本申请涉及一种深埋隧道岩爆预测方法、装置、计算机设备和存储介质，该方法包括：获取隧址区工程地质条件，开展现场地应力测试，采用多元回归法进行地应力反演；结合隧道实际情况，建立并优化隧道数值模型；基于现场监测数据、围岩测试数据和数值模型，建立围岩参数反演分析数据集，采用粒子群算法优化BP神经网络对围岩参数进行反演，提高围岩参数反演精度和效率；对隧道当前施工段开展数值模拟和围岩参数反演，采用岩爆判据对当前施工段潜在岩爆风险进行分析，判断当前施工段岩爆等级和发生概率。本方法紧密结合隧道现场施工段实际情况，提高了岩爆预测准确性；在保证预测准确性的前提下，大量节省工程费用，为岩爆预测和现场施工提供参考。
1、随着经济社会发展和重大战略需求，越来越多的隧道工程逐渐向中西部高原山区发展，同时对施工建设提出了更高的要求。在高原深埋隧道施工过程中，由于板块构造活跃、高海拔、隧道埋深大等影响，隧址区高地应力特征明显，容易诱发硬质岩隧道岩爆灾害频发，严重威胁施工人员生命安全，损害机械设备，同时影响施工进度，给施工建设带来极大挑战。
2、岩爆预测预报是隧道岩爆防控的重要一环，有效的岩爆预测是指导现场岩爆防控的关键。目前，岩爆预测方法主要有理论分析、数值模拟等，此外，微震监测等现场监测技术可为指导岩爆防控提供有效参考。然而目前理论分析或数值模拟方法大多在各种假设条件的基础上展开隧道段落岩爆预测工作，受地质条件变化、施工方法等影响，得到的岩爆预测结果往往与现场岩爆情况存在出入，岩爆预测精准度有待提高。而微震监测等监测方法耗时耗力，费用也较高，给工程造价会带来一定的压力。因此，如何结合现场施工情况，提出简便有效的岩爆预测方法是必要的。
3、结合施工现场实际情况是准确预测岩爆的一种有效途径。由于岩爆主要与地应力、围岩参数等因素有关，因此如何较为准确的获取隧道地应力场特征和围岩参数是提高岩爆预测精度的关键。虽然室内或现场试验方法可以获取较为准确的数据，但试验方法往往费时费力，同时费用较高，且不可能对隧道全部施工段落都进行实时测试，会对岩爆预测精度和效率产生影响。因此，结合现场数据进行高效且精准的岩爆预测是很有必要的。
/>技术实现思路
1、基于此，有必要针对上述技术问题，提供一种深埋隧道岩爆预测方法、装置、计算机设备和存储介质。该方法采用地应力反演获取隧址区三维地应力场特征，然后结合现场试验数据和监测数据，采用粒子群算法优化bp神经网络进行反演获取隧道围岩参数，结合岩爆判据，对隧道岩爆等级进行预测分析，以期为深埋隧道岩爆预测预报提供参考，并指导现场岩爆防控施工。
2、一种深埋隧道岩爆预测方法，该方法包括：
3、根据获取的隧址区工程地质条件和现场地应力测试结果，采用多元回归法进行地应力反演，得到隧址区地应力场反演结果。
4、根据隧道真实的掌子面和围岩情况、工程地质条件、地应力场特征、隧道围岩测试数据以及相应的开挖支护方法，建立隧道数值模拟模型。
5、根据现场监测数据、围岩测试数据以及隧道数值模拟模型，得到围岩参数反演分析所需的数据集；根据数据集采用粒子群算法优化bp神经网络，得到粒子群优化的bp神经网络预测模型；采用粒子群优化的bp神经网络预测模型对隧道围岩参数进行反演，得到隧道各岩爆段的围岩参数反演结果。
6、根据地应力场反演结果和隧道已施工段各岩爆段的围岩参数反演结果，建立适用于该隧道的岩爆判据。
7、对隧道当前施工段采用隧道数值模拟模型进行数值模拟，采用粒子群优化的bp神经网络预测模型进行围岩参数反演，根据岩爆判据和得到的隧道当前施工段的围岩参数反演结果，确定隧道当前施工段岩爆等级和发生概率。
8、在其中一个实施例中，根据获取的隧址区工程地质条件和现场地应力测试结果，采用多元回归法进行地应力反演，得到隧址区地应力场反演结果，包括：
9、根据工程地址勘察资料中的航拍数据、高程数据以及卫星图片，采用gis方法和有限元软件建立隧址区三维精细化地质拓扑模型。
10、根据现场地应力测试结果及地质力学分析结果，确定影响隧道初始地应力场形成的主要因素，获取该因素下已知测点应力值。
11、根据已知测点应力值和对应的实测应力值建立隧址区地应力场反演多元回归方程。
12、采用最小二乘法确定隧址区地应力场反演多元回归方程中的自变量系数的最优解，然后采用隧址区地应力场反演多元回归方程确定隧址区的地应力场反演结果。
13、根据地应力场反演结果，确定隧道轴线最大主应力、最小主应力、中间主应力的分布规律，通过坐标转换得到隧道地应力反演值和方向。
14、根据隧道地应力反演值和地应力实测结果之间的误差与预设误差阈值，不断调整反演模型，保证反演模型的准确性。
15、在其中一个实施例中，根据隧道真实的掌子面和围岩情况、工程地质条件、地应力场特征、隧道围岩测试数据以及相应的开挖支护方法，建立隧道数值模拟模型，包括：
16、根据隧道掌子面和围岩情况、隧址区工程地质条件、地应力场特征、隧道围岩测试数据及相应的开挖支护方法，建立隧道数值模拟模型。
17、通过隧道数值模拟模型对隧道进行数值模拟，得到数值模拟结果；其中，数值模拟结果包括：隧道拱顶沉降、净空收敛以及重点区域变形。
18、将数值模拟结果与实际监测数据进行比较，验证隧道数值模拟模型的准确性，如果数值模拟结果与实际监测数据之间的误差大于或等于预设阈值，则查明原因，不断调整数值模型，以保证数值模型的可靠性。
