一种基于自适应图卷积网络的隧道浅埋段地表沉降预测方法与流程

本发明涉及岩土工程与隧道工程监测与控制，特别是涉及一种基于自适应图卷积网络的隧道浅埋段地表沉降预测方法。

背景技术：

1、山岭隧道浅埋段受复杂地形与不良地质条件影响，常穿越软弱、破碎地层，围岩强度低、自稳性差，且地下水发育。隧道开挖后易诱发地表沉降、坍塌及涌水突泥等灾害，沉降控制不当将危及隧道结构及邻近建筑物和环境安全。因此，针对浅埋段开展地表沉降响应分析，建立施工期变形预测方法，对风险识别与主动控制具有重要工程意义。

2、隧道开挖引起的地表沉降沿横断面形成沉降槽，其形态与演化过程是评估施工影响和风险的重要依据。地表沉降与开挖进度之间呈明显非线性关系，受地应力场、围岩级别、埋深、施工方法及支护措施等多因素耦合控制。在简化边界条件和均质假定下建立的传统弹塑性力学模型或经验公式，难以全面反映上述复杂工况下的沉降发展过程，预测精度和适用范围受到一定限制。

3、近年来，随着监测技术与计算机技术的发展，以机器学习为代表的人工智能方法被广泛用于隧道地表沉降、围岩变形及围岩等级的预测，以挖掘监测数据与变形响应之间的复杂非线性关系。常见方法包括各类优化神经网络、支持向量机以及卷积神经网络等。总体来看，上述方法在特定工况和有限监测区段内取得了一定效果，但仍存在以下不足：

4、1）为获取等时间步的时序监测数据，许多研究对现场监测结果进行插值或重采样，并在模型训练与验证阶段不加区分地使用插值点。由于插值点由前后观测值计算得到，将后期信息提前引入模型，易导致验证集信息泄露，使得预测准确性被高估，无法真实反映工程现场的预测性能。

5、2）大量研究以单个监测点沉降时序为建模对象，未显式刻画多监测点之间的空间拓扑关系，难以充分利用沿隧道轴线及横断面布设的测点空间分布信息，导致模型对地表沉降场整体空间特征的表征能力有限。

6、3）现有研究多针对单一工况或少数监测区段开展建模与验证，缺乏在不同埋深、不同围岩条件、不同施工方法及不同监测频率下的系统对比与交叉验证，模型在复杂工况和多区段条件下的适用性、可靠性有待进一步论证。

7、综上，现有技术尚缺乏一种能够在避免插值信息泄露的前提下，有效融合多测点空间拓扑关系与沉降时序特征，并在不同工况区段和监测频率条件下保持较好预测性能的浅埋段地表沉降多点位预测方法。

技术实现思路

1、鉴于背景技术存在的不足，本发明所要解决的技术问题是提供一种基于自适应图卷积网络的隧道浅埋段地表沉降预测方法。该方法通过构建融合相关图与自适应图的时空图卷积网络，实现浅埋段多监测点地表沉降的联合动态预测，在不引入插值信息泄露的前提下，提高预测结果对复杂工况的适用性和对多点位沉降演化过程的刻画能力，为浅埋段施工期地表沉降风险评估与控制提供技术支撑。

2、本发明是采取如下技术方案来完成的：一种基于自适应图卷积网络的隧道浅埋段地表沉降预测方法，步骤如下：

3、s1.基于实际隧道地表沉降进行数据预处理，获得标准化增量时序样本集，并按时间顺序进行数据集划分，划分为训练集与验证集；

4、s2.基于s1训练集中各监测点的标准化沉降增量序列，构建相关图模块和自适应图模块，通过加权融合相关图、自适应图与单位阵，得到最终用于时空图卷积模型的有效邻接矩阵；

