[发明专利]近接隧道施工条件下新建隧道设计优化方法及设备

说明书

本发明属于隧道施工技术领域，并具体公开了一种近接隧道施工条件下新建隧道设计优化方法及设备。所述方法包括：构建隧道施工参数指标体系采用轻量化梯度促进机算法建立预测极限支撑压力和地表变形的集成学习模型；利用NSGA‑Ⅱ对极限支撑压力和地表变形两个目标进行优化，同时考虑岩土条件的不确定性和元模型的误差；通过蒙特卡罗仿真，建立概率约束进行多目标优化，生成Pareto前沿，并以离理想点距离最短的点为准则得到新隧道的最佳位置。本发明不仅能够预测和优化邻近既有隧道的开挖破坏，新隧道的最佳位置将在现有隧道的基础上确定，而且还考虑了地质条件和元模型等各种类型的不确定性，使得结果更加可靠，从而为决策提供更保守的参考。

技术领域

本发明属于隧道施工技术领域，更具体地，涉及一种近接隧道施工条件下新建隧道设计优化方法及设备。

背景技术

在隧道施工问题中，通常需要在现有隧道附近施工，可能涉及两条隧道彼此交叉运行或平行运行。在这种情况下，在设计初期就需要考虑相邻隧道的存在，为新隧道的施工找到一个合适的位置。由于近年来集成学习算法发展迅速，如随机森林(RF)，梯度增强决策树(GBDT)，极值梯度增强(LightGBM)，现在可以用现有的数据集预测隧道开挖造成的破坏。针对隧道施工问题，这种机器学习方法对可以对施工引起的损伤进行充分合理的模拟，但是很少有方法对隧道施工的损伤进行缓解。多目标优化(MOO)的目标是实现所有目标之间的平衡，从而找到最佳的解决方案。改进版NSGA-Ⅱ是最流行的MOO方法之一，在计算速度和种群精英化性能上得到了增强。然而，这种算法通常使用确定性约束，缺乏对变量的不确定性的考虑。土壤的不确定性来自于一个特定的位置(局部不确定性)或多个位置(空间不确定性。如果不适当地考虑土壤性质的差异，反应可能超出设计的能力，造成巨大的损失。为了得到更可靠的优化结果，必须考虑复杂岩土条件下的不确定性。

基于上述缺陷和不足，本领域亟需提出一种近接隧道施工条件下新建隧道设计优化方法，考虑岩土条件的不确定性，并以离理想点距离最短的点为准则得到新隧道的最佳位置，同时可以预测和优化邻近既有隧道的开挖破坏。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种近接隧道施工条件下新建隧道设计优化方法及设备，通过构建隧道施工参数指标体系，采用轻量化梯度促进机(LightGBM)算法建立预测极限支撑压力(LSP)和地表变形(GSD)的集成学习模型；利用NSGA-Ⅱ对LSP和GSD两个目标进行优化，同时考虑岩土条件的不确定性和元模型的误差；通过蒙特卡罗仿真，建立概率约束进行多目标优化（MOO），生成Pareto前沿，并以离理想点距离最短的点为准则得到新隧道的最佳位置。可以预测和优化邻近既有隧道的开挖破坏，而且还考虑了地质条件和元模型等各种类型的不确定性，以保证可靠性。

为实现上述目的，按照本发明的一个方面，提出了一种近接隧道施工条件下新建隧道设计优化方法，包括以下步骤：

S1构建隧道施工参数指标体系，基于该隧道施工参数指标体系，采用LightGBM回归模型建立预测极限支撑压力和地表变形的集成学习模型；

S2以岩土条件的不确定性和集成学习模型的元模型误差为约束，对极限支撑压力和地表变形进行优化；

S3建立概率约束，对集成学习模型进行多目标优化，生成Pareto前沿并以理想点距离最短的点为准则选择最优解，该最优解即为新隧道的最佳位置。

作为进一步优选的，步骤S1具体包括：采集现有数据集，将现有数据集划分为训练集和测试集，采用训练集对LightGBM回归模型进行预测精度分析，采用均方误差和均方根误差对LightGBM回归模型预测的准确性进行评价。

作为进一步优选的，步骤S2中，将现有数据集的数据作为y，LightGBM回归模型的预测值作为，利用最小二乘方法训练出如下的线性回归模型: