【技術實現步驟摘要】
本專利技術主要涉及地質預測，尤其是涉及一種基于多源數據的極高應力深部洞群圍巖變形演化預測方法。
技術介紹
1、在水利水電項目中，地下洞室群的安全開挖是其中最重要的課題之一。一些地下洞室群工程面臨著跨度大、高地應力及傾角陡等工程地質問題，圍巖形變預測、施工支護方案選擇等每個環節的決策都關乎整個水電工程的質量。在實際工程中，預測高地應力洞室群的圍巖形變以及演化特性是十分必要的，受限于復雜的先決地質條件、施工現場條件等控制性因素的影響，大部分深部洞群圍巖變形演化預測技術的研究與應用都是只側重于對單一數據源的考慮。
2、尤其是在極高應力環境下，深部洞群圍巖巖體中的裂紋和微裂縫更容易擴展，使得圍巖完整性降低，巖體破碎程度加劇，更容易發生巖爆、巖層移動等現象，對工程安全帶來威脅。并且極高應力下影響洞室群圍巖形變因素眾多，且相互之間存在著復雜的非線性關系，單一數據源很難準確對洞室群圍巖形變演化進行準確的預測。
技術實現思路
1、本專利技術所要解決的技術問題是提供一種基于多源數據的極高應力深部洞群圍巖變形演化預測方法，快速準確的分析極高應力情況下的地下洞室圍巖形變演化結果。
2、本專利技術解決上述技術問題所采用的技術方案是
3、基于多源數據的極高應力深部洞群圍巖變形演化預測方法，包括：
4、步驟s1：構建地下洞室圍巖穩定性分類模型預測地下洞室圍巖穩定性程度；
5、步驟s2：收集地下洞室圍巖多源監測數據建立多源特征數據集，分析多源特征數據集
6、步驟s3：收集已開挖地下洞室圍巖形變數據和地下洞室圍巖形變預測影響因子集參數；
7、步驟s4：構建地下洞室圍巖形變預測模型，基于收集的已開挖地下洞室圍巖形變數據和地下洞室圍巖形變預測影響因子集參數對構建的地下洞室圍巖形變預測模型進行訓練；
8、步驟s5：構建目標地下洞室圍巖形變預測影響因子集，基于訓練完成的地下洞室圍巖形變預測模型對目標地下洞室圍巖進行形變預測。
9、進一步的，步驟s1所述構建地下洞室圍巖穩定性分類模型包括：
10、制定地下洞室圍巖穩定性程度的分類量化標準；
11、基于灰色關聯度法篩選出影響地下洞室圍巖穩定性的關鍵地質特征參數；
12、將影響地下洞室圍巖穩定性的關鍵地質特征參數值作為dcnn-svc模型的輸入，地下洞室圍巖穩定程度分類量化標準值作為輸出，對dcnn-svc模型進行訓練；
13、訓練過程中，利用dcnn網絡結構對關鍵地質特征參數進行特征提取，將特征提取完成后的關鍵地質特征參數作為輸入遞進svc模型中，基于isabo算法搜尋svc模型的最優超參數組合，將最優超參數組合賦予svc模型，獲得訓練完成的地下洞室圍巖穩定性分類模型。
14、進一步的，將所述影響地下洞室圍巖穩定性的關鍵地質特征參數采取最小-最大歸一化法、獨熱編碼方法進行預處理后作為dcnn-svc模型的輸入。
15、進一步的，步驟s2中還包括：基于拉依達準則對多源特征數據集進行異常參數識別剔除，對異常參數識別剔除后的多源特征數據集進行數據清洗，將數據清洗后的多源特征數據集進行量化數值表征。
16、進一步的，步驟s2中通過kpca算法從所述多源特征數據集中篩選出主成分因子。
17、進一步的，步驟s2中所述多源特征數據集中包括地下圍巖多點位移計的監測數據、應力計監測數據、監測儀器布設的位置、儀器測量前的圍巖時空狀態、施工環境的溫度數據、儀器測量中的圍巖時空狀態。
18、進一步的，步驟s4所述構建地下洞室圍巖形變預測模型具體包括：
19、將所述已開挖地下洞室圍巖形變預測影響因子集和對應的地下洞室圍巖形變數據按比例分為訓練集與測試集；
20、將訓練集中的地下洞室圍巖形變預測影響因子集參數作為svr模型的輸入參數，將對應的地下洞室圍巖形變數據作為svr模型的真實輸出標簽對svr模型進行訓練；模型訓練過程中基于nrbo尋優算法對svr模型進行參數尋優，以確定svr模型的核函數參數和懲罰因子；
21、將優化后的核函數參數和懲罰因子賦予所述svr模型，獲得訓練完成的地下洞室圍巖形變預測模型。
22、進一步的，采用均方差和平均絕對誤差評價地下洞室圍巖形變預測模型的預測效果。
23、進一步的，還包括步驟s6：按照地下洞室圍巖形變預測模型對目標地下洞室圍巖的形變預測結果設置多個微震監測系統，基于微震監測系統的監測結果反演出地下洞室圍巖開挖擾動進程中巖體破裂產生的微震事件的時空分布以及能量大小信息；
24、基于微震事件的時空分布以及能量大小信息和地下洞室圍巖形變預測模型對目標地下洞室圍巖的形變預測結果分析地下洞室圍巖內部的形變演化情況。
