【技术实现步骤摘要】
本专利技术属于tbm隧道开挖，具体涉及一种基于多源信息融合的tbm隧道岩爆动态预警系统及方法。
技术介绍
1、随着我国对中西部地区公路、铁路等交通基础设施的投资力度不断加大，这极大的促进了以全断面隧道掘进机(tbm)为主要施工方式的深长隧道开挖技术的发展。近年来通过tbm在秦岭隧道、滇中引水隧洞、川藏铁路隧道等大型工程中的实践应用，科研技术人员们积累了大量的经验，同时也面临着比以往更大的机遇与挑战。由于tbm在深埋长大隧道项目中的应用越来越广泛，在tbm掘进过程中不可避免地遭遇岩爆灾害的困扰，尤其当tbm穿越完整硬岩段落时，由于隧道埋深大，围岩中储存了大量的弹性应变能，当围岩受到tbm开挖扰动时极易产生岩爆灾害，由于岩爆灾害的突发性，往往会造成设备损坏、工期延误，严重威胁施工人员人身安全。
2、目前在tbm隧道施工中，往往采用微震监测手段对岩爆灾害进行预报。然而目前常用的微震监测系统存在抗干扰能力差、现场布设不便、数据采集质量差以及数据传输困难等问题，这影响了现场微震监测预报的效率。同时单纯依靠微震监测手段难以应对岩爆灾害的突发性。tbm施工深埋隧道亟需一套体系完整的岩爆灾害预报系统及方法，对隧道岩爆灾害进行超前分级、动态修正及实时预警，规避岩爆灾害，提升tbm掘进的效率和安全性。
技术实现思路
1、为了解决上述问题，本专利技术提出一种基于多源信息融合的tbm隧道岩爆动态预警系统及方法。
2、本专利技术的基于多源信息融合的tbm隧道岩爆动态预警系统，包括：岩
3、所述岩爆灾害超前分级模块包括初步估算模组、多判据计算模组、多模型融合模组和岩爆等级初步判定模组。
4、所述的初步估算模组根据tbm隧道前期地勘资料，对tbm隧道不同里程段的最大切向应力、单轴抗压强度、轴向应力、弹性应变能、耗损应变能、点荷载强度、岩体完整性系数、最大主应力参数进行估算，获取各参数的量化结果。
5、所述的多判据计算模组采用e.hoek、turchaninov方法、kidybinski方法和russense判据，结合tbm隧道不同里程岩体力学参数量化结果进行计算求解，获取不同判据条件下岩爆等级结果。
6、所述的多模型融合模组采用改进d-s证据理论对不同判据岩爆等级预测结果进行融合，所述的岩爆等级初步判定模组根据融合结果确定tbm隧洞不同里程断面岩爆灾害超前分级结果。
7、所述的d-s证据理论通过基本概率值((basic probabilityassignment，bpa)确定不同模型的融合权重，并引入可信度因子ηi对bpa进行修正，以降低不同证据源之间的冲突，所述的d-s证据理论改进公式如下：
8、
9、
10、式中，ui代表证据集i的观测与其他证据集的观测之间的距离，ui越小可信度越高；m(s)表示事件s的bpa(bpa，也称m函数)，为降低不同证据源之间的冲突，ηi取为ui的指数函数，这样可以保证当ui较大时ηi可快速趋近于0。
11、所述岩爆灾害动态修正模块包括多源信息收集模组、岩体力学参数映射模组、岩体力学参数修正模组和岩爆等级修正模组。
12、所述岩爆灾害实时预警模块包括微震监测模组、微震事件数据库模组、岩爆事件数据库模组和微震-岩爆映射模组。
13、本专利技术放大基于多源信息融合的tbm隧道岩爆动态预警系统的预警方法，包括以下步骤：
14、a、收集tbm隧道前期地勘资料，估算tbm隧道不同里程断面岩体力学参数，根据岩体力学参数估算结果计算多种岩爆判据条件下不同里程的岩爆等级；
15、b、基于d-s证据理论对不同判据条件下的岩爆等级预测结果进行多模型融合，获取tbm隧道不同里程断面岩爆灾害超前分级结果；
16、c、收集tbm实时掘进参数信息、超前钻探信息、掌子面地质编录信息等多源信息数据，基于tbm隧道围岩实际开挖揭露情况构建多源信息-岩体力学参数长短期记忆神经网络映射模型；
17、d、基于长短期记忆神经网络映射模型对tbm隧道不同里程断面岩体力学参数进行准确预测，对岩体力学参数估算结果进行修正，将修正结果代入多判据计算模组和多模型融合模组，获取岩爆灾害修正等级；
18、e、安装多型号微震监测设备，监测微震信号，提取微震特征参数，基于微震事件监测结果和微震特征参数构建微震事件数据库；
19、f、记录tbm开挖揭露岩爆灾害情况，构建岩爆灾害数据库，采用门控神经网络方法构建微震事件-岩爆灾害映射模型，实现岩爆灾害实时预警；
