本发明专利技术涉及隧道工程领域，提供了一种掌子面前方裂隙结构面延伸预测指导爆破开挖方法及系统。该方法包括，获取待处理的掌子面图像；对待处理的掌子面图像中的裂隙结构面位置及延伸进行标识，得到第一掌子面裂隙结构面特征数据集；基于第一掌子面裂隙结构面特征数据集，采用主成分分析法，得到降维后的第二掌子面裂隙结构面特征数据集；基于第二掌子面裂隙结构面特征数据集，采用局部线性嵌入法，得到降维后的第三掌子面裂隙结构面特征数据集；基于第三掌子面裂隙结构面特征数据集，采用预测模型，预测掌子面前方的裂隙结构面延伸特征，以此指导爆破开挖计划。
【技术实现步骤摘要】
本专利技术涉及隧道工程领域，尤其涉及一种掌子面前方裂隙结构面延伸预测指导爆破开挖方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、钻孔爆破法是一种传统的隧道掘进方法。首先使用钻机在隧道的工作面上钻孔，然后将炸药装入孔内，引爆炸药以破坏岩石并形成隧道。这种方法可以快速掘进，是隧道掘进的一种常见方法，在许多工程中得到广泛应用。
3、基于钻孔爆破法的工作原理，在引爆炸药后，掌子面上的岩石崩落，某些裂隙结构面开始显现。若该裂隙结构面由当前掌子面一直向掘进方向延伸，则在掌子面前方极有可能形成不稳定的裂隙密集区域。在不考虑前方裂隙密集区域的情况下，若再次按照常规方法进行钻孔爆破，则极有可能增加前方裂隙密集区域岩石坍塌的风险，裂隙中的高应力区域可能会在爆破后突然释放，造成岩石二次崩塌，一定程度上增加了工作人员的安全风险。
4、目前掌子面的裂隙延伸情况多是基于工作人员个人经验手工特征提取和分析，还没有明确、客观的方法通过探测或预测掌子面前方裂隙结构面的延伸情况来指导爆破开挖。
技术实现思路
1、为了解决上述
技术介绍
中存在的常规爆破后导致掌子面前方裂隙密集区域岩石崩塌甚至二次崩塌等问题，本专利技术提供一种掌子面前方裂隙结构面延伸预测指导爆破开挖方法及系统，用于实现通过预测超前掌子面裂隙结构面延伸特征来指导当前掌子面爆破开挖计划调整，提高了掌子面钻孔爆破的可指导性，一定程度上规避了不必要的风险。
>2、为了实现上述目的，本专利技术采用如下技术方案：3、本专利技术的第一个方面提供一种掌子面前方裂隙结构面延伸预测指导爆破开挖方法。
4、掌子面前方裂隙结构面延伸预测指导爆破开挖方法，包括：
5、获取待处理的掌子面图像；
6、对待处理的掌子面图像中的裂隙结构面位置及延伸进行标识，得到第一掌子面裂隙结构面特征数据集；
7、基于第一掌子面裂隙结构面特征数据集，采用主成分分析法，得到降维后的第二掌子面裂隙结构面特征数据集；基于第二掌子面裂隙结构面特征数据集，采用局部线性嵌入法，得到降维后的第三掌子面裂隙结构面特征数据集；
8、基于第三掌子面裂隙结构面特征数据集，采用预测模型，预测掌子面前方的裂隙结构面延伸特征，以此指导爆破开挖计划。
9、进一步地，所述采用主成分分析法的过程包括：
10、计算所述第一掌子面裂隙结构面特征数据集的协方差矩阵；
11、对所述协方差矩阵进行特征值分解，得到特征值和对应的特征向量；
12、根据所述特征值的大小，选择保留的主成分个数：将所述特征值从大到小排序，根据特征值的累计贡献率是否满足设定的阈值，确定保留的主成分个数；
13、将所述特征向量按照特征值大小排序，选取前k个特征向量，构成投影矩阵；
14、基于投影矩阵，将第一掌子面裂隙结构面特征数据集投影到低维空间中，得到降维后的第二掌子面裂隙结构面特征数据集。
15、进一步地，所述采用局部线性嵌入法的过程包括：
16、基于第二掌子面裂隙结构面特征数据集，选取每个样本的k个最近邻；
17、对于每个样本，计算其k个最近邻的权重，使得样本与其最近邻之间的距离在低维空间中得到保持；
18、构建权重矩阵，并进行局部线性重构，得到低维表示；
19、将低维表示作为降维后的第三掌子面裂隙结构面特征数据集。
20、进一步地，所述预测模型在训练过程采用的损失函数为：
21、l(y，y’)＝∑log(cosh(y-y’))
22、其中，l(y，y’)为log-cosh损失函数值，y为真实目标值，y’为模型预测值，cosh(x)是双曲余弦函数，定义为：
23、
24、更进一步地，采用所述损失函数对所述预测模型的超参数进行优化的过程包括：
25、从输出层向输入层使用链式法则，逐层计算损失函数对预测模型超参数的传播梯度；
26、根据所述传播梯度，按照一定的步长调整预测模型的权重和偏置，使用动量优化算法更新预测模型的超参数；
27、直到所述超参数设置符合预设要求，得到已训练的预测模型。
28、进一步地，所述预测模型采用包括卷积神经网络模型或长短期记忆神经网络模型。
29、进一步地，所述以此指导爆破开挖计划的过程包括：
30、若预测的掌子面前方的裂隙结构为不稳定区域，则调整爆破位置，远离所述不稳定区域；