25、本專利技術的有益效果是：
26、（1）本專利技術從極高應力深部洞群圍巖的巖體特征出發，將極高應力深部洞群圍巖的穩定性程度進行量化后與從地下洞室圍巖多源監測數據中篩選出的主成分因子進行結合，作為極高應力深部洞群圍巖變形演化預測的預測參數對機器學習模型進行訓練，基于訓練后的機器學習模型能夠快速準確地分析極高應力下深部洞群圍巖形變演化結果，為現場施工提供決策依據；
27、（2）本專利技術中通過構建地下洞室圍巖穩定性分類模型預測地下洞室圍巖穩定性程度，能夠有效提高地下洞室圍巖穩定性程度評價結果的一致性，有利于提升地下洞室圍巖形變預測模型的地下洞室圍巖形變預測準確性。
本文檔來自技高網...【技術保護點】
1.基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，包括：
2.根據權利要求1所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，步驟S1所述構建地下洞室圍巖穩定性分類模型包括：
3.根據權利要求2所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，將所述影響地下洞室圍巖穩定性的關鍵地質特征參數采取最小-最大歸一化法、獨熱編碼方法進行預處理后作為DCNN-SVC模型的輸入。
4.根據權利要求1所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，步驟S2中還包括：基于拉依達準則對多源特征數據集進行異常參數識別剔除，對異常參數識別剔除后的多源特征數據集進行數據清洗，將數據清洗后的多源特征數據集進行量化數值表征。
5.根據權利要求4所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，步驟S2中通過KPCA算法從所述多源特征數據集中篩選出主成分因子。
6.根據權利要求5所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，步驟
7.根據權利要求1所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，步驟S4所述構建地下洞室圍巖形變預測模型具體包括：
8.根據權利要求7所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，采用均方差和平均絕對誤差評價地下洞室圍巖形變預測模型的預測效果。
9.根據權利要求1-8任意一項所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，還包括步驟S6：按照地下洞室圍巖形變預測模型對目標地下洞室圍巖的形變預測結果設置多個微震監測系統，基于微震監測系統的監測結果反演出地下洞室圍巖開挖擾動進程中巖體破裂產生的微震事件的時空分布以及能量大小信息；
...【技術特征摘要】
1.基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，包括：
2.根據權利要求1所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，步驟s1所述構建地下洞室圍巖穩定性分類模型包括：
3.根據權利要求2所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，將所述影響地下洞室圍巖穩定性的關鍵地質特征參數采取最小-最大歸一化法、獨熱編碼方法進行預處理后作為dcnn-svc模型的輸入。
4.根據權利要求1所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，步驟s2中還包括：基于拉依達準則對多源特征數據集進行異常參數識別剔除，對異常參數識別剔除后的多源特征數據集進行數據清洗，將數據清洗后的多源特征數據集進行量化數值表征。
5.根據權利要求4所述的基于多源數據的極高應力深部洞群圍巖變形演化預測方法，其特征在于，步驟s2中通過kpca算法從所述多源特征數據集中篩選出主成分因子。
【專利技術屬性】
技術研發人員：張世殊，何雨健，胡亞東，李邵軍，程麗娟，冉從彥，李青春，肖華波，
申請(專利權)人：中國電建集團成都勘測設計研究院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。