[发明专利]以物探资料为基础的神经网络围岩分级预测方法及系统

说明书

本发明属于隧道围岩识别技术领域，公开了一种以物探资料为基础的神经网络围岩分级预测方法及系统，利用地质雷达即电磁波法对掌子面前方进行超前预报，获得地质雷达回波图；对得到的地质雷达回波图进行小波降噪处理；基于降噪后的地质雷达回波图得到一维数据矩阵；将得到的一维数据矩阵作为全连接神经网络模型的输入值，对应里程的围岩等级作为标签值，对全连接神经网络模型进行训练及预测，得到最优全连接神经网络模型；利用得到的最优全连接神经网络模型进行围岩分级预测。本发明可有效对隧道围岩进行分级识别。

技术领域

本发明属于隧道围岩识别技术领域，尤其涉及一种以物探资料为基础的神经网络围岩分级预测方法及系统。

背景技术

目前，在隧道施工过程中，往往会遇到大量影响安全生产的地质因素，特别是因探测技术限制而未能提前预测到的险恶复杂地质条件，比如断层构造、岩层突变、岩溶及其它含水异常体，都将会较大可能的在隧道施工过程中引发突发性事故。目前地质超前预报大多采用物探技术对隧道进行超前地质预报，由于物探技术拥有多解性，因此预报精度非常依赖工程技术人员的经验，经验非常丰富的工程技术人员通过物探技术对隧道围岩等级的预测精度最高能达到80％左右，而经验不够丰富的工程技术人员一般在50％-60％左右。本方案采用神经网络自动识别围岩等级，精度能达到65％左右，可以对大量数据进行初筛，大大减少工作量，同时削弱物探技术多解性带来的不良影响，且65％的精度已经高于大多数工程人员采用物探技术进行围岩等级预测的精度。

通过上述分析，现有技术存在的问题及缺陷为：对工程技术人员的经验依赖大、不能削弱物探技术的多解性、人力成本消耗大。

现有技术对于隧道围岩质量超前预测及时性差、波动大、准确率低。

解决以上问题及缺陷的难度为：如何找到一个表现性能好的神经网络，如何防止训练过程中发生梯度爆炸及过拟合。

解决以上问题及缺陷的意义为：能极大的节约人力成本，减少对工程人员的经验依赖，保证隧道围岩质量超前预测的及时性。

发明内容

针对现有技术存在的问题，本发明提供了一种以物探资料为基础的神经网络围岩分级预测方法及系统。

本发明是这样实现的，一种以物探资料为基础的神经网络围岩分级预测方法，所述以物探资料为基础的神经网络围岩分级预测方法包括：

步骤一，利用地质雷达即电磁波法对掌子面前方进行超前预报，获得两张地质雷达回波图；

步骤二，对得到的地质雷达回波图进行小波降噪处理；

步骤三，构建全连接神经网络模型；基于降噪后的地质雷达回波图得到一维数据矩阵；

步骤四，将得到的一维数据矩阵作为全连接神经网络模型的输入值，对应里程的围岩等级作为标签值，对全连接神经网络模型进行训练及预测，得到最优全连接神经网络模型；

步骤五，利用得到的最优全连接神经网络模型进行围岩分级预测。

进一步，步骤一中，所述利用地质雷达即电磁波法对掌子面前方进行超前预报包括：

基于每一个掌子面前设置的两条测线利用地质雷达即电磁波法进行各个掌子面的超前预报。

进一步，步骤三中，所述全连接神经网络模型为7层；

所述全连接神经网络模型输入层神经元个数为304440，第二层128个，后面跟一个Dropout层(神经元失活比例为50％)，第三层64个，第四层32个，第五层16个，第六层8个，输出层3个。

进一步，所述基于降噪后的地质雷达回波图以及指标数据得到一维数据矩阵。

进一步，所述最优全连接神经网络模型激活函数为线性整流函数、学习率lr＝1*10^-4；