【技术实现步骤摘要】
本专利技术涉及隧道超前地质预报领域，尤其涉及一种面向地质雷达探测施作面地质差异的隧道岩体完整性多模型智能预报方法。
技术介绍
1、破碎岩体是隧道开挖过程中常见的一种不良地质现象，若未及时采取支护措施，常引发掉块甚至塌方、突水突泥等事故。因此在隧道开挖前开展掌子面前方岩体完整性精确且定量化的智能综合预报成为隧道施工过程不可或缺的一个环节。然而目前隧道工程整体呈现出“大埋深、长洞线、高应力、强岩溶、高水压、构造复杂、灾害频发”的发展趋势，在预报过程中将使用大量多源异构的探测数据，且探测数据对于异常地质情况的响应特征变幻莫测，为物探数据的有效利用与岩体完整性智能预报带来挑战。如何从非结构化数据中提取有效特征，然后提升其价值密度，是实现岩体完整性智能预报的前提，同时现有的预报方法所采用的模型大多未考虑施作面的地质差异，无法解决因探测数据响应特征多变带来的预报精度低的问题，从而难以保障隧道施工过程安全、高效的进行。因此，亟需研究一种面向地质雷达探测施作面地质差异的隧道岩体完整性多模型智能预报方法。
技术实现思路
1、为了解决现有隧道超前探测数据因多源异构数据并存、干扰数据多、探测数据分布特征差异性不明显导致提取有效结构化特征、难以针对掌子面前方精准预报的问题，本专利技术提供了一种面向地质雷达探测施作面的隧道岩体完整性智能预报方法。
2、本专利技术的技术方案如下：
3、一种面向地质雷达施作面差异的隧道岩体完整性智能预报方法，：包括以下步骤，
4、s1：读取地
5、s2：对于每个掌子面里程点进行数据空间配准和地质雷达特征矩阵提取，并对特征矩阵中的异常数据进行剔除；
6、s3：按照s2的方法对所有掌子面进行里程配准、特征矩阵提取及异常值筛选操作，构成数据集，并按照地质雷达探测施作面的地质差异划分不同类别的数据集；
7、s4：根据所划分的各施作面地质类别的不同，分别建立岩体完整性预报子模型，并通过对应的数据集和卷积神经网络完成训练，再利用交叉验证方法确定准确率最高的模型，作为最终的超前地质预报多模型；
8、s5：使用最终的超前地质预报多模型，根据待预报段落探测数据的施作面地质类别，匹配合适的岩体完整性预报子模型，完成对实际隧道工程的超前地质预报。
9、进一步地，步骤s1中获得的地质雷达电磁波相对振幅数据为一个如下式(1)所示的二维矩阵，
10、
11、其中，a的列向量为沿掌子面横截面方向分布的每个测点对应的相对振幅值，其行向量为沿里程方向分布的里程点对应的相对振幅值，m为行数，n为列数；
12、对矩阵a的每个元素进行最大最小归一化，即可得到归一化后的矩阵anorm，如下式(2)所示：
13、
14、其中aij_norm是归一化后的矩阵anorm的第i行、第j列的元素，aij是原矩阵a的第i行、第j列的元素，aij_min是矩阵a的最小值，aij_max是矩阵a的最大值。
15、进一步地，步骤s2中数据空间配准具体如下：
16、s2.1：对于每个掌子面里程点，在s1中所得的地质雷达电磁波相对振幅矩阵中匹配到该里程点邻域范围内的相对振幅矩阵，首先确定该里程点在电磁波相对振幅矩阵中所对应的行位置，公式如下：
17、
18、其中，lpalmface是该里程点在相对振幅矩阵中对应行；mpalmface是掌子面所在里程值；
19、mworkface是施作面所在里程值；tnsamp是采样点数；tdepth是探测深度；
20、s2.2：取相对振幅矩阵中的第lpalmface行及其后固定行数据，共计num_rows行，形成该掌子面里程点对应的邻域范围内的相对振幅矩阵，记为b’，对应掌子面前后一定距离的邻域范围。
21、进一步地，步骤s2中特征矩阵提取具体如下：
22、s2.3：对新形成的矩阵进行按列叠加求均值的操作，首先计算每次需要叠加的列数nstacked，公式如(4)，然后将上一步所得的矩阵b’中的每行元素，每隔nstacked个元素都进行一次叠加求均值的操作，即可得到最终的特征矩阵，记为b，最终将每个掌子面里程点对应的邻域范围内的相对振幅矩阵的尺寸统一为num_rows×num_cols；
23、
24、进一步地，步骤s2中异常数据剔除具体如下：
25、s2.4：在s2.3中得到的特征矩阵b的基础上，制定异常数据筛选规则，确定异常值指标为行方差之和，记为sumvar，计算公式如下式，其中bij为矩阵b第i行、第j列的元素，μi为第i行的均值；
26、
27、s2.5：设置阈值为t，若sumvar<t，则表明该地质雷达电磁波探测数据几乎无波动，为异常样本，将该掌子面样本剔除。
28、进一步地，步骤s3中不同类别的数据集包括：按照施作面完整性划分的完整、较完整、较破碎、破碎、极破碎五个类别。
29、本专利技术的有益技术效果如下：
30、本专利技术提出了一种面向地质雷达探测施作面的隧道岩体完整性智能预报方法在特征提取方面，将非结构的探测数据进行结构化并设计异常数据筛选规则，有效提升了数据质量；在岩体完整性预报方面，考虑了施作面地质差异建立各类施作面预报子模型，并根据待预报探测数据施作面破碎程度，匹配模型并预报岩体完整性，可有效提高预报准确率，为保障隧道施工的生命财产安全提供坚实保障。
本文档来自技高网...【技术保护点】
1.一种面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：包括以下步骤，
2.如权利要求1所述的面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：步骤S1中获得的地质雷达电磁波相对振幅数据为一个如下式(1)所示的二维矩阵，
3.如权利要求2所述的面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：步骤S2中数据空间配准具体如下：
4.如权利要求3所述的面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：步骤S2中特征矩阵提取具体如下：
5.如权利要求4所述的面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：步骤S2中异常数据剔除具体如下：
6.如权利要求1所述的面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：步骤S3中不同类别的数据集包括：按照施作面完整性划分的完整、较完整、较破碎、破碎、极破碎五个类别。
【技术特征摘要】
1.一种面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：包括以下步骤，
2.如权利要求1所述的面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：步骤s1中获得的地质雷达电磁波相对振幅数据为一个如下式(1)所示的二维矩阵，
3.如权利要求2所述的面向地质雷达施作面差异的隧道岩体完整性智能预报方法，其特征在于：步骤s2中数据空间配准具体如下：
4.如权利要求3所述...
【专利技术属性】
技术研发人员：孟祥连，黄勇，付伟，张文忠，张冲冲，常帅鹏，高斌，
申请(专利权)人：中铁第一勘察设计院集团有限公司，
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。