一种近接既有线不等深基础肥槽回填智能优化方法

摘要: 本发明涉及地下工程施工安全控制,尤其涉及一种近接既有线不等深基础肥槽回填智能优化方法。背景技术:1、在地铁车辆基地、大型工业厂房、交通枢纽等工程中,超大盖体近接...
一种近接既有线不等深基础肥槽回填智能优化方法

本发明涉及地下工程施工安全控制,尤其涉及一种近接既有线不等深基础肥槽回填智能优化方法。

背景技术:

1、在地铁车辆基地、大型工业厂房、交通枢纽等工程中,超大盖体近接既有运营线路的情况越来越常见。这类工程通常具有平面尺寸大、基础埋深差异显著、肥槽空间狭窄、近接既有运营线路等特点,其回填施工的安全控制难度远高于常规工程。

2、现有肥槽回填技术主要采用级配砂石、流态固化土等回填材料,配合分层摊铺、分层压实、小型机具夯实等施工工艺,通过控制分层厚度、压实遍数和含水率来保证回填质量。然而,这些方法主要依赖施工经验、规范限值或试验段结果,不能定量比较不同回填时间、不同回填顺序、不同分层厚度、不同回填材料和不同压实机具参数组合对既有线安全的影响程度,难以在多种候选工况中确定对既有线保护最有利的回填方案。

3、现有既有线保护技术主要依赖沉降监测、水平位移监测、轨道变形监测和报警阈值,当监测数据超过报警阈值时,采取减缓施工速率、调整施工顺序或暂停施工等措施。然而,这类方法属于施工后被动控制,监测数据反映的是已经发生的变形,不能在回填施工前完成预测评价和主动筛选,存在调整响应滞后的问题,难以避免风险在施工过程中的累积。

4、现有机器学习沉降预测方法,例如随机森林、梯度提升树、lstm等,已被应用于地下工程沉降预测,通过历史监测数据训练模型来预测未来沉降趋势。然而,现有方法多侧重单一沉降指标或总体趋势预测,通常将施工过程作为已经发生的外部背景量处理,未将不等深基础分区属性、深浅过渡刚度突变、压实机具物理参数、回填材料、分区回填顺序、施工间隔时间、既有线保护等级和监测滞后响应统一构造成可随候选工况更新的回填影响特征集。因此,现有预测结果难以反映不同候选回填工况参数组合对既有线变形和回填压实度的差异影响,也难以直接用于施工前的工况筛选。

5、现有风险评价或优化方法多采用单项限值控制、经验打分或事后报警调整,例如分别控制沉降不超过某一限值、水平位移不超过某一限值。然而,这类方法通常没有把预测响应结果、压实扰动评价值、回填压实度和相邻分区回填高差放入同一候选工况筛选链条中,也没有区分综合风险初筛和工程硬约束复核的作用边界;当某一候选工况综合风险较低但单项工程控制条件不满足时,现有方法容易出现误选或需要人工反复校核。

6、如何解决上述技术问题为本发明面临的课题。

技术实现思路

1、本发明的目的在于提供一种近接既有线不等深基础肥槽回填智能优化方法,用于解决经验法和单一沉降预测方法难以在施工前定量比较回填时间、顺序、分层厚度、材料和压实机具参数组合,并难以同时满足既有线保护、回填压实度和相邻分区高差控制要求的技术问题,本发明将超大盖体不等深基础与近接既有线之间的空间关系转化为可入模的工程特征,并将候选回填工况中的回填材料、回填顺序、分层厚度、压实机具参数、施工间隔时间和相邻分区回填高差转化为可更新的施工工况参数特征;通过回填影响预测模型得到各候选工况对应的多指标预测响应,再利用回填工况风险指数进行综合风险初筛,并通过硬约束筛选逐项校核既有线保护和回填质量控制条件;最后根据现场实测偏差对后续工况、模型参数或训练样本库进行动态修正。由此使施工决策从施工后监测超限后的经验调整,前移至施工前的预测评价、候选工况比较和硬约束筛选阶段,从而降低风险累积可能性和缩短调整响应滞后时间。