19、在其中一个实施例中，根据现场监测数据、围岩测试数据以及隧道数值模拟模型，得到围岩参数反演分析所需的数据集，包括：
20、根据现场监测数据、围岩测试数据以及隧道数值模拟模型，提取各岩爆段隧道围岩参数。
21、将所有各岩爆段隧道围岩参数组成用于围岩参数反演分析所需的数据集。
22、在其中一个实施例中，根据数据集采用粒子群算法优化bp神经网络，得到粒子群优化的bp神经网络预测模型；采用粒子群优化的bp神经网络预测模型对隧道围岩参数进行反演，得到隧道各岩爆段的围岩参数反演结果，包括：
23、选择激活函数和损失函数，对bp神经网络的模型参数进行分析和优化，得到bp神经网络的最优结构。
24、初始化参数，设置粒子数和迭代次数，并对变量数据进行归一化和标准化。
25、构建粒子群优化的bp神经网络预测模型，以预测模型的均方差mse作为粒子群适应度指标，以均方差mse和拟合优度r2作为预测精确度评估指标。
26、从数据集中随机抽取20％的数据作为测试集，其余数据作为训练集。
27、将初始数据导入粒子群优化的bp神经网络预测模型，然后采用训练集对接粒子群优化的bp神经网络预测模型进行训练，采用测试集对训练后的粒子群优化的bp神经网络预测模型进行预测，并计算围岩参数预测值、均方差mse，随后将均方差mse返回至pso模型作为适应度不断更新参数组合(c,g)，直至完成迭代次数，得到粒子群优化的bp神经网络预测模型。
28、采用粒子群优化的bp神经网络预测模型对隧道围岩参数进行反演，得到隧道各岩爆段的围岩参数反演结果。
29、在其中一个实施例中，根据地应力场反演结果和隧道已施工段各岩爆段的围岩参数反演结果，建立适用于该隧道的岩爆判据，包括：
30、根据地应力场反演结果和隧道已施工段各岩爆段的围岩参数反演结果，建立该隧道已施工段落的岩爆等级与地应力和围岩参数之间的函数映射关系；或本文档来自技高网...
【技术保护点】
1.一种深埋隧道岩爆预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据获取的隧址区工程地质条件和现场地应力测试结果，采用多元回归法进行地应力反演，得到隧址区地应力场反演结果，包括：
3.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据隧道真实的掌子面和围岩情况、工程地质条件、地应力场特征、隧道围岩测试数据以及相应的开挖支护方法，建立隧道数值模拟模型，包括：
4.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据现场监测数据、围岩测试数据以及所述隧道数值模拟模型，得到围岩参数反演分析所需的数据集，包括：
5.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据所述数据集采用粒子群算法优化BP神经网络，得到粒子群优化的BP神经网络预测模型；采用所述粒子群优化的BP神经网络预测模型对隧道围岩参数进行反演，得到隧道各岩爆段的围岩参数反演结果，包括：
6.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据地应力场反演结果和隧道已施工段各岩爆段的围岩参数反演结果，建立适用于该隧道的岩爆判据，包括：
7.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，所述方法还包括：
8.一种深埋隧道岩爆预测装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的深埋隧道岩爆预测方法。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的深埋隧道岩爆预测方法。
...
【技术特征摘要】
1.一种深埋隧道岩爆预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据获取的隧址区工程地质条件和现场地应力测试结果，采用多元回归法进行地应力反演，得到隧址区地应力场反演结果，包括：
3.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据隧道真实的掌子面和围岩情况、工程地质条件、地应力场特征、隧道围岩测试数据以及相应的开挖支护方法，建立隧道数值模拟模型，包括：
4.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据现场监测数据、围岩测试数据以及所述隧道数值模拟模型，得到围岩参数反演分析所需的数据集，包括：
5.根据权利要求1所述的深埋隧道岩爆预测方法，其特征在于，根据所述数据集采用粒子群算法优化bp神经网络，得到粒子群优化的bp神经网络预测模型；采...
【专利技术属性】
技术研发人员：李均，曹伟，傅鹤林，曹桂乾，贾晓辉，张鹏龙，彭泽同，李鲒，常小兵，
申请(专利权)人：中交第二公路工程局有限公司，
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。