权利要求书: 1.一种基于随钻探测技术的隧道支护模式选型实时预测方法,其特征在于,包括如下步骤:
第一步:样本数据采集
选定地质条件复杂的隧道项目,随着隧道开挖掘进的同时,对隧道工作面前方围岩进行超前钻探,并采集整条隧道施工时的超前钻进参数和选定的支护模式作为样本;选定的支护模式以阿拉伯数字序号表示,对于区段内相同的支护模式,只需记录一次;
所述的钻进参数包括:钻进速度、扭矩、推进力、击打频率、击打压力、钻比能量;其中钻进速度、扭矩、推进力、击打频率、击打压力为直接测得的钻进参数,钻比能量为钻进单位体积岩石所需要的能量,是间接计算得到的钻进参数,钻比能量的计算公式为: 其中,Ed为钻进比能,A为钻杆截面积,L为钻杆冲程,Ns为击打压力,f为击打频率,v为钻进速度,S为钻孔直径,k为损失系数;
第二步:样本数据预处理
对步骤一采集到的支护模式序号数据进行编码,按矩阵[00100…]中数字1从左至右所处的位数对应支护模式的序号进行编号,一组钻进参数和一个支护模式编码构成一个数据集,所有的数据集构成样本数据库,将样本数据库中的6个钻进参数归一化到[0?1]数值;
第三步:确定最优预测模型及参数
将采集到的样本数据库分别按80%和20%的比例划分为训练集和测试集,并用钻进参数作为预测模型的输入,支护模式作为预测模型的输出,具体确定过程如下:第3.1步:采用多元线性回归模型对支护模式进行预测对训练集进行多元线性回归拟合,得到拟合方程,再将测试集的钻进参数代入到得到的拟合方程,求出对应的支护模式预测值,根据支护模式预测值和实际值分别计算得到最优的模型评价指标值?预测正确率;
第3.2步:采用神经网络模型对支护模式进行预测,得到最优的模型评价指标值?预测正确率,从而确定神经网络模型的主要参数,具体包括以下过程:
3.2.1:采用试错法确定最优的神经网络的学习率、动量系数、激活函数;
3.2.2:设置对照试验,将神经网络的输入维度分别设置为1至6,神经网络的隐含层设置为1层,隐含层节点数设置为30,然后对训练集和测试集分别进行训练和测试,得到训练集和测试集对应的支护模式预测值,根据训练集和测试集的支护模式预测值和实际值分别计算它们的模型评价指标值,也就是预测正确率;分别对训练集和测试集得到的模型评价指标值进行
声明:
“基于随钻探测技术的隧道支护模式选型实时预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)