2、本发明的发明思想为:本发明提供一种近接既有线超大盖体不等深肥槽回填智能优化方法,主要应用于近接既有运营地铁线路、铁路线路或其他地下结构的超大盖体建筑工程;在这些场景下,该技术通过构建可随候选工况更新的回填影响特征集、回填影响预测模型、候选回填工况与预测响应结果的映射关系、回填工况风险指数计算、硬约束筛选和动态修正机制,实现了回填施工参数的定量预测评价和主动优化;在超大盖体不等深肥槽回填的实际施工环境中,该方法能够根据各回填控制分区的基础属性、敏感等级、施工阶段修正系数和现场监测偏差,动态调整回填层次、分层厚度、回填材料、分区回填顺序、压实机具参数和施工间隔时间,从而实现对既有线保护和回填质量的协同控制。

3、为了实现上述发明目的,本发明采用技术方案具体为:一种近接既有线不等深基础肥槽回填智能优化方法,该方法基于超大盖体为平面投影面积不小于10000平方米的盖体结构,不等深基础是指同一超大盖体工程内至少两个基础分区的基础底标高差不小于2.0米,近接既有线是指超大盖体工程中至少一个回填控制分区的肥槽边缘至既有线结构外边缘的最小水平净距不大于50米;所述方法包括以下步骤:

4、s1、获取超大盖体基础、肥槽及近接既有线的空间关系数据;

5、s2、根据空间关系数据,将肥槽回填范围划分为至少两个回填控制分区,确定各回填控制分区的基础属性,并标定敏感等级和施工阶段修正系数;

6、s3、采集施工状态数据、地基参数、压实机具参数和既有线监测数据,对采集数据进行异常值识别、缺失值补全、时间戳对齐、单位统一和归一化处理,并建立上述数据与回填控制分区及施工时间之间的关联关系;

7、s4、基于空间关系数据、基础属性、施工状态数据、地基参数、压实机具参数和既有线监测数据,构建包括基础埋深差特征、深浅过渡刚度突变特征、压实扰动特征、既有线空间影响特征、施工工况参数特征和监测滞后响应特征的回填影响特征集;

8、s5、将回填影响特征集输入已训练完成的回填影响预测模型,得到预测响应结果,预测响应结果包括既有线沉降、既有线沉降速率、既有线水平位移、深浅基础差异沉降和回填压实度的预测值及对应的预测区间;

9、s6、根据各回填控制分区的基础属性、敏感等级、施工阶段修正系数和预设施工参数范围,生成候选回填工况参数集;所述候选回填工况参数集包括回填材料参数、分层厚度、压实机具类型及压实机具参数、回填时间信息、分区回填顺序、施工间隔时间和相邻分区回填高差中的至少两类可变工况参数;将候选回填工况参数集中的可变工况参数代入对应回填控制分区的回填影响特征集,更新其中的施工工况参数特征、压实扰动特征和监测滞后响应特征,形成各候选回填工况对应的回填影响特征集;将更新后的各回填影响特征集分别输入回填影响预测模型,得到各候选回填工况的预测响应结果,建立候选回填工况与预测响应结果的映射关系;

10、s7、根据候选回填工况与预测响应结果的映射关系中的预测响应结果和候选回填工况参数集中的施工参数,计算回填工况风险指数,并进行风险判定;

11、s8、对风险判定通过的候选回填工况进行硬约束筛选;当存在经风险判定和硬约束筛选均通过的候选回填工况时,按照回填工况风险指数由小到大的顺序排序,输出排序后的目标回填方案,取排序首位作为执行方案;当不存在经风险判定和硬约束筛选均通过的候选回填工况时,按预设保守调整规则缩小分层厚度、降低激振力、降低激振频率、减少压实遍数或夯击遍数、改用低扰动压实机具、延长施工间隔时间和/或减小相邻分区回填高差,重新生成候选回填工况参数集并返回执行s6至s8,若连续m次重新生成后仍不存在经风险判定和硬约束筛选均通过的候选回填工况,则输出暂停回填和人工复核提示,m为2至5的整数,所述暂停回填和人工复核提示包括未满足的单项控制指标、对应预测值及限值、最近一次保守调整参数和重新生成次数;所述目标回填方案包括目标回填控制分区、回填层次、回填时间信息、分区回填顺序、分层厚度、回填材料、压实机具参数、施工间隔时间以及相邻分区回填高差控制要求;

