一种基于数值模拟和神经网络的隧道岩爆预测方法

本发明属于岩爆检测，具体涉及一种基于数值模拟和神经网络的隧道岩爆预测方法。

背景技术：

1、岩爆作为一种地下工程中常见的地质灾害，由于其突发性和极强的破坏性，因此越来越引起人们的重视。正因为岩爆对人员和设施造成的巨大伤害，因此如何准确有效的预测岩爆的发生并根据具体情况提出科学有效的解决办法成为当下亟需解决的问题。目前的岩爆研究方法有：理论研究、现场检测数值模拟和室内试验。理论研究由于依靠理论推导进行分析无法透彻有效的反映岩爆灾害，现场检测虽是研究岩爆的最佳手段但是由于费用较高，人员安全和设备损失风险较大且可研究工程数量有限，因此无法反映各种不同地质问题。室内试验虽然能够方便的设置实验条件和仪器，但无法准确模拟现场开挖条件。而依靠数值模拟建立起来的合乎实际情况并添加合理参数的预测方法才更为有效。岩爆的影响因素有许多，包括地质条件、岩石的物理力学性质、地应力水平。目前采用的岩爆预测方法许多定量判断依据都是依据其中一项进行预测，缺乏一种系统客观完善的预测方法。

技术实现思路

1、本发明的目的是提供一种基于数值模拟和神经网络的隧道岩爆预测方法。

2、本发明的技术方案如下：

3、一种基于数值模拟和神经网络的隧道岩爆预测方法，包括以下步骤：

4、收集相关地质参数数据和tbm的运行参数，建立数据库；

5、设置隧道模型的元素参数，并划分网格添加边界条件，利用上述收集的相关地质参数数据进行数值模拟；

6、引入损伤和断裂力学模型，进行数值计算并模拟开挖过程；

7、通过模拟开挖过程中tbm的运行参数训练神经网络；

8、在实际掘进中运用训练好的神经网络输出岩爆发生的概率和范围。

9、进一步地，所述相关地质参数数据包括岩体的地质条件、岩层结构、断层分布和地下水情况；所述tbm的运行参数包括刀盘扭矩、推进力和回转速度。

10、进一步地，所述隧道模型的元素参数包括泊松比、弹性模量、密度、摩擦角、流应力比、膨胀角、岩石单轴抗拉强度和抗压强度。

11、进一步地，所述损伤和断裂力学模型通过引入损伤变量 d 描述岩体的损伤程度，其中，d的变化率与岩体的等效应力和损伤阈值应力的关系为：

12、，

13、其中，表示时间变化率，1-d表示岩体未损伤部分的比例，表示等效应力超过损伤阈值应力的程度。

14、进一步地，训练神经网络时采用卷积神经网络对勘探图像进行特征提取，并将tbm运行参数与图像特征拼接后，通过全连接层输出岩爆发生的概率和影响范围。

15、进一步地，在实际掘进过程中，将tbm运行参数和前方勘探图作为输入，输入训练好的神经网络，输出岩爆概率和范围。

16、进一步地，所述岩爆概率通过sigmoid激活函数进行计算，岩爆的影响范围通过回归网络计算，并输出影响半径或危险区域的具体坐标。

17、进一步地，所述神经网络的训练过程中采用动态学习率调整和优化算法提高网络的收敛速度和预测精度，并且通过交叉验证方法验证网络的泛化能力。

18、与现有技术相比，本发明具有以下优点：

19、本发明通过将数值模拟与神经网络相结合，提供了一种能够精确预测隧道岩爆发生概率和范围的动态方法。首先，利用数值模拟对隧道开挖过程中的岩体响应进行分析，结合地质参数和tbm运行参数，计算岩爆的发生概率和影响范围。然后，基于模拟开挖过程中的数据和岩爆预测结果，通过训练神经网络模型，实现了岩爆发生概率和范围的实时预测。在实际隧道掘进过程中，训练好的神经网络可以持续输出预测结果，从而为隧道施工提供实时的安全预警。

技术特征：

1.一种基于数值模拟和神经网络的隧道岩爆预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述相关地质参数数据包括岩体的地质条件、岩层结构、断层分布和地下水情况；所述tbm的运行参数包括刀盘扭矩、推进力和回转速度。

3.根据权利要求1所述的方法，其特征在于，所述隧道模型的元素参数包括泊松比、弹性模量、密度、摩擦角、流应力比、膨胀角、岩石单轴抗拉强度和抗压强度。

4.根据权利要求1所述的方法，其特征在于，所述损伤和断裂力学模型通过引入损伤变量 d 描述岩体的损伤程度，其中，d的变化率与岩体的等效应力和损伤阈值应力的关系为：

5.根据权利要求1所述的方法，其特征在于，训练神经网络时采用卷积神经网络对勘探图像进行特征提取，并将tbm运行参数与图像特征拼接后，通过全连接层输出岩爆发生的概率和影响范围。

6.根据权利要求1所述的方法，其特征在于，在实际掘进过程中，将tbm运行参数和前方勘探图作为输入，输入训练好的神经网络，输出岩爆概率和范围。

7.根据权利要求1所述的方法，其特征在于，所述岩爆概率通过sigmoid激活函数进行计算，岩爆的影响范围通过回归网络计算，并输出影响半径或危险区域的具体坐标。

8.根据权利要求1所述的方法，其特征在于，所述神经网络的训练过程中采用动态学习率调整和优化算法提高网络的收敛速度和预测精度，并且通过交叉验证方法验证网络的泛化能力。

技术总结本发明提供一种基于数值模拟和神经网络的隧道岩爆预测方法，包括以下步骤：收集相关地质参数数据和TBM的运行参数，建立数据库；设置隧道模型的元素参数，并划分网格添加边界条件，利用上述收集的相关地质参数数据进行数值模拟；引入损伤和断裂力学模型，进行数值计算并模拟开挖过程；通过模拟开挖过程中TBM的运行参数训练神经网络；在实际掘进中运用训练好的神经网络输出岩爆发生的概率和范围。本发明可以持续输出预测结果，从而为隧道施工提供实时的安全预警。技术研发人员：张骞,林志成,罗勋,许广春,杜立杰,聂瑶奇受保护的技术使用者：石家庄铁道大学技术研发日：技术公布日：2025/1/13