[发明专利]锚杆轴力变化趋势预测方法

说明书

本发明公开了一种锚杆轴力变化趋势预测方法。本方法通过埋设振弦式传感器实时获取工程现场温度、地下水位高度、锚杆轴力等参数；基于粒子群算法优化分析并选择历史数据步数；采用红外线测距仪测量开挖位置与锚杆锚固位置之间的水平距离，同时测量开挖面与锚杆锚固位置之间的垂直距离。将已测得参数组作为学习样本，以差异进化算法优化的极限学习机作为计算方法，对锚杆所承受轴力在未来几天的变化趋势进行预测。本发明通过对工程现场当天相关参数的测量并结合其历史数据来超前预测未来几天内稳固锚杆所承受的轴力值，便于提前发现可能存在的工程危险，很大程度上提高了基坑施工过程中的安全系数。

技术领域

本发明涉及锚杆周力测量技术领域，尤其涉及一种锚杆轴力变化趋势预测方法。

背景技术

预应力锚杆支护技术通过施加高预紧力对锚杆支护范围内的围岩产生有效的径向约束，锚杆与围岩共同组成自承载结构，充分提高岩土体自身强度的同时显著减小结构自重，有效的维持了结构的稳定性。根据不同的岩体强度理论，众多学者对锚杆的作用机理进行了多种探索及解释，但是由于预应力锚杆与围岩作用机理的复杂性及周围地层结构的不确定性，至今尚无可应用于所有工程的普适方法。

由于基坑中应用锚杆所存在的多参数、大变量、地层条件复杂且难以预测等问题，单纯的自动化监测无法及时的对即将出现的危险进行提前预警。

发明内容

本发明提供一种锚杆轴力变化趋势预测犯法，以克服上述技术问题。

本发明锚杆轴力变化趋势预测方法，包括：

采用振弦式传感器采集锚杆轴力，并存储所述锚杆轴力；

采集当前轴力参数，所述轴力参数包括：通过温度传感器采集的工程现场温度，通过水位计采集的地下水位高度，通过红外线测距仪测量的开挖位置与锚杆锚固位置之间的水平距离、开挖水平面与锚杆锚固位置所在平面之间的垂直距离；

将所述当前轴力参数和所述历史锚杆轴力作为学习样本采用极限学习算法进行非线性映射学习，得到预测的锚杆轴力。

进一步地，所述将所述当前工作参数和所述历史锚杆轴力作为学习样本采用极限学习算法进行非线性映射学习之前，还包括：

通过粒子群算法识别历史锚杆轴力的数量。

进一步地，所述得到预测的锚杆轴力之后，还包括：

将预测锚杆轴力与实测锚杆轴力相比较，若差值超出阈值，则根据差异进化算法优化所述及极限学习机的参数。

进一步地，所述通过粒子群算法识别历史锚杆轴力的数量，包括：

根据轴力参数构建初始学习样本；

初始化粒子群算法；

根据所述初始学习样本采用所述粒子群算法迭代得到历史轴力数量。

进一步地，所述根据差异进化算法优化所述及极限学习机的参数，包括：

设置差异化算法参数，并随机产生第一代种群，所述差异化算法参数包括种群数量、进化代数、交叉因子和放大因子；

根据所述差异化算法参数对第一代种群中的每个个体对应极限学习机的权值和隐含层偏差进行训练，获得极限学习机的输出权值，从而获得所述极限学习机的拓扑结构；

通过检验样本对训练后的极限学习机进行预测检验，以预测最大相对误差作为差异化算法的适应值；

任意选取所述极限学习机的输入层权值和隐含层偏差集合中两个输入层权值和隐含层偏差个体之间的差值乘以所述放大因子并叠加到集合中的第三个输入层权值和隐含层偏差个体上，形成新的输入层权值和隐含层偏差向量；

将目标输入层权值和隐含层偏差向量与输入层权值和隐含层偏差变异向量根据公式：