[发明专利]一种基于遗传神经网络的动水地质渗流实时预警方法

权利要求书

1.一种基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，包括：

步骤一、利用BIM软件创建监测主体不同部位的构件，进行拼接得到三维模型，建立所述监测主体的信息数据库，以存储所述监测主体的工程管理信息和监测数据；

步骤二、获取所述监测主体的历史监测数据，并基于所述历史监测数据和渗流损伤原理评估损伤系数，构建基于小波神经网络的渗流损伤拟合模型；

步骤三、利用遗传神经网络模型，构建渗流灾害预警分析模型；

步骤四、实时获取各传感器采集到的监测数据，输入到所述渗流损伤拟合模型中，获得当前损伤系数，并结合前一时刻的灾害预警等级输入到所述渗流灾害预警分析模型中进行渗流灾害预警等级评定。

2.如权利要求1所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，所述三维模型的创建过程包括：

根据所述监测主体的工程图纸、工程文件和地质研究，划分构件；

构建所述构件的三维数据体，通过数据拟合，评价与修正得到构件模型；

拼接所述构件模型，得到所述监测主体的三维模型。

3.如权利要求2所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，所述构建所述构件的三维数据体的过程具体包括：

通过地层划分与对比，获取渗流范围内地层的分层数据，确定纵向渗流屏障分布；

获取渗流范围内断层分布数据；

通过渗流特征分析，确定渗流场特征，获取渗流范围内岩性边界分布数据，并确定静态描述参数分布；

利用建模软件，通过构造模型、地层模型、属性模型、流体模型，构建三维数据体。

4.如权利要求3所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，所述三维数据体包括渗透率、孔隙度、岩层厚度、水头高度、渗流速度。

5.如权利要求1或4所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，所述监测数据包括：电缆温度、电缆负压、电磁反射信号、介电常数和电阻率。

6.如权利要求5所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，所述基于小波神经网络的渗流损伤拟合模型包括：

以所述历史监测数据中各指定时间间隔内的电缆温度、电缆负压、电磁反射信号、介电常数和电阻率作为小波神经网络的输入数据，损伤系数作为输出数据，对小波神经网络进行训练，获得基于小波神经网络的渗流损伤拟合模型；

所述小波神经网络的输入层节点个数为5，隐含层小波元个数为8，输出层节点个数为1，隐层小波神经元采用Mexican Hat小波函数，输出层节点采用Sigmoid函数；

训练过程中的最大迭代次数设置为1000，训练学习率为0.1，阈值为0 .00003。

7.如权利要求6所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，所述渗流灾害预警分析模型的构建过程包括：

以所述历史监测数据中的t时刻的损伤系数和t-1时刻的灾害预警等级作为输入数据，t时刻的灾害预警等级作为输出数据，对遗传神经网络模型进行训练，获得基于BP神经网络的渗流灾害预警分析模型；

所述BP神经网络输入层节点个数为3，输出层节点个数为1，训练过程中的最大迭代次数设置为500，训练学习率为0.1。

8.如权利要求7所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，还包括基于所述三维模型，对用于采集监测数据的预警传感器的布置进行优化，以及传感器采集权重优化。

9.如权利要求8所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，所述预警传感器的布置优化，具体包括：

建立最小化预警时间及最大化预警概率两个目标函数；

基于所述三维模型构造多个预警传感器在采样时刻的阈值矩阵，并将其与相同时刻下马尔科夫链预测的各传感器位置的预警概率矩阵进行比较；

对所有预警传感器布置方案进行全遍历寻优，得到优化的预警传感器布置方案。

10.如权利要求9所述的基于遗传神经网络的动水地质渗流实时预警方法，其特征在于，所述权重优化过程为：

初始化种群；

设定适应度函数，并获取种群中的最优个体；

计算每个个体的适应值，每个种群个体适应度最大者进去子种群；

采用轮盘赌法选择交叉算子和变异算子；

利用交叉算子和变异算子对种群中除子种群外的个体进行更新；

计算更新后的所有个体的适应度值，判断是否达到最大迭代次数或者最大搜索精度，若是，则以适应度最大的个体作为最优个体，输出最优个体对应的权值系数。