[发明专利]隧道施工作业时间的预测方法、系统、终端及计算机可读存储介质

说明书

本申请涉及一种隧道施工作业时间的预测方法、系统、终端及计算机可读存储介质，属于隧道施工的技术领域，该方法包括获取影响隧道施工作业时长的影响因素；而后映射所述影响因素至0‑1的数值之间，并获得与所述影响因素一一对应的输入值；发送所述输入值至预先训练完成的神经网络模型的输入端，所述神经网络模型基于所述输入值，输出一输出值，并基于所述输出值，获得预测的施工作业时长。由于在施工前获得了预测的施工时长，因此施工人员可以根据预测出的施工时长，从而建立隧道施工计划，进行明确的分工，从而可以减少施工超期的情况，因此提高了施工效率。

技术领域

本申请涉及隧道施工的技术领域，尤其是涉及一种隧道施工作业时间的预测方法、系统、终端及计算机可读存储介质。

背景技术

钻爆法是现阶段主要的隧道施工方法。钻爆法隧道施工的计划和调度，涉及到很多复杂的因素，例如：隧道的围岩类别、施工工法、是否有特殊地质情况、以及施工作业之间的相互影响等等。

在实际的施工中，发明人发现隧道施工计划，由于都是由现场技术人员根据经验进行估计，现场施工随意性很大，各施工班组之间缺乏协调，因此往往会导致施工缓慢，从而造成施工超期。

发明内容

为了提高施工效率，本申请提供一种隧道施工作业时间的预测方法、系统、终端及计算机可读存储介质。

第一方面，本申请提供的一种隧道施工作业时间的预测方法，采用如下技术方案：

一种隧道施工作业时间的预测方法，包括：

获取影响隧道施工作业时长的影响因素；

映射所述影响因素至0-1的数值之间，并获得与所述影响因素一一对应的输入值；

发送所述输入值至预先训练完成的神经网络模型的输入端，所述神经网络模型基于所述输入值，输出一输出值；

基于所述输出值，获得预测的施工作业时长。

通过采用上述技术方案，由于通过将不同类别的影响因素映射至0-1之间，因此使得输入值输入神经网络模型时差别不会太大；将影响因素对应的输入至输入预先训练完成的神经网络模型后，神经网络会输出一个输出值，而后将该输出值转化成施工作业时长，从而获得预测的施工作业时长；由于在施工前获得了预测的施工时长，因此施工人员可以根据预测出的施工时长，从而建立隧道施工计划，进行明确的分工，从而可以减少施工超期的情况，因此提高了施工效率。

可选的，所述映射所述影响因素至0-1的数值之间的步骤，包括：

获取所述影响因素对应的原始值；

按照预设的映射公式将所述原始值映射至0-1的数值之间；其中，所述映射公式包括(一原始值-所有原始值的最小值)/(所有原始值的最大值-所有原始值的最小值)。

可选的，所述影响因素包括数值影响因素和非数值影响因素，其中，所述非数值影响因素对应的所述原始值为预先对所述非数值影响因素评分后的评分值。

通过采用上述技术方案，由于有些影响因素是非数值性的例如围岩类别，无法直接进行计算，因此需要预先对该影响因素进行评分，而后将该评分值映射至0-1之间。

可选的，所述神经网络模型的训练方法包括：

获取与所述影响因素关联的所有的输入历史数据；

获取与所述隧道施工作业时长关联的所有的输出历史数据；

在将所述输入历史数据和所述输出历史数据划分为训练集和测试集之后，依次发送所述训练集中的每组所述输入历史数据至初始神经网络模型的输入端，其中一组所述输入历史数据对应一所述输出历史数据；

基于所述训练集中的所述输入历史数据和所述输出历史数据，获得所述初始神经网络模型中的权重；

依次发送所述测试集中的每组所述输入历史数据至所述初始神经网络模型中；

基于所述权重，依次获得所述初始神经网络模型的训练输出值；