一種施工隧道撐子面涌水量預(yù)測(cè)方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及隧道施工數(shù)據(jù)處理領(lǐng)域，具體涉及一種施工隧道撐子面涌水量預(yù)測(cè)方法及裝置。
【背景技術(shù)】
[0002]近年來(lái)，隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展，以隧道縮短里程的方式越來(lái)越普遍，在隧道開挖過(guò)程中對(duì)施工撐子面涌水量的準(zhǔn)確預(yù)測(cè)對(duì)于安全生產(chǎn)具有重要意義。
[0003 ]撐子面也程掌子面，又稱碡子面，是坑道施工領(lǐng)域術(shù)語(yǔ)，具體指開挖坑道(采煤、采礦或隧道工程中)不斷向前推進(jìn)的工作面。影響撐子面涌水量大小的因素很多，其中很多具有不確定性，且各個(gè)因素之間的關(guān)系復(fù)雜。目前，預(yù)測(cè)隧道涌水量的方法逾十余種，其中尤以均衡法和地下水動(dòng)力學(xué)法應(yīng)用最為廣泛。然而，地下水系統(tǒng)受很多非確定性因素影響，致使常規(guī)預(yù)測(cè)方法在實(shí)際使用時(shí)受到局限。且多數(shù)涌水量預(yù)測(cè)方法均以隧道全部貫通為預(yù)測(cè)情景，不能動(dòng)態(tài)指導(dǎo)隧道安全施工，難以滿足長(zhǎng)大隧道動(dòng)態(tài)設(shè)計(jì)需要。因此，本發(fā)明旨在提供一種綜合考慮多種因素的、動(dòng)態(tài)的估計(jì)施工隧道撐子面涌水量的方案，以對(duì)隧道施工安全生產(chǎn)提供數(shù)據(jù)支持。

【發(fā)明內(nèi)容】

[0004]為解決上述問(wèn)題，本發(fā)明提供一種施工隧道撐子面涌水量預(yù)測(cè)方法，包括如下步驟:獲取施工隧道所在區(qū)域的距預(yù)測(cè)目標(biāo)日前N日的降雨量數(shù)據(jù);利用神經(jīng)網(wǎng)絡(luò)模型以所述距預(yù)測(cè)目標(biāo)日前N日的降雨量數(shù)據(jù)作為所述神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù)，計(jì)算所述撐子面在預(yù)測(cè)目標(biāo)日的涌水量數(shù)據(jù)，其中所述神經(jīng)網(wǎng)絡(luò)模型是利用所述預(yù)測(cè)目標(biāo)日之前的實(shí)測(cè)涌水量數(shù)據(jù)和降雨量數(shù)據(jù)進(jìn)行訓(xùn)練得到的。
[0005]優(yōu)選地，在所述獲取施工隧道所在區(qū)域的距預(yù)測(cè)目標(biāo)日前N日的降雨量數(shù)據(jù)之前，所述方法還包括:獲取對(duì)撐子面的實(shí)測(cè)涌水量數(shù)據(jù)和施工隧道所在區(qū)域的距實(shí)測(cè)日前N日的降雨量數(shù)據(jù);將所述實(shí)測(cè)涌水量數(shù)據(jù)和所述距離實(shí)測(cè)日前N日的降雨量數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述神經(jīng)網(wǎng)絡(luò)模型輸出的涌水量數(shù)據(jù)與所述實(shí)測(cè)涌水量數(shù)據(jù)的誤差小于預(yù)定閾值。
[0006]優(yōu)選地，所述神經(jīng)網(wǎng)絡(luò)模型為BP神經(jīng)網(wǎng)絡(luò)模型。
[0007]優(yōu)選地，所述BP神經(jīng)網(wǎng)絡(luò)模型的隱層為單層。
[0008]優(yōu)選地，N的取值范圍為I SNS 6。
[0009]相應(yīng)地，本發(fā)明提供一種施工隧道撐子面涌水量預(yù)測(cè)裝置，包括:獲取單元，用于獲取施工隧道所在區(qū)域的距預(yù)測(cè)目標(biāo)日前N日的降雨量數(shù)據(jù);預(yù)測(cè)單元，用于利用神經(jīng)網(wǎng)絡(luò)模型以所述距預(yù)測(cè)目標(biāo)日前N日的降雨量數(shù)據(jù)作為所述神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù)，計(jì)算所述撐子面在預(yù)測(cè)目標(biāo)日的涌水量數(shù)據(jù)，其中所述神經(jīng)網(wǎng)絡(luò)模型是利用所述預(yù)測(cè)目標(biāo)日之前的實(shí)測(cè)涌水量數(shù)據(jù)和降雨量數(shù)據(jù)進(jìn)行訓(xùn)練得到的。
[0010]優(yōu)選地，所述裝置還包括:訓(xùn)練樣本獲取單元，用于獲取對(duì)撐子面的實(shí)測(cè)涌水量數(shù)據(jù)和施工隧道所在區(qū)域的距實(shí)測(cè)日前N日的降雨量數(shù)據(jù);模型訓(xùn)練單元，用于將所述實(shí)測(cè)涌水量數(shù)據(jù)和所述距離實(shí)測(cè)日前N日的降雨量數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述神經(jīng)網(wǎng)絡(luò)模型輸出的涌水量數(shù)據(jù)與所述實(shí)測(cè)涌水量數(shù)據(jù)的誤差小于預(yù)定閾值。