5、s3.基于s1训练集构建前端时间卷积层、空间卷积层和后端时间卷积层，空间卷积层接收s2中有效邻接矩阵，将两层时间卷积层与中间一层图卷积层串联形成夹层架构，前端时间卷积层—空间图卷积层—后端时间卷积层的夹层结构联合提取时空特征，输入全连接输出层，构建时空图卷积网络stgcns模型；

6、s4.将s3构建的时空图卷积网络stgcns模型在训练集上进行模型训练，并基于验证集实现动态预测及结果还原，得到各监测点在验证时段内的地表累计沉降预测曲线；

7、s5.基于s4中获得的地表累计沉降预测曲线，完成预测效果评估、模型对比以及数值模型验证。

8、进一步的，s3中时空图卷积模型的具体如下：

9、1）前端时间卷积层，

10、将s1多输入多输出时序样本对中的输入窗口作为输入，在此基础上，前端时间卷积层采用一维卷积神经网络结构，沿时间轴对输入窗口施加卷积核，通过权值共享提取局部时间窗口内的变化模式与趋势特征，实现对多测点沉降时序局部动态特性的自动提取；

11、2）空间卷积层，

12、将前端时间卷积层输出的时序特征与s2中获得的有效邻接矩阵共同输入空间卷积层，空间卷积层采用基于有效邻接矩阵的图卷积网络，在图结构约束下对各监测点及其邻域的时序特征进行加权聚合，实现多监测点空间拓扑关系的建模与空间特征提取；

13、3）后端时间卷积层，

14、完成步骤2）空间特征聚合后，后端时间卷积层再次沿时间轴对聚合后的多点位响应进行卷积运算与特征重组，形成适用于下一时间步沉降预测的综合时空特征表示；

15、4）全连接输出层，

16、设置全连接输出层，将步骤3）后端时间卷积层得到的节点级高维时空特征输入全连接输出层，将每个节点的高维时空特征映射为下一时间步的沉降增量预测值，实现多监测点联合预测，时空图卷积模型构建完成。

17、进一步的，s2中构建相关图与自适应图，具体如下：

18、以训练集中的标准化沉降序列和对应的累计沉降演化为基础，将浅埋段地表沉降监测系统抽象为图结构，监测点作为图的节点，监测点之间的相关性作为图的边权，

19、1）构建相关图：利用训练阶段各监测点的累计沉降序列计算皮尔逊相关系数矩阵，对相关系数取绝对值后进行top-k稀疏化，仅保留与每个监测点高度相关的若干邻接点，并对矩阵按行归一化，得到经验邻接矩阵，得到基于监测数据统计相关性的相关图；

20、2）构建自适应图：引入可学习的节点嵌入向量，基于嵌入相似度并结合relu与softmax运算，生成非负且按行归一化的自适应邻接矩阵，在训练过程中自适应调整边权，生成自适应图。

21、进一步的，所述s1获得完整的标准化时序样本集，步骤包括：

22、1）基于实际隧道地表沉降，获得多测点地表沉降监测记录，在等时间步的监测区间内截取各监测点的累计沉降序列，对监测时段内的每个监测点的累计沉降序列按时间步进行一阶差分，得到逐日沉降增量序列；

23、2）在监测点层面对上述沉降增量序列进行标准化处理，即按各监测点自身的均值和标准差对增量序列进行归一化，获得统一量纲的标准化沉降增量序列；

24、3）基于标准化沉降增量序列，以浅埋段相邻断面开挖间隔及沉降发展特征为依据，将时间滑动窗口长度设定为前w天的沉降增量数据，构造长度为w的时间序列输入，将紧随其后的的下一时间步多测点沉降增量作为输出，形成多输入多输出的时序样本对，获得完整的标准化时序样本集。

25、进一步的，所述s1中各监测点的累计沉降序列，获取步骤如下：

26、1）选取山岭隧道浅埋段施工期间布设在隧道轴线及横断面上的多组地表沉降监测点，施工期间按预定时间间隔获取各监测点的累计沉降观测值，将多测点地表沉降监测记录作为基础数据；

