[发明专利]一种基于随钻监测数据的隧道岩体分级预测方法

权利要求书

1.一种基于随钻监测数据的隧道岩体分级预测方法，其特征包括以下步骤：

S1：在隧道随钻监测数据中选择无监督变量，具体的变量种类来源于阻尼器压力、钻孔渗透率、锤击压力、注浆压力、转速、钻孔压力、水的流速、水压；

S101：对隧道施工过程中获取的可用随钻监测数据进行处理，把获得的变量数据按照所属开挖面分组并且作出以钻孔编号为横轴、变量数据为纵轴的变量数据统计图，验证数据的合理性，将数据值超过平均值大小20％的数据作为异常值并去除，利用线性插值修复缺失值以补全数据的完整性；

S102：然后基于PCA(主成分分析)和FA(因子分析)这两种无监督方法来选择变量中的最相关变量，将第一主成分、主成分超过主成分集合的平均值、包含至少90％原始信息的主成分以及分析因子的最大数量作为变量评价的4个标准，得到全局排名；

S103：通过进行基于OWA(有序加权平均)的多准则决策来对不同评价标准下的变量排序，得到随钻监测变量的最终排名，选择出最相关变量，其中OWA的权重基于RIM函数；

该函数为：Q_α(r)＝r^α，且模糊集成算子

S2：将隧道各个开挖面的钻孔分类：

S201：使用K-Means、X-Means、DBSCAN、Spectral和FCM这5种分类算法来确定隧道钻孔的每个备选分类，输入随钻监测变量数据后得到并描述这些不同类别的钻孔；

S202：然后再进行基于OWA的多准则决策，将上述5种分类算法的各个参数进行全局排序，选择出最佳分类数；

S3：获取开挖面的特征：将钻孔在所属的各个开挖面的类别分布作为开挖面的特征；

S4：预测开挖面岩体的RMR值：用MRE(准确率)、NR(规则数)和NLT(语言数)作为预测方法的评价标准，RMR值的预测由S-IRL和L-IRL这两种遗传FRBS方法实现。

2.一种基于随钻监测数据的隧道岩体分级预测方法，其特征在于：在随钻监测数据中选择钻孔深度、阻尼器压力、钻孔渗透率、锤击压力、注浆压力、转速、钻孔压力、水的流速、水压和钻孔时间这些变量转换后的变量作为无监督变量。