一种TBM卡机致因信息自动挖掘方法与流程

摘要: 本发明涉及隧道掘进施工安全,特别是涉及一种tbm卡机致因信息自动挖掘方法。背景技术:1、隧道掘进机(tunnelboringmachine,tbm)广泛应用于铁...
一种TBM卡机致因信息自动挖掘方法与流程

本发明涉及隧道掘进施工安全,特别是涉及一种tbm卡机致因信息自动挖掘方法。

背景技术:

1、隧道掘进机(tunnelboringmachine,tbm)广泛应用于铁路隧道、水利隧道、城市地下工程及矿山巷道等施工场景。tbm在复杂地质条件下推进过程中,易受到断层破碎带、富水地层、高地应力、软弱围岩、孤石及岩爆等不良地质条件影响,同时还会受到设备状态波动、施工参数不匹配及现场处置措施差异等因素作用,从而引发推进困难、刀盘扭矩异常、护盾受阻甚至卡机事故。tbm卡机不仅会导致施工中断、工期延误和经济损失,还可能引发设备损坏、姿态失稳及次生安全风险,因此,对tbm卡机致因信息进行准确识别和有效分析具有重要工程意义。

2、现有tbm卡机分析方法主要依赖人工查阅施工日志、工程报告、事故分析、技术总结及处置记录等资料,对卡机事件进行经验总结和原因归纳。部分研究尝试采用关键词统计、案例分类或传统文本挖掘方法对卡机案例进行整理,但相关资料通常以非结构化文本形式分散存储,不同工程项目在术语表达、记录方式和描述粒度上存在较大差异,导致案例数据难以直接比较和统一分析。此外,卡机致因通常具有多因素耦合特征,既包括地质条件,又涉及设备状态、施工工况、异常表现和最终后果,单纯依靠人工总结、关键词匹配或统计主题建模,难以区分因素之间的统计共现关系与工程致因关系,也难以揭示不同因素之间的因果方向、演化顺序及主次作用机制。

3、现有通用文本挖掘方法通常侧重于从案例文本中提取高频词、特征词或主题分布,其结果主要反映文本层面的统计相关性,缺乏tbm卡机物理机理约束。当某些异常表现词或后果词在案例文本中频繁出现时,容易被误判为核心致灾因素,导致识别结果与实际卡机演化机理不一致。同时,若仅依靠人工经验对因素关系强弱进行判断,又存在主观性强、稳定性不足以及难以随新增案例数据动态更新的问题。

4、综上所述,现有技术至少存在以下不足:卡机案例文本来源分散、格式不统一,非结构化程度高,难以形成可直接计算和对比的案例数据;人工分析方式依赖专家经验,处理效率低,主观性强,难以适应大量历史案例的持续更新;通用文本挖掘方法主要依赖词频和共现关系,缺乏对tbm卡机地质诱因、设备响应、异常表现和卡机后果之间物理演化顺序的约束,容易出现主题混杂、阶段错配和致因关系误判;标准lda等主题模型通常采用对称先验和独立主题分配假设,无法在建模前引入卡机机理知识,也难以约束文档内主题序列符合卡机从诱因到后果的因果链条。

技术实现思路

1、本发明的目的是提供一种tbm卡机致因信息自动挖掘方法,旨在解决或改善上述技术问题中的至少之一。

2、为实现上述目的,本发明提供了如下方案:

3、一种tbm卡机致因信息自动挖掘方法,包括:

4、步骤一、获取tbm卡机相关案例文本,对所述案例文本进行预处理和领域关键词识别,得到与地质异常、施工工况、设备响应、异常表现及卡机后果相关的领域关键词集合;

5、步骤二、识别所述案例文本中与卡机发生过程相关的卡机致因语境,并根据关键词所属工程类别和卡机演化阶段,对所述领域关键词集合中的关键词进行阶段化表达和语境增强处理,得到处理后的关键词集合;

6、步骤三、基于所述处理后的关键词集合构建改进lda主题模型,对所述tbm卡机案例文本进行主题建模,获得初始卡机致因主题、主题关键词权重及文档主题序列;所述改进lda主题模型引入tbm卡机物理机理约束,包括物理引导的非对称先验、主题分配的顺序约束以及词对共现势函数中的一种或多种;

7、步骤四、基于历史tbm卡机案例证据构建机理约束矩阵,并将所述机理约束矩阵与由所述主题关键词权重构建的关键词统计关联矩阵进行融合,得到修正关联矩阵;

8、步骤五、根据所述修正关联矩阵对所述主题关键词权重进行重构,得到修正后的主题关键词权重,基于所述修正后的主题关键词权重识别核心致灾因素;

9、步骤六、将所述核心致灾因素及其相关语境映射回原始案例文本,提取对应的地质异常、施工工况、设备响应、异常表现和卡机后果信息,形成结构化tbm卡机案例数据。

10、可选地,所述物理引导的非对称先验用于替换标准lda中的对称狄利克雷先验;