27、2）结合隧道围岩变形发展规律与监测曲线，选取能够完整反映沉降发展与基本收敛过程的连续监测时段，并剔除后期监测频率明显降低、时间间隔不均匀的观测段，不进行时间插值延展，仅在等时间步的监测区间内截取各监测点的累计沉降序列，用于构造等距时序样本；

28、3）对选定监测时段内的各监测点累计沉降序列进行统一预处理，剔除明显异常数据，获得处理后各监测点累计沉降序列，能够完整反映沉降发展与收敛过程的监测时段。

29、进一步的，s4中stgcns模型训练步骤包括，以训练集中的输入–输出样本对为基础，将标准化沉降增量窗口作为输入，将下一时间步标准化沉降增量作为目标输出，采用均方误差作为损失函数，通过反向传播和优化算法对前后时间卷积层的卷积核权值、图卷积层权值以及节点嵌入参数进行迭代更新，训练过程中可结合验证集监控损失变化和防止过拟合，实现stgcn模型的参数优化与收敛，完成stgcn模型的训练。

30、进一步的，s4中动态预测的步骤包括，在模型训练完成并参数收敛后，将验证集中的标准化沉降增量序列作为输入，按照与训练阶段一致的时间滑动窗口策略，对未参与训练的监测时段进行逐日动态预测，获得验证时段内各监测点的标准化沉降增量预测序列，实现多测点多时刻的滚动预测。

31、进一步的，s4中结果还原采用反标准化差分还原，具体步骤包括，在获得验证集时段内的标准化沉降增量预测序列后，首先利用在数据预处理阶段为各监测点记录的均值和标准差，对预测的标准化增量进行反标准化，恢复为实际量纲下的沉降增量；随后，将预测增量与已知初始累计沉降逐日累加，实现由增量到累计的差分还原，得到各监测点在验证时段内的地表累计沉降预测曲线。

32、进一步的，所述标准化增量序列样本集按时间顺序进行数据集划分，前一段时间的等距标准化增量序列样本作为训练集，后一段时间的等距标准化增量序列样本作为验证集。

33、本发明的有益效果如下：

34、1）避免插值信息泄露，预测性能评价更客观：本发明在样本选取阶段仅采用沉降发展阶段的等时间步监测数据，不对后期稀疏监测段进行插值，该处理避免将未来信息通过插值方式提前引入模型，有利于真实反映模型在实际监测条件下的预测能力，使训练集与测试集的划分更加合理。

35、2）融合多监测点空间拓扑关系，提升多点位联合预测能力：本发明通过相关图与自适应图的加权融合构建监测点有效邻接矩阵，以图卷积方式显式刻画多监测点之间的空间相关性。在此基础上，采用时间卷积—图卷积—时间卷积的夹层结构联合提取时空特征，使模型能够在多个监测点之间共享和传递信息，提高对地表沉降场整体演化特征的刻画能力。工程实例结果表明，本发明方法在多点位联合预测任务中整体决定系数可达到约0.91以上，优于仅考虑时间信息的bilstm模型。

36、3）在不同工况区段和监测频率条件下具有较好泛化能力：本发明在洞口段、中部浅埋段、下穿省道段等不同工况区段的实测数据上进行验证，各区段标准化决定系数普遍保持在较高水平，中部浅埋段整体决定系数可接近0.99，说明该方法在不同埋深、不同围岩条件及不同监测周期下均能合理反映地表沉降变化过程。

37、4）兼顾实测数据与数值模拟数据验证，提高方法的可靠性：通过flac3d生成不同监测频率下的完整沉降时序数据，将其与本发明方法结合使用，可在理想观测条件下检验模型对三维数值分析结果的逼近能力。结果表明，本发明方法在高频、中频及低频监测频率下均保持较好预测精度，说明该方法在不同时间分辨率下具有较好的适应性，为在多源数据条件下推广应用提供了依据。