[0011 ] 優(yōu)選地，所述神經(jīng)網(wǎng)絡(luò)模型為BP神經(jīng)網(wǎng)絡(luò)模型。
[0012]優(yōu)選地，所述BP神經(jīng)網(wǎng)絡(luò)模型的隱層為單層。
[0013]優(yōu)選地，N的取值范圍為I ^ NS 6。
[0014]本發(fā)明技術(shù)方案，具有如下優(yōu)點(diǎn):
[0015]根據(jù)本發(fā)明技術(shù)方案，由于隧道施工過(guò)程中各類水文、地質(zhì)信息獲取難度較大，同時(shí)，有些因素帶有模糊性，而人工神經(jīng)網(wǎng)絡(luò)的后天學(xué)習(xí)能力使之能夠隨環(huán)境的變化而不斷學(xué)習(xí)，能夠從未知模式的大量復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，與傳統(tǒng)的評(píng)價(jià)方法相比，表現(xiàn)出更強(qiáng)的功能，本發(fā)明只需獲取預(yù)測(cè)日前若干日的降雨量，并利用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)涌水量，克服了傳統(tǒng)分析過(guò)程的復(fù)雜性及選擇適當(dāng)模型函數(shù)形式的困難，提供了一種自然的非線性建模過(guò)程，無(wú)需分清存在何種非線性關(guān)系，給建模與分析帶來(lái)極大的方便，進(jìn)而為隧道施工安全生產(chǎn)提供了參考價(jià)值極高的數(shù)據(jù)支持。
【附圖說(shuō)明】
[0016]為了更清楚地說(shuō)明本發(fā)明【具體實(shí)施方式】或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)【具體實(shí)施方式】或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施方式，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0017]圖1為本發(fā)明提供的施工隧道撐子面涌水量預(yù)測(cè)方法流程圖；
[0018]圖2為本發(fā)明提供的施工隧道撐子面涌水量預(yù)測(cè)方法所使用的神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)示意圖；
[0019]圖3是神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過(guò)程中的數(shù)據(jù)統(tǒng)計(jì)圖；
[0020]圖4是神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過(guò)程中的檢驗(yàn)標(biāo)準(zhǔn)數(shù)據(jù)統(tǒng)計(jì)圖。
[0021]圖5為本發(fā)明提供的施工隧道撐子面涌水量預(yù)測(cè)裝置的框架圖。
【具體實(shí)施方式】
[0022]下面將結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0023]本發(fā)明實(shí)施例提供一種施工隧道撐子面涌水量預(yù)測(cè)方法，如圖1所示，該包括如下步驟:
[0024]SI，獲取施工隧道所在區(qū)域的距預(yù)測(cè)目標(biāo)日前N日的降雨量數(shù)據(jù)，每日I個(gè)降水量數(shù)據(jù)，則有N個(gè)降雨量數(shù)據(jù)。其中，根據(jù)實(shí)驗(yàn)數(shù)據(jù)可知，距離預(yù)測(cè)目標(biāo)日前過(guò)長(zhǎng)日期的降雨量，對(duì)最終所要預(yù)測(cè)的涌水量的影響較小，因此N的取值可以優(yōu)選為I <N<60
[0025]假設(shè)需要預(yù)測(cè)當(dāng)前日的涌水量數(shù)據(jù)，即當(dāng)前日為預(yù)測(cè)目標(biāo)日，那么應(yīng)當(dāng)獲取當(dāng)前日前N日的降雨量數(shù)據(jù)，降雨量為氣象數(shù)據(jù)，可通過(guò)多種渠道獲得，甚至可以在施工區(qū)域?qū)嶋H測(cè)量得到。在此假設(shè)情形中，前N日是已經(jīng)度過(guò)的時(shí)間，前N日的降水量則是實(shí)際的降雨量。但是本發(fā)明不限于預(yù)測(cè)當(dāng)前日的涌水量，將未來(lái)某日作為預(yù)測(cè)目標(biāo)日也是可行的，只要能獲得預(yù)測(cè)日前若干日的降雨量即可，對(duì)于預(yù)測(cè)未來(lái)某日的涌水量的情形，可通過(guò)氣象預(yù)報(bào)得到相應(yīng)的預(yù)計(jì)降雨量數(shù)據(jù)。