20、g、随着tbm掘进里程的不断增加，只需要不断重复c～f步骤即可获取当前掘进地层的岩爆灾害修正等级，并实现岩爆灾害的实时预警；当掘进新的tbm隧道时，只需要重复a～f步骤即可实现岩爆灾害的超前分级、动态修正及实时预警。
21、本专利技术的有益效果是，
22、(1)本专利技术可以实现tbm施工深埋长大隧道岩爆灾害的超前分级、动态修正及实时预警，有力推进tbm安全高效掘进技术的发展；
23、(2)本专利技术采用了多种机器学习算法和深度学习算法，可为不同地层条件下tbm隧道岩爆灾害等级判定提供量化指导和实时预警，可指导现场施工设计方案的指定以及岩爆处理措施的实施，降低岩爆灾害对施工的影响。
24、(3)本专利技术采用即时跟进的动态学习策略，根据学习样本的实时变化不断优化模型的样本数据库，从而实现对地层条件变化的快速响应，提升tbm施工深埋隧道岩爆预警的效率。
本文档来自技高网...【技术保护点】
1.一种基于多源信息融合的TBM隧道岩爆动态预警系统，其特征在于，包括：
2.根据权利要求1所述的基于多源信息融合的TBM隧道岩爆动态预警系统，其特征在于，所述岩爆灾害超前分级模块包括初步估算模组、多判据计算模组、多模型融合模组和岩爆等级初步判定模组。
3.根据权利要求2所述的基于多源信息融合的TBM隧道岩爆动态预警系统，其特征在于，所述的初步估算模组根据TBM隧道前期地勘资料，对TBM隧道不同里程段的最大切向应力、单轴抗压强度、轴向应力、弹性应变能、耗损应变能、点荷载强度、岩体完整性系数、最大主应力参数进行估算，获取各参数的量化结果。
4.根据权利要求2所述的基于多源信息融合的TBM隧道岩爆动态预警系统，其特征在于，所述的多判据计算模组采用E.Hoek方法、Turchaninov方法、Kidybinski方法和Russense判据，结合TBM隧道不同里程岩体力学参数量化结果进行计算求解，获取不同判据条件下岩爆等级结果。
5.根据权利要求2所述的基于多源信息融合的TBM隧道岩爆动态预警系统，其特征在于，所述的多模型融合模组采用改进D
6.根据权利要求5所述的基于多源信息融合的TBM隧道岩爆动态预警系统，其特征在于，所述的D-S证据理论通过基本概率值(BPA)确定不同模型的融合权重，并引入可信度因子ηi对BPA进行修正，以降低不同证据源之间的冲突，所述的D-S证据理论改进公式如下：
7.根据权利要求5所述的基于多源信息融合的TBM隧道岩爆动态预警系统，其特征在于，所述岩爆灾害动态修正模块包括多源信息收集模组、岩体力学参数映射模组、岩体力学参数修正模组和岩爆等级修正模组。
8.根据权利要求5所述的基于多源信息融合的TBM隧道岩爆动态预警系统，其特征在于，所述岩爆灾害实时预警模块包括微震监测模组、微震事件数据库模组、岩爆事件数据库模组和微震-岩爆映射模组。
9.一种根据权利要求1-8任一项所述的基于多源信息融合的TBM隧道岩爆动态预警系统的预警方法，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种基于多源信息融合的tbm隧道岩爆动态预警系统，其特征在于，包括：
2.根据权利要求1所述的基于多源信息融合的tbm隧道岩爆动态预警系统，其特征在于，所述岩爆灾害超前分级模块包括初步估算模组、多判据计算模组、多模型融合模组和岩爆等级初步判定模组。
3.根据权利要求2所述的基于多源信息融合的tbm隧道岩爆动态预警系统，其特征在于，所述的初步估算模组根据tbm隧道前期地勘资料，对tbm隧道不同里程段的最大切向应力、单轴抗压强度、轴向应力、弹性应变能、耗损应变能、点荷载强度、岩体完整性系数、最大主应力参数进行估算，获取各参数的量化结果。
4.根据权利要求2所述的基于多源信息融合的tbm隧道岩爆动态预警系统，其特征在于，所述的多判据计算模组采用e.hoek方法、turchaninov方法、kidybinski方法和russense判据，结合tbm隧道不同里程岩体力学参数量化结果进行计算求解，获取不同判据条件下岩爆等级结果。
5.根据权利要求2所述的基于多源信息融合的tbm隧道岩爆动态预警系统，其特征在于，...
【专利技术属性】
技术研发人员：巩立亮，李省，张晓英，温帅，邓伟杰，习晓红，王磊，方旭东，刘佳宾，万岳，张陌，付子兵，冯一帆，杜卫长，赵顺利，于洋，郭冲，刘艳，
申请(专利权)人：江河安澜工程咨询有限公司，
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。