偏差量，t″_x为每环结束时的盾尾水平偏差量；

盾尾注浆压力通过计算每环盾尾注浆时压力平均值得到，盾尾注浆填充率根据环累计注浆量与理论盾尾间隙的比值计算得到，从而获取盾尾扰动特性，具体计算公式如下：

式中，g为盾尾注浆填充率，G_t为盾尾环累计注浆量，v为理论盾尾空隙大小；

沉降类主要通过沉降形态和沉降幅度来描述盾构推进过程中的沉降大小；

沉降形态主要通过横向沉降槽宽度系数来表示，横向沉降槽宽度系数I通过使用peck公式对影响范围内的横向沉降测点进行曲线拟合并取平均值得到，peck公式如下：

式中，S为地表任一点的沉降值；S_max为地表沉降的最大值，位于隧道轴线正上方；x为任一点与隧道轴线的水平距离；I为横向沉降槽宽度系数，即隧道轴线与沉降槽拐点的距离；

沉降幅度包括切口前方10m沉降平均值、盾体上方沉降平均值、盾尾后方10m沉降平均值，该数据根据盾构行程分别选取三个区域的轴线点沉降值进行计算得到；

所述沉降数据发生器训练模块用以将获取到的不同工程的施工数据根据上述方法提取元属性后，将基础类和扰动类属性作为模型输入，沉降类属性作为模型输出，训练循环神经网络模型作为沉降数据发生器；具体步骤如下：

步骤S21、数据预处理，将元属性数据转化为时序数据，并划分训练集与测试集；

步骤S22、构建一个三层的循环神经网络模型；

步骤S23、使用训练集数据进行模型训练，并在测试集上进行模型预测效果验证，根据结果对模型参数进行调整；

步骤S24、保存模型；

所述沉降数据生成模块用以根据实际应用项目几何数据、地质数据和盾构机参数数据计算得到基础类数据，然后结合理论计算方法计算得到扰动类数据范围；

在计算切口扰动特性时，根据理论土压力值加上一定的随机波动量模拟实际推进过程中的土压波动，进而计算得到模拟的理论土压力差；在计算盾尾扰动特性时，平均注浆压力大小根据相似土层下的注浆压力范围进行模拟，平均注浆率根据150％的理论注浆填充率进行上下浮动；在计算姿态扰动特性时，根据盾构隧道设计轴线线性得到理论盾构高程和水平方向姿态变化量；

将采用以上方法产生的模拟施工数据输入到训练好的沉降数据发生器，得到每个时刻的沉降类属性；根据计算得到的沉降类属性借助经验沉降曲线公式得到每个点的沉降量，具体步骤如下：

步骤S31、获取实际施工项目隧道几何数据、地质数据和盾构机参数数据；

步骤S32、根据基础类数据设计模拟施工方案；

步骤S33、将模拟施工数据输入沉降数据发生器得到沉降类数据；

步骤S34、根据沉降类数据计算得到每一时刻每个沉降监测点的沉降，具体计算方法如下：

首先根据计算得到的沉降数据结合经验纵向沉降曲线公式拟合得到纵向沉降曲线，经验公式如下：

式中，S_y为轴线上距离切口为x的沉降监测点的沉降，y为监测点与距离切口的距离，当监测点在切口前方时y为负数；

然后结合横向沉降槽宽度系数I计算得到沉降监测点的横向沉降槽公式：

最后综合以上两个公式计算得到相对切口坐标为(x，y)的沉降监测点的沉降值；

步骤S35、保存沉降模拟数据；

所述沉降预测模型预训练模块用以根据沉降数据发生器计算得到的盾构施工模拟数据构建LSTM监测点沉降预测模型，LSTM模型输入为t-n到t时刻的开挖面土体粘聚力、开挖面土体内摩擦角、开挖面土体含水率、上方荷载、正面土压力、注浆填充率、注浆压力、盾构水平方向姿态变化量、盾构高程方向姿态变化量、沉降监测点与切口的纵向距离、沉降监测点与轴线的横向距离；模型输出为t时刻的累计沉降值；其中，LSTM模型的单个样本时间步长n为12，LSTM层数为1；

所述实时沉降预测模块用以采用沉降预测模型对盾构影响范围内的沉降监测点沉降进行预测，具体包括以下步骤：

步骤S51、获取当前盾构位置，确定需要进行沉降预测的监测点集合，具体包括切口前方十米至盾尾后方十米范围内的横向与纵向监测点；

步骤S52、获取t-n到t时刻的历史盾构施工数据；

步骤S53、获取未来5个时间步的盾构施工参数设置值；

步骤S54、输入t-n+i到t+i时刻的盾构施工数据，采用LSTM模型预测t+i时刻各监测点的沉降；

步骤S55、重复步骤S54，直到完成对未来5个时间步的沉降预测。