31、若预测的掌子面前方裂隙结构面延伸方向为隧道掘进方向偏右，则将爆破方向调整为隧道掘进方向偏左；
32、若预测的掌子面前方某一特定区域存在不稳定的裂隙结构，则调整所述区域的炸药用量，减小对所述区域的破坏，同时调整掌子面各炮孔的爆破顺序。
33、本专利技术的第二个方面提供一种掌子面前方裂隙结构面延伸预测指导爆破开挖系统。
34、掌子面前方裂隙结构面延伸预测指导爆破开挖系统，包括：
35、数据获取模块，其被配置为：获取待处理的掌子面图像；
36、标识模块，其被配置为：对待处理的掌子面图像中的裂隙结构面位置及延伸进行标识，得到第一掌子面裂隙结构面特征数据集；
37、降维模块，其被配置为：基于第一掌子面裂隙结构面特征数据集，采用主成分分析法，得到降维后的第二掌子面裂隙结构面特征数据集；基于第二掌子面裂隙结构面特征数据集，采用局部线性嵌入法，得到降维后的第三掌子面裂隙结构面特征数据集；
38、预测模块，其被配置为：基于第三掌子面裂隙结构面特征数据集，采用预测模型，预测掌子面前方的裂隙结构面延伸特征，以此指导爆破开挖计划。
39、本专利技术的第三个方面提供一种计算机可读存储介质。
40、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法中的步骤。
41、本专利技术的第四个方面提供一种计算机设备。
42、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法中的步骤。
43、与现有技术相比，本专利技术的有益效果是：
44、(1)本专利技术将降维算法pca和lle相结合，可以有效处理数据中的线性关系和非线性关系，降低计算复杂度，同时去除冗余信息。
45、(2)与传统的手工特征提取和分析相比，本专利技术采用cnn模型从大量掌子面图像中学习裂隙结构面的特征，提供更精确的预测，避免了个人主观性造成的误差。
46、(3)本专利技术采用实时监测与模型预测相结合，根据掌子面裂隙情况及时更新优化cnn模型，增加了实施的实时性和灵活性，以及预测的准确本文档来自技高网...
【技术保护点】
1.掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，包括：
2.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，所述采用主成分分析法的过程包括：
3.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，所述采用局部线性嵌入法的过程包括：
4.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，所述预测模型在训练过程采用的损失函数为：
5.根据权利要求4所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，采用所述损失函数对所述预测模型的超参数进行优化的过程包括：
6.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，所述预测模型采用包括卷积神经网络模型或长短期记忆神经网络模型。
7.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，所述以此指导爆破开挖计划的过程包括：
8.掌子面前方裂隙结构面延伸预测指导爆破开挖系统，其特征在于，包括：
>
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法中的步骤。
...
【技术特征摘要】
1.掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，包括：
2.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，所述采用主成分分析法的过程包括：
3.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，所述采用局部线性嵌入法的过程包括：
4.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，所述预测模型在训练过程采用的损失函数为：
5.根据权利要求4所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，其特征在于，采用所述损失函数对所述预测模型的超参数进行优化的过程包括：
6.根据权利要求1所述的掌子面前方裂隙结构面延伸预测指导爆破开挖方法，...
【专利技术属性】
技术研发人员：张庆贺，李维国，袁亮，王汉鹏，江丙友，张冰，杨发旺，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。