[发明专利]一种基于机器学习的隧道/地铁施工全过程围岩变形动态预测方法

权利要求书

1.一种基于机器学习的隧道/地铁施工全过程围岩变形动态预测方法，充分利用已开挖段揭露围岩的先验分布信息，采集已开挖部分中获取各开挖掌子面的岩体自然属性评定指标（地质结构、岩体力学参数、结构面产状等），同时，通过现场监控量测可获取各选取断面的围岩变形收敛值,以所选监测断面为样本，则每个样本中包含了该断面岩体的自然属性指标与围岩变形收敛值；采集已开挖段各量测断面的信息，构成一样本空间，以揭露岩体的自然属性指标为输入样本，围岩变形收敛值为输出样本，基于机器学习算法构建同一设计围岩等级区间段内岩体自然属性与变形间的映射模型，实现对当前掌子面围岩变形收敛值的响应预测及围岩稳定性状况的即时评定；以此为隧道/地铁开挖工法与支护参数优化提供数据支撑。

2.根据权利要求1所述的基于机器学习的隧道/地铁施工全过程围岩变形动态预测方法，其特征在于：所述预测方法是基于岩体结构信息的先验分布规律与机器学习算法。

3.一种基于机器学习的隧道/地铁施工全过程围岩变形动态预测方法，其特征在于，包括以下步骤：

A.采集已开挖隧道/地铁段各监测断面的岩体自然属性评定指标与围岩收敛变形值为训练样本，GPR模型的输入样本对为：(x_i，y_i)，i=1，2，…，k，其中，x_i为代表影响隧道/地铁围岩变形的若干个定量控制因素（此处仅包括自然属性影响因素，诸如岩石强度、岩体完整性、岩体结构自身特征、体积节理数、围岩等级等等），y_i为围岩变形收敛值；

B.构建岩体自然属性与围岩变形收敛值之间的映射模型需要提供功能函数Z的训练样本，选取的样本点是同一隧道/地铁在同等设计围岩等级区段中已开挖部分的各断面信息；在实际应用过程中，随着隧道/地铁的不断开挖，样本集进行滚动式更新，所选取的n个样本需保证为距离当前掌子面最近的n个断面的样本信息，即在添加下一断面为样本点的同时，舍弃距离掌子面最远的样本点；

C.当影响围岩变形的各控制因素诸如岩石强度、RQD值、岩体完整程度、隧道/地铁埋深等的数量级相差较大时，需对样本数据进行标准化处理

式中：

，

x_i为第i个指标；P_i为标准化后的值；

D.基于所构建样本空间，以现有机器学习算法进行模型训练，建立控制影响因素x_i与输出响应y_i间的映射关系，获取既定工程影响条件下X*对应的围岩变形收敛预测值y*；以为隧道/地铁当前开挖工法与支护参数优化提供数据支撑。