基于深度学习的公路隧道下伏采空区桩基处治方法

本发明涉及隧道施工，具体涉及一种基于深度学习的公路隧道下伏采空区桩基处治方法。

背景技术：

1、随着我国交通运输业不断发展，公路隧道建设的占比越来越高，公路隧道如何穿越地质情况复杂的山体则是工程建设中的重要问题。公路隧道是连接山区、穿越障碍物的重要交通通道，而采空区则是指在矿山开采过程中形成的地下空洞，采空区本身的空洞或空腔容易冒顶坍塌，稳定性差。在公路隧道穿越下伏采空区进行施工的过程中，如果管理和防治不当，很容易造成重大安全事故。解决公路隧道开挖穿越采空区所存在的安全隐患，对公路隧道下伏采空区处治方法的研究具有重要意义。

技术实现思路

1、本发明的目的是提供一种基于深度学习的公路隧道下伏采空区桩基处治方法，其能对下伏采空区空洞进行填充加固，有效控制采空区空洞对公路隧道结构造成的不良影响，施工效率高，可操作性强，能满足工程建设快速、安全、优质的各项指标要求。

2、为了实现上述目的，本发明采用的技术方案如下：

3、一种基于深度学习的公路隧道下伏采空区桩基处治方法，其包括如下步骤：

4、s1，依据隧道宽度和采空区处置区域的尺寸参数，确定施工技术参数的初始取值范围；

5、s2，构建公路隧道地质模型，输入不同的施工技术参数组合进行数值模拟，得到与不同的施工技术参数组合对应的性能参数，并结合工程实际得到与不同的施工技术参数组合对应的工程指标参数；

6、s3，构建深度神经网络模型，并以施工技术参数、性能参数和工程指标参数作为样本数据对深度神经网络模型进行训练；

7、s4，以待处治公路隧道的实际性能参数和实际工程指标参数作为输入，使用训练好的深度神经网络模型输出得到实际施工技术参数；

8、s5，依据实际施工技术参数进行现场施工，将预制摩擦桩进行分段式打桩，采用焊接工艺进行接桩，直至预制摩擦桩整体打入采空区的预设深度，最后浇注承台，将各桩位预制摩擦桩露出部分联结为整体。

9、进一步，所述施工技术参数包括预制摩擦桩尺寸、预制摩擦桩分布位置、预制摩擦桩整体打入采空区深度、预制摩擦桩突出于采空区上表面的预留高度、预制摩擦桩与承台连接参数和承台浇筑参数；

10、所述性能参数包括预制摩擦桩最大承载压力、采空区压力分布、工程耗时和承台荷载大小及分布情况；

11、所述工程指标参数包括材料造价、运输费用、人力物力成本、设备租赁、设备损耗和公路隧道寿命年限。

12、进一步，使用贝叶斯优化调整用于训练深度神经网络模型的超参数。

13、进一步，使用样本数据来训练深度神经网络模型，以确定隐藏层和超参数组合的最佳数量，导出产生最低平均绝对误差mae的超参数的组合，平均绝对误差其中，ti是目标值，yi是预测值，n是样本数据的数量；

14、具体包括：从一个隐藏层开始，通过调整过程推导得到初始超参数组合；在深度神经网络模型结构中添加一个隐藏层并通过调整过程推导得到新的超参数组合；将新的超参数组合与之初始超参数组合相比，平均绝对误差mae是否下降；

15、若平均绝对误差mae下降，则再次向深度神经网络模型结构中添加一个隐藏层并通过调整过程推导得到新的超参数组合，直至平均绝对误差mae未下降；

16、若平均绝对误差mae未下降，则以上次推导得到的超参数组合作为输出结果。

17、进一步，通过贝叶斯优化调整后的超参数按第一预设比例分为训练数据集和测试数据集，所述训练数据集再按第二预设比例分为训练集和验证集；以性能参数和工程指标参数作为输入，以施工技术参数作为输出，深度神经网络模型训练过程中不断拟合训练集中的输入和输出值，然后使用验证集进行验证；使用测试数据集对训练好的深度神经网络模型进行评估，根据评估结果对深度神经网络模型进行优化。

