[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

说明书

本发明公开了一种基于遗传神经网络的动水地质渗流实时预警方法，包括：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；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；利用遗传神经网络模型，构建渗流灾害预警分析模型；实时获取各传感器采集到的监测数据，输入到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，能够应用于工程实践，对渗流灾害进行实时预警分析。

技术领域

本发明涉及渗流灾害预警技术领域，特别涉及一种基于遗传神经网络的动水地质渗流实时预警方法。

背景技术

渗透变形的基本形式包括流土和管涌，是指土体在一定水力坡降作用下常常发生变形或破坏的现象。对于岩土和地下工程，考虑地下水渗流作用的影响，防治渗透变形的发生对于工程安全性、开发地下水资源、 防治地下水污染等情况具有重要意义。渗流引发的管涌和流土等渗透变形现象，容易使得隔水层被顶破，造成基坑涌水，基坑承载力下降等危害。因此，在地下工程和岩土工程中，常常需要对渗流和渗透灾害进行监测和检测。

动水是指在一定压差下地层孔隙中可以流动的地层水，渗漏探测技术主要利用渗漏隐患区含水量较大所表现出的物理、化学性质不同，进行实时有效的监测，一般为点式监测法，由于动水渗流场的易发散性，有必要根据渗流场变化对监测点传感器布置进行优化，同时，提出一种能够应用于工程实践的实时预警方法。

发明内容

本发明提供了一种基于遗传神经网络的动水地质渗流实时预警方法，通过构建基于小波神经网络的渗流损伤拟合模型，将监测数据与渗流损伤系数进行关联，进而通过构建基于遗传神经网络模型的渗流灾害预警分析模型，利用实时采集的检测数据，能够实时输出监测主体的渗流灾害预警等级，应用于工程实践，能够及时准确的进行预警，预防渗流灾害发生。

本发明的技术方案为：

一种基于遗传神经网络的动水地质渗流实时预警方法，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，建立监测主体的信息数据库，以存储监测主体的工程管理信息和监测数据；

步骤二、获取监测主体的历史监测数据，并基于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渗流灾害预警分析模型中进行渗流灾害预警等级评定。

优选的是，三维模型的创建过程包括：

根据监测主体的工程图纸、工程文件和地质研究，划分构件；

构建构件的三维数据体，通过数据拟合，评价与修正得到构件模型；

拼接构件模型，得到监测主体的三维模型。

优选的是，构建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。

优选的是，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。