[发明专利]岩溶隧道顶板安全厚度预测方法、系统及设备

权利要求书

1.一种岩溶隧道顶板安全厚度预测方法，其特征在于，包括以下步骤：

获取待预测岩溶隧道的顶板最小安全距离的影响因素；

将待预测岩溶隧道的顶板最小安全距离的影响因素输入预先训练好的岩溶隧道顶板安全厚度预测模型中，输出得到所述岩溶隧道顶板安全厚度预测结果；

其中，预先训练好的岩溶隧道顶板安全厚度预测模型为利用粒子群算法优化后的支持向量机回归模型。

2.根据权利要求1所述的一种岩溶隧道顶板安全厚度预测方法，其特征在于，待预测岩溶隧道的顶板最小安全距离的影响因素包括隧道围岩条件、隧道侧压力系数、隧道埋深及溶洞尺寸；

其中，隧道围岩条件包括岩体粘聚力、岩体内摩擦角、岩体弹性模量、岩体泊松比及岩体容重；溶洞尺寸包括溶洞的高跨比。

3.根据权利要求1所述的一种岩溶隧道顶板安全厚度预测方法，其特征在于，预先训练好的岩溶隧道顶板安全厚度预测模型的训练过程，具体如下：

获取历史岩溶隧道的顶板最小安全距离的影响因素，利用均匀试验设计方法，构建训练样本的计算方案；

采用有限元数值试验模型，对构建的训练样本的计算方案进行数值计算，根据溶洞与隧道间的安全距离，确定每个计算方案对应的最小安全距离值；并将计算方案与对应的最小安全距离值构成训练输入样本；

基于训练输入样本训练支持向量机回归模型，采用粒子群算法优化支持向量机回归模型的关键参数，将使得训练输入样本预测准确率最高的支持向量机回归模型参数作为支持向量机回归模型的最优参数组合，得到预先训练好的岩溶隧道顶板安全厚度预测模型，以通过预先训练好的岩溶隧道顶板安全厚度预测模型对待预测岩溶隧道进行安全厚度预测；

其中，支持向量机回归模型的关键参数包括惩罚因子及RBF核函数。

4.根据权利要求3所述的一种岩溶隧道顶板安全厚度预测方法，其特征在于，获取历史岩溶隧道的顶板最小安全距离影响因素，利用均匀试验设计方法，构建训练样本的计算方案的过程，具体如下：

根据获取的历史岩溶隧道的顶板最小安全距离的影响因素，确定因素数m和水平数n；

根据因素数m和水平数n，设计均匀试验设计表；并以确定的均匀试验设计表，构建训练样本的计算方案。

5.根据权利要求3所述的一种岩溶隧道顶板安全厚度预测方法，其特征在于，基于训练输入样本训练支持向量机回归模型，采用粒子群算法优化支持向量机回归模型的关键参数的过程，以待优化参数向量(c,g)为粒子群算法中的粒子；c为惩罚因子，g为RBF核函数；

具体如下：

初始化参数，设定种群规模、权重因子、最大迭代次数、粒子位置及粒子速度的限定范围；随机为粒子群中每个粒子指定初始位置和初始速度参数；粒子i的位置为(X_i,c,X_i,g)，粒子i的速度为(V_i,c,V_i,g)；

将粒子i的位置为(X_i,c,X_i,g)作为参数训练支持向量机回归模型；设置个体极值为粒子的当前位置，计算适应度值最好的个体极值作为最初的全局极值；

更新各粒子的速度和位置，若粒子速度和位置超出了各自的限定范围，则取边界值，限制粒子速度和位置，对于更新后的每个粒子，若当前粒子当前位置对应的适应度高于其历史最佳位置对应的适应度，则将当前位置作为该粒子的最佳位置；

更新种群位置，将每个粒子的当前最佳位置对应的适应度值与个体极值对应的适应度相比，若某个粒子当前最佳位置对应的适应度值优于个体极值对应的适应度值，则将该粒子当前最佳位置作为种群的最佳位置；否则，保留原值；

若迭代次数小于预设最大迭代次数，且最佳适应度值小于预设阈值，则返回继续迭代；否则结束迭代；将得到的种群最佳位置作为支持向量机回归模型的惩罚因子及RBF核函数的最优组合。