[发明专利]基于Elman神经网络模型的地质参数与盾构施工关键参数关联性方法

说明书

本发明涉及一种基于E lman神经网络模型的地质参数与盾构施工关键参数关联性方法，主要包含：对地质参数进行预处理并建立基于环数的地质参数样本数据库；对采集的盾构施工关键参数进行预处理并建立基于环数的盾构施工关键参数样本数据库；分别以地质参数和盾构施工关键参数为输入输出参数，通过优选网络结构和函数种类并探寻最小训练误差，确定关联性模型输入输出参数，对数据归一化预处理并通过函数优选缩小平均均方误差MSE和多重相关系数R的值，建立以E lman神经网络为基础地质参数与盾构施工关键参数关联性模型；为盾构掘进施工提供合理的施工关键参数建议值，给盾构主司机予以参考，提高隧道施工过程中风险预警能力和施工效率，为隧道盾构施工智能化掘进打下良好基础。

技术领域

本发明专利属于隧道盾构施工技术领域，具体涉及一种基于Elman神经网络模型的地质参数与盾构施工关键参数关联性方法，为隧道盾构施工关键参数控制提供参考。

背景技术

在隧道修建过程中，盾构法施工因安全高效环保等一系列优点而被广泛应用。盾构法施工是地下暗挖隧道的一种施工方法，是一个原状土在不停地受到破坏、扰动以后再进行重新塑造的复杂力学过程，因此受到地质特性影响，盾构施工关键参数也在不断地变化。由于地质条件复杂，一旦遇到安全事故将会造成巨大的经济损失，因此如何保障盾构的安全高效施工是重中之重。

盾构施工关键参数随着地质参数不断改变，既是地质参数的被动反应，也是盾构机器设备和操作人员操纵的最终耦合结果。在实际的掘进过程中，施工关键参数的调整往往根据盾构主司机的个人经验进行判断，无法进行实施及时有效的调控。如果盾构施工关键参数对地质变化感知不敏感及时，调控速度较慢，控制参数设置不合理，容易产生掌子面坍塌冒浆、刀盘磨损、注浆压力异常等严重工程事故。在单一地层小盾构施工关键参数较为稳定，施工技术相对较为简单；复合地层大直径盾构的施工关键参数更为复杂，盾构施工关键参数和地质参数之间存在复杂的非线性数学关系。

因此，需要一种地质参数与盾构施工关键参数关联性方法来为隧道修建盾构施工提供参考。

发明内容

针对隧道施工盾构掘进过程中，盾构施工关键参数的调控主要依据盾构主司机的历史经验进行判断和修正，无法实现依据大数据机器学习等智能学习方法进行控制，也无法与地质参数建立良好的匹配关联性问题，本发明专利提出一种基于Elman神经网络模型的地质参数与盾构施工关键参数关联性方法，为盾构掘进施工提供合理的施工关键参数建议值，给盾构主司机予以参考，提高隧道施工过程中风险预警能力和施工效率，为隧道盾构施工智能化掘进打下良好基础。

本发明通过以下技术方案来实现上述目的：

一种基于Elman神经网络模型的地质参数与盾构施工关键参数关联性方法包括如下步骤：

(1)根据现场地质勘察数据，对地质参数进行预处理，并建立基于环数的地质参数样本数据库：

隧道在修建过程中穿越不同地质环境，而变化的地质条件将会对隧道施工产生巨大影响。由于所获取的地质参数复杂、种类众多，主要选取对于盾构施工影响较大的几种地质参数：孔隙比e、压缩模量Es(MPa)、粘聚力C(kPa)、内摩擦角φ(°)、天然重度γ(kN/m3)、标贯实测击数N(击)。

由于在隧道施工过程中，地质勘察所得到的地质参数主要是依据勘察孔勘察得到，并且绘制的隧道地质图主要按照地层特性进行分类，并没有依据隧道盾构掘进过程的掘进环数为基础进行整理，因此采用数理统计中的均值方法根据地层占比求出每一环详细地质参数。