[发明专利]高原隧道形变量的预测方法及高原隧道健康检测系统

说明书

本申请公开了一种高原隧道形变量的预测方法及高原隧道健康检测系统。该方法包括：利用改良型遗传算法优化灰色神经网络模型，得到隧道结构形变量预测模型，所述改良型遗传算法的选择算子采用最优保留策略；利用隧道结构形变量历史监测数据对所述隧道结构形变量预测模型进行训练，得到训练完成的预测模型；利用所述训练完成的预测模型进行隧道形变量预测，得到形变量预测结果。本申请实施例提供的高原隧道形变量的预测方法，通过改良型遗传算法优化灰色神经网络模型得到的隧道结构形变量预测模型，全局寻优能力强，收敛速度快，收敛精度高，最终得到预测结果准确度高，能够很好的满足实际应用的需要。

技术领域

本申请涉及隧道工程技术领域，具体涉及一种高原隧道形变量的预测方法及高原隧道健康检测系统。

背景技术

随着社会发展和科技进步，高速公路里程已经越来越长，并且越来越多地出现在高原地形中。由于高原地形的独特地质条件，无论在隧道施工过程中还是在运营阶段，为了确保施工安全或运营安全，对隧道进行定期的变形趋势预测都非常重要。由于高原地区的隧道结构变形机制极为复杂，受到高原地质结构、车辆、风、地震等多种因素的影响，隧道变形监测得到的数据随机性较大，所以现有技术的各种模型数据处理结果均不是十分理想，对高原隧道形变量的预测结果准确性较低，亟待研发一种能够准确预测高原隧道结构形变量的技术方案。

发明内容

本申请的目的是提供一种高原隧道形变量的预测方法及高原隧道健康检测系统。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本申请实施例的一个方面，提供一种高原隧道形变量的预测方法，包括：

利用改良型遗传算法优化灰色神经网络模型，得到隧道结构形变量预测模型，所述改良型遗传算法的选择算子采用最优保留策略；

利用隧道结构形变量历史监测数据对所述隧道结构形变量预测模型进行训练，得到训练完成的预测模型；

利用所述训练完成的预测模型进行隧道形变量预测，得到形变量预测结果。

在本申请的一些实施例中，在所述利用改良型遗传算法优化灰色神经网络模型之前，所述方法还包括：

将灰色模型和人工神经网络模型组合得到灰色神经网络模型。

在本申请的一些实施例中，所述利用改良型遗传算法优化灰色神经网络模型，得到隧道结构形变量预测模型，包括：

初始化灰色神经网络模型的权值以及阈值，对初始化后的权值和阈值进行编码；

计算得到群体中染色体的初始适应度值；

通过所述改良型遗传算法的选择算子寻找出群体中适应度值达到预设阈值的染色体；

将选择出的染色体进行交叉操作与变异操作，得到新一代群体；

计算所述新一代群体中各染色体的最大适应度值；

判断是否满足达到预设群体繁殖代数或最大适应度值在繁殖过程中保持不变；若满足则结束群体繁殖；若不满足，则转向所述将选择出的染色体进行交叉操作与变异操作；

解码最大适应度值染色体，得到最优权值和最优阈值。

将所述最优权值和所述最优阈值代入所述灰色神经网络模型中，得到隧道结构形变量预测模型。

在本申请的一些实施例中，所述最优保留策略包括：

通过适应度值计算函数计算群体中每一染色体的适应度值；

根据适应度值由小到大的顺序将各染色体进行排序，构成第一新群体；

将第一新群体均分为三段，分别是第一段、第二段和第三段；

按照预设比例对每一段的染色体进行随机选择；

将随机选择出的染色体组合成第二新群体；