18、进一步，步骤s5中采用焊接工艺进行接桩时，下节桩的地面预留高度设置为50～80cm，清洁预制摩擦桩表面上的预埋件，上节桩与下节桩之间的间隙采用铁片垫实旱牢；上节桩与下节桩的中心线偏差不大于10mm；接桩处入土前，对外露铁件补刷防腐漆。

19、本发明的有益效果：

20、1、本发明通过构建深度神经网络模型，并以施工技术参数、性能参数和工程指标参数作为样本数据对深度神经网络模型进行训练；然后采用训练后的深度神经网络模型预测得到待处治公路隧道的下浮采空区的实际施工技术参数，指导现场施工。深度神经网络模型能够有效处理大规模的样本数据，并从中提取有效的信息用于预测。此外，深度神经网络模型还可以通过反向传播算法进行持续优化，不断提高模型的准确性和泛化能力。这意味着在实际施工中，模型可以根据新数据进行调整和优化，以适应不断变化的施工条件和要求，大大降低施工经济成本和时间。

21、2、本发明通过桩基承台对公路隧道下方采空区进行支撑，避免了对采空区的大范围混凝土灌浆，显著的降低了施工成本。并且桩基承台承载能力强，通过将预制摩擦桩打入采空区，能够将结构的荷载传递到更深的土层，从而提高公路隧道地基的承载能力。承台作为上部结构与桩基之间的连接，能够均匀分布荷载到每个预制摩擦桩的桩身上，进一步增强了公路隧道地基的整体承载能力。同时桩基承台的施工周期短：相比传统的地基处理方式，桩基承台的施工周期通常较短，一旦桩基施工完成，即可进行上部结构的施工，从而能够缩短整个工程的建设周期。

技术特征：

1.一种基于深度学习的公路隧道下伏采空区桩基处治方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于深度学习的公路隧道下伏采空区桩基处治方法，其特征在于：所述施工技术参数包括预制摩擦桩尺寸、预制摩擦桩分布位置、预制摩擦桩整体打入采空区深度、预制摩擦桩突出于采空区上表面的预留高度、预制摩擦桩与承台连接参数和承台浇筑参数；

3.根据权利要求1或2所述的基于深度学习的公路隧道下伏采空区桩基处治方法，其特征在于：使用贝叶斯优化调整用于训练深度神经网络模型的超参数。

4.根据权利要求3所述的基于深度学习的公路隧道下伏采空区桩基处治方法，其特征在于：使用样本数据来训练深度神经网络模型，以确定隐藏层和超参数组合的最佳数量，导出产生最低平均绝对误差mae的超参数的组合，平均绝对误差其中，ti是目标值，yi是预测值，n是样本数据的数量；

5.根据权利要求3所述的基于深度学习的公路隧道下伏采空区桩基处治方法，其特征在于：通过贝叶斯优化调整后的超参数按第一预设比例分为训练数据集和测试数据集，所述训练数据集再按第二预设比例分为训练集和验证集；

6.根据权利要求1或2所述的基于深度学习的公路隧道下伏采空区桩基处治方法，其特征在于：步骤s5中采用焊接工艺进行接桩时，下节桩的地面预留高度设置为50～80cm，清洁预制摩擦桩表面上的预埋件，上节桩与下节桩之间的间隙采用铁片垫实旱牢；

技术总结本发明涉及隧道施工技术领域，具体涉及一种基于深度学习的公路隧道下伏采空区桩基处治方法，包括：S1，依据隧道宽度和采空区处置区域的尺寸参数，确定施工技术参数的初始取值范围；S2，构建公路隧道地质模型，进行数值模拟，得到与不同的施工技术参数组合对应的性能参数和工程指标参数；S3，构建深度神经网络模型，以施工技术参数、性能参数和工程指标参数作为样本数据进行训练；S4，以待处治公路隧道的实际性能参数和实际工程指标参数作为输入，使用训练好的深度神经网络模型输出得到实际施工技术参数；S5，依据实际施工技术参数进行现场施工。其能对下伏采空区空洞进行填充加固，有效控制采空区空洞对公路隧道结构造成的不良影响。技术研发人员：夏彬伟,赵勇,万革新,王心飞,郝泳,张玉林,周宴民受保护的技术使用者：重庆大学技术研发日：技术公布日：2024/8/1