[发明专利]一种基于数值样本和随机森林的TBM卡机风险预测方法

说明书

本发明公开了一种基于数值样本和随机森林的TBM卡机风险预测方法，其包括：建立精细化数值仿真模型，基于蠕变损伤模型模拟围岩的时效变形，实现对TBM施工过程的模拟；在数值仿真模型中设置不同卡机影响因素的取值，计算包含不同工况的数值样本；建立卡机风险判别指标，标定样本的卡机风险等级；建立随机森林模型，基于数值样本进行模型训练，利用训练好的随机森林模型预测实际施工段的卡机风险等级。本发明基于精细化数值仿真构建卡机数值样本库，克服工程中应用机器学习存在的监测样本少和不均衡问题；利用训练好的随机森林模型，可快速预测实际施工段卡机风险等级，从而指导灾害的提前防控，保证TBM的安全高效施工。

技术领域

本发明涉及TBM(Tunnel Boring Machine，隧道掘进机)掘进施工技术领域，具体涉及一种基于数值样本和随机森林的TBM卡机风险预测方法。

背景技术

随着我国经济迅猛发展，带动了基础建设力度的加大，近年来水利、交通、采矿等领域的重点工程和项目，均涉及到了深埋长隧洞的建设。相比于钻爆法施工，TBM具有施工速度快、对围岩扰动小和对生态扰动小等优点，在隧道工程中应用越来越广泛。深埋隧道工程往往面临高地应力和强开挖扰动的问题。深部岩体开挖后具有明显的时效变形特性，围岩挤压大变形引发的卡机成为制约TBM安全高效施工的重要问题。

国内外对卡机风险预测主要包括三种方法：第一种是结合实际工程经验构建一些指标来判断围岩的挤压变形程度来间接评价卡机风险；第二种是基于弹塑性力学理论对隧洞围岩的应力状态和收敛变形进行解析求解来评判TBM的卡机风险；第三种是利用数值仿真技术对TBM开挖后围岩与护盾的相互作用力进行计算，来分析TBM的卡机风险。

以上方法的研究均取得了一定的积极性成果，促进了TBM卡机风险预测的发展。但是TBM卡机的影响因素众多且复杂，第一种的经验模型考虑因素较少；第二种的理论解析方法主要简化为平面问题求解，均具有一定的局限性；第三种的数值仿真技术是目前分析TBM卡机问题的主要技术手段，然而，当工程规模较大且复杂时，基于数值仿真技术建模需要花费大量的时间。另外，数值仿真模型往往只能模拟隧道的具体施工段，而不是整个工程，无法快速预测不同施工段的TBM卡机风险。

近年来，机器学习等人工智能算法凭借能反映复杂非线性映射关系的能力，在隧洞工程领域中得到了越来越多的应用；但也面临着数据量少和数据不均衡的问题。因此，研究基于智能算法的卡机风险等级快速预测方法，并利用数值仿真方法构造数值样本来克服卡机风险预测中应用机器学习技术存在的少样本和不均衡样本问题，具有较强的现实意义。

发明内容

本发明为了克服目前TBM隧洞施工中卡机风险较难快速、实时预测的问题，提出一种基于数值样本和随机森林的TBM卡机风险预测方法。

为了实现上述目的，本发明采用了以下技术方案：

本发明提供一种基于数值样本和随机森林的TBM卡机风险预测方法，其包括：

步骤S1，建立精细化数值仿真模型，基于蠕变损伤模型模拟围岩的时效变形，实现对TBM施工过程的模拟；

步骤S2，在数值仿真模型中设置不同卡机影响因素的取值，计算对应不同工况的数值样本；

步骤S3，建立卡机风险判别指标，标定所述数值样本的卡机风险等级；

步骤S4，建立随机森林模型，利用标定有卡机风险等级的数值样本对所述随机森林模型进行训练，利用训练好的随机森林模型快速预测实际施工段的卡机风险等级。

更优选地，所述步骤S1包括：

基于三维连续介质的快速拉格朗日分析FLAC^3D软件建立TBM精细化数值仿真模型，在所述数值仿真模型中构建TBM中包括刀盘、前护盾、后护盾、衬砌管片、回填灌浆层的部件；