11、构建主题词先验矩阵,其中

β

k,i表示关键词

i在主题

k下的先验权重,所述主题

k与某一卡机演化阶段相对应:

12、当关键词

i与主题

k对应的卡机演化阶段相匹配时,

β

k,i取较大值;当关键词

i与主题

k对应的卡机演化阶段不匹配时,

β

k,i取较小值。

13、可选地,所述主题分配的顺序约束用于在所述改进lda主题模型中引入隐马尔可夫式单向主题转移机制:

14、构建主题转移矩阵,其中表示主题

u转移到主题

v的允许程度,且满足:当

v=

u或

v=

u+1时,

a

u,v为允许转移;当

v<

u时,

a

u,v为禁止转移或惩罚转移,当

v>

u+1时,

a

u,v为跨阶段跳转。

15、所述主题转移矩阵

a用于约束同一案例文本内后续词语的主题分配,使主题序列仅能保持当前物理阶段或向后推进至下一物理阶段,从而使所述文档主题序列符合tbm卡机从地质诱因到卡机后果的单向演化链条。

16、可选地,所述词对共现势函数用于在吉布斯采样的主题更新过程中,对关键词组合是否符合tbm卡机物理机理进行奖励或惩罚;

17、构建词对势函数,表示词对(

w

j,

w

n)在候选的主题

k下的机理合理程度;其中,表示当前词上下文窗口内的词,表示当前词;

18、当词对符合tbm卡机物理机理时,所述势函数取正值;当词对违反物理机理时,所述势函数取负值;当词对之间不存在明确机理关系时,所述势函数取零或接近零;

19、所述词对势函数作为奖励或惩罚项,输入至吉布斯采样的主题更新概率公式中,以影响当前词的主题分配结果。

20、可选地,所述改进lda主题模型采用吉布斯采样进行参数推断,模型的主题更新概率公式综合考虑文本统计特征、所述物理引导的非对称先验、所述主题分配的顺序约束和所述词对共现势函数:

21、所述主题更新概率公式为:

22、

23、其中,表示文档

d中第

n个词的主题,表示去除当前词后文档

d中分配至主题

k的词数,

α

k表示文档主题先验参数,表示去除当前词后主题

k下词

w的出现次数,

β

k,w表示物理引导的非对称先验,表示主题词词表中的任一词项,表示当前词归属于候选主题

k的概率与各影响因素的综合作用值成正比,

a

zd,n-1,k表示由前一主题转移至当前候选主题的顺序约束,

ω表示词对共现势函数。

24、可选地,所述步骤四的具体处理过程包括:

25、基于岩机相互作用、围岩失稳和施工扰动逻辑,构建tbm卡机机理约束图g=(

v,

e),其中

v表示领域关键词节点集合,

e表示候选有向致因关系集合;

26、对于所述候选有向致因关系集合

e中的每一条候选有向致因关系关键词

i至关键词

j,从历史tbm卡机案例文本中提取支持证据量

s

ij和非支持证据量

f

ij;

27、基于贝叶斯更新方法,根据所述支持证据量

s

ij和非支持证据量

f

ij计算后验机理关联强度,形成所述机理约束矩阵,其中,当存在候选有向致因关系时,,否则。

28、可选地,所述关键词统计关联矩阵中关键词

i与关键词

j的统计关联强度表示为:

29、

30、其中,表示关键词

i在主题

k下的权重,

k表示主题数量;

31、所述修正关联矩阵中的任一元素通过融合所述统计关联矩阵和所述机理约束矩阵得到:

32、

33、其中,为机理约束矩阵中的元素,λ为融合系数,且0≤λ≤1。

34、可选地,所述对所述主题关键词权重进行重构,具体过程为:

35、对于主题

k下的关键词

i,根据所述修正关联矩阵,计算中间修正权重,计算公式为:

36、

37、其中,

η为权重修正系数;

38、然后对所述中间修正权重进行归一化处理,得到修正后的主题关键词权重:

39、

40、其中,

n表示关键词数量。

41、根据本发明提供的具体实施例,本发明公开了以下技术效果:

42、本发明公开了一种tbm卡机致因信息自动挖掘方法,所述方法包括预处理案例文本,识别地质异常、施工工况、设备响应、异常表现及卡机后果等关键词;识别卡机致因语境,对关键词进行阶段化表达和语境增强;构建改进lda模型,引入物理机理约束,包括非对称先验、顺序约束和词对共现势函数,获取初始主题、关键词权重及文档主题序列;融合机理约束矩阵与关键词统计关联矩阵,得到修正关联矩阵;重构关键词权重,识别核心致灾因素;将核心因素映射回原始文本,提取结构化信息,形成案例数据。本发明能够提高卡机致因主题识别的准确性、工程合理性、因果一致性和可解释性,为卡机风险评估、案例管理及预警决策提供支撑。