[0026]S2，利用神經(jīng)網(wǎng)絡(luò)模型以所述距預(yù)測(cè)目標(biāo)日前N日的降雨量數(shù)據(jù)作為所述神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù)，計(jì)算所述撐子面在預(yù)測(cè)目標(biāo)日的涌水量數(shù)據(jù)。本實(shí)施例采用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)涌水量進(jìn)行預(yù)測(cè)，BP神經(jīng)網(wǎng)絡(luò)(Back-Propagat1n Network)是RumeIhart等在1986年提出的一種多層前饋神經(jīng)網(wǎng)絡(luò)。圖2是一個(gè)典型的3層(單隱層)前饋型BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法結(jié)構(gòu)，包括輸入層、隱含層(中間層)和輸出層，上下層之間實(shí)現(xiàn)全連接而每層神經(jīng)元之間無(wú)連接。
[0027]BP人工神經(jīng)網(wǎng)絡(luò)處理信息是通過(guò)信息樣本對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，使其具有記憶、辨識(shí)能力，完成各種信息處理功能。雖然現(xiàn)今的BP神經(jīng)網(wǎng)絡(luò)還是一個(gè)黑箱模型，其參數(shù)沒(méi)有水文物理意義，但從結(jié)構(gòu)上分析，涌水過(guò)程與神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)具有相似性。對(duì)于一個(gè)巖溶水系統(tǒng)，在一次降水之后，水流通過(guò)下滲進(jìn)入到地下，經(jīng)過(guò)多個(gè)裂隙、溶隙、管道，最后匯集到隧道突水點(diǎn)，在這過(guò)程中，各個(gè)裂隙、溶隙、管道都有其相應(yīng)的蓄水容量等閾值，降水是其輸入，涌水量是其輸出，這類似于人工神經(jīng)元模型中的閾值、激活值、輸出等器件。
[0028]由于BP神經(jīng)網(wǎng)絡(luò)算法(或誤差逆向傳播算法)的原理是當(dāng)給網(wǎng)絡(luò)提供一對(duì)學(xué)習(xí)樣本，神經(jīng)元的激活值從輸入層經(jīng)隱含層向輸出層傳播，在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng);然后，按照減少目標(biāo)輸出和實(shí)際誤差的方向，從輸出層經(jīng)中間各隱含層逐層修正各連接權(quán)值，最后回到輸入層。因此，本發(fā)明所使用的神經(jīng)網(wǎng)絡(luò)模型必須是利用預(yù)測(cè)目標(biāo)日之前的實(shí)測(cè)涌水量數(shù)據(jù)和降雨量數(shù)據(jù)進(jìn)行訓(xùn)練得到的，經(jīng)過(guò)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，其輸出值與實(shí)際值的誤差應(yīng)當(dāng)小于預(yù)定閾值。并且，對(duì)于經(jīng)過(guò)訓(xùn)練的模型而言，后續(xù)的每一次預(yù)測(cè)也同時(shí)可以作為訓(xùn)練過(guò)程，關(guān)于對(duì)本發(fā)明所使用的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的過(guò)程將在下文進(jìn)行詳細(xì)介紹。
[0029]根據(jù)上述方案，由于隧道施工過(guò)程中各類水文、地質(zhì)信息獲取難度較大，同時(shí)，有些因素帶有模糊性，而人工神經(jīng)網(wǎng)絡(luò)的后天學(xué)習(xí)能力使之能夠隨環(huán)境的變化而不斷學(xué)習(xí)，能夠從未知模式的大量復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，與傳統(tǒng)的評(píng)價(jià)方法相比，表現(xiàn)出更強(qiáng)的功能。本發(fā)明只需獲取預(yù)測(cè)日前若干日的降雨量，并利用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)涌水量，克服了傳統(tǒng)分析過(guò)程的復(fù)雜性及選擇適當(dāng)模型函數(shù)形式的困難，提供了一種自然的非線性建模過(guò)程，無(wú)需分清存在何種非線性關(guān)系，給建模與分析帶來(lái)極大的方便，進(jìn)而為隧道施工安全生產(chǎn)提供了參考價(jià)值極高的數(shù)據(jù)支持。
[0030]下文將結(jié)合一個(gè)實(shí)際案例對(duì)本發(fā)明所使用的神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過(guò)程進(jìn)行詳細(xì)介紹。
[0