[发明专利]一种地下大空间施工多因素安全分级方法及系统

权利要求书

1.一种地下大空间施工多因素安全分级方法，其特征在于，所述方法包括：

步骤101，根据工程实际情况，确定施工监测指标及其阈值；根据所述施工监测指标及其阈值建立地下大空间施工多因素安全分级对照表；

步骤102，根据所述地下大空间施工多因素安全分级对照表随机生成与各个安全级别相关联的数据样本；

步骤103，构建安全分级神经网络，利用所述与各个安全级别相关联的数据样本训练所述安全分级神经网络，以建立所述安全分级神经网络输入层到输出层的非线性映射关系，并使所述安全分级神经网络满足：在输入层有参数输入时，其输出层自动输出安全等级判定结果；

步骤104，将施工中实时采集的数据样本输入至所述安全分级神经网络以对施工安全等级进行实时预测。

2.根据权利要求1所述的方法，其特征在于，所述根据工程实际情况，确定施工监测指标及其阈值包括：选择既有指标，以及对所选的既有指标进行按比例的阈值折减。

3.根据权利要求2所述的方法，其特征在于，所述地下大空间施工多因素安全分级对照表中包括单一监测指标因素的安全等级以及综合多监测指标因素的安全等级。

4.根据权利要求1所述的方法，其特征在于，所述安全分级神经网络输入层的输入参数包括：支护桩或支护墙顶竖向位移，支护桩或支护墙顶水平位移，支护桩或支护墙体水平位移，立柱结构竖向位移，地表沉降，支护墙结构应力，立柱结构应力，支撑轴力，锚杆拉力。

5.根据权利要求1所述的方法，其特征在于，所述安全分级神经网络的可调连接权总数为56。

6.根据权利要求1-5任一所述的方法，其特征在于，采用Sigmoid函数作为所述安全分级神经网络的误差函数。

7.根据权利要求1-5任一所述的方法，其特征在于，所述安全分级神经网络的最大迭代次数为5000、学习率η为0.5。

8.根据权利要求1-5任一所述的方法，其特征在于，当所述安全分级神经网络的误差率小于预设值时，判断所述安全分级神经网络性能趋于稳定并停止训练。

9.一种地下大空间施工多因素安全预测系统，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。