[发明专利]EPB隧道施工地表沉降全周期自适应模糊推理预测方法

权利要求书

1.EPB隧道施工地表沉降全周期自适应模糊推理预测方法，其特征在于，包括以下步骤：

步骤1、沉降阶段划分：基于EPB隧道掘进引起的地表沉降特征，将全周期的地表沉降过程分为先行沉降、推进沉降、盾尾空隙沉降和工后沉降，所述工后沉降包括固结沉降和后续沉降；

步骤2、参数收集：根据历史施工中盾构掘进数据，得到EPB施工参数、形成土质参数、施工参数和各阶段地表沉降量，形成数据集；

步骤3、数据预处理构建训练数据集：对步骤2中形成的数据集中，传感器传输的异常值和空值进行分析和剔除，基于预处理后的特征数据，构建训练数据集；

步骤4、建立自适应神经模糊推理系统，并对其进行训练：在对步骤1划分的沉降各阶段分别建立单个预估子项的自适应神经模糊推理系统，基于训练数据集，训练各个阶段的自适应神经模糊推理系统，组装各个阶段的自适应神经模糊推理系统，得到隧道施工引起地表沉降的全周期预测模型；

在构建全周期预测模型时，具体包括以下步骤：

(1)针对步骤1划分的多个沉降阶段，提取若干与当前沉降阶段关联的施工参数和土质参数，建立先行沉降ANFIS、推进沉降ANFIS、盾尾空隙沉降ANFIS，得到瞬时沉降时程曲线；

(2)结合得到的瞬时沉降时程曲线，并根据是否为黏性土，建立固结沉降ANFIS或后续沉降ANFIS，得到其对应的沉降量；

(3)若土层为黏性土层，则将先行沉降ANFIS、推进沉降ANFIS、盾尾空隙沉降ANFIS、固结沉降ANFIS组合，得到全周期预测模型；

若土层为非黏性土层，则将先行沉降ANFIS、推进沉降ANFIS、盾尾空隙沉降ANFIS、后续沉降ANFIS组合，得到全周期预测模型；

步骤5、预测分析：将待预测施工期间的施工参数、土质参数输入全周期预测模型，得到全周期的沉降预测曲线，进而实现对盾构掘进过程中的地表沉降预测。

2.根据权利要求1所述的EPB隧道施工地表沉降全周期自适应模糊推理预测方法，其特征在于：所述步骤5中，在进行预测分析时，具体为：

1)分别输入先行沉降段参数、推进沉降段参数、盾尾空隙沉降段参数，得到不同阶段各自的沉降量；

2)将上述三个沉降段的沉降量进行汇总，输出盾构施工的瞬时沉降量；

3)判断土体为黏性土还是卵砂石地层；

4)若为黏性土则输入黏性土固结沉降所需的土质参数，若为卵砂石地层则输入影响后续沉降的土质参数；

5)得到工后沉降后，将工后阶段的沉降量与2)得到的瞬时沉降量进行汇总，输出地表总的沉降量，进而得到地表沉降全周期曲线。

3.根据权利要求1所述的EPB隧道施工地表沉降全周期自适应模糊推理预测方法，其特征在于：所述步骤4中，每个沉降阶段的ANFIS构建原理相同，盾尾空隙沉降ANFIS构建过程如下：

1)建立Sugeno型模糊推理的自适应神经网络模糊系统ANFIS；

2)确定盾尾空隙沉降ANFIS的输入特征和输出特征，并设置模糊集和隐藏层数，将隐藏层上各节点的权重初始化为区间(-1，1)上的随机数；

3)建立初始模糊推理规则；

4)采用SigmoidMF作为输入变量的隶属度函数，输出采用一阶线性隶属度函数linear。

4.根据权利要求3所述的EPB隧道施工地表沉降全周期自适应模糊推理预测方法，其特征在于：所述步骤4中，在进行模型训练时，通过梯度下降法，使得网络参数不断收敛到全局或局部最小值，从而得到最优或最相近的解，模型训练结束。