12、s9、根据现场实测结果与预测响应结果的偏差,对后续回填层和/或后续回填控制分区的施工参数、模型参数和/或训练样本库进行动态修正,并基于修正结果更新后续方案;完成动态修正后,基于修正后的施工参数、模型参数和/或训练样本库,重新执行s4至s8,更新后续回填层和/或后续回填控制分区的候选回填工况与预测响应结果的映射关系、风险判定结果和目标回填方案。

13、进一步地,所述s2中,所述回填控制分区包括近既有线深基肥槽敏感区、深浅过渡肥槽敏感区、浅基肥槽一般控制区和远离既有线的一般回填区中的至少两个;所述敏感等级根据各回填控制分区与既有线结构外边缘的最小水平净距、基础埋深和既有线保护等级确定;所述施工阶段修正系数根据所述敏感等级和当前施工阶段确定,所述当前施工阶段包括回填初期、回填中期和回填后期;其中,当所述最小水平净距不大于20米、基础埋深不小于8米且既有线保护等级为严格保护时,敏感等级为高敏感,施工阶段修正系数取1.2至1.5;当所述最小水平净距大于20米且不大于50米,或回填控制分区位于深浅过渡范围并存在基础埋深差异时,敏感等级为敏感,施工阶段修正系数取1.0至1.2;当所述最小水平净距大于50米,或浅基区至既有线结构外边缘的最小水平净距大于3倍基础埋深时,敏感等级为一般控制,施工阶段修正系数取0.9至1.0。

14、进一步地,所述s3中,所述施工状态数据包括回填时间信息、回填顺序、分层厚度、回填材料和压实机具类型;所述地基参数包括地基土类型、地基承载力特征值和地下水位;所述压实机具参数包括激振力、激振频率、机具行走速度、机具自重以及压实遍数、夯击遍数中的至少一种;所述既有线监测数据包括既有线沉降、既有线沉降速率、既有线水平位移、深浅基础差异沉降和轨道变形。

15、进一步地,所述s4中,所述回填影响特征集包括基础埋深差特征、深浅过渡刚度突变特征、压实扰动特征、既有线空间影响特征、施工工况参数特征和监测滞后响应特征;所述既有线空间影响特征由回填控制分区至既有线结构外边缘最小水平净距的归一化值、竖向净距的归一化值、敏感等级编码值、既有线保护等级编码值和施工阶段修正系数共同构成;所述施工工况参数特征由回填材料编码值、材料压缩模量或强度等级、回填拟开始时间编码值、施工间隔时间、分区回填顺序编码值和压实机具类型编码值中的至少两项构成。

16、进一步地,所述s4中,所述监测滞后响应特征不是直接展开每一监测周期的全部原始监测值,而是基于前n个监测周期计算得到统计特征,n为不小于2的整数,统计特征包括既有线沉降增量、沉降速率变化量、水平位移变化量和深浅基础差异沉降增量;当当前回填层为首次回填且无历史监测数据时,采用首次回填初始化策略,将所述统计特征置为0,并在风险指数计算或硬约束筛选中采用预测区间的不利方向边界值作为对应预测值。

17、进一步地,所述s4中,所述压实扰动特征通过压实扰动评价值进行定量表征,其计算式为:

18、;

19、式中,,且至均不小于0;为压实机具激振力;为激振力参考值;为激振频率;为激振频率参考值;为压实遍数或夯击遍数;为遍数参考值;为分层厚度;为分层厚度参考值;为机具行走速度;为速度修正参考值;为回填控制分区至既有线结构外边缘的最小水平净距;为净距修正参考值;其中、、、、和均为正值;为由回填控制分区敏感等级和当前施工阶段共同确定的分区施工修正系数;为既有线保护等级修正系数;为无量纲压实扰动评价值;为与采用相同归一化基准的无量纲压实扰动限值,根据既有线保护等级、最小水平净距、压实机具类型、施工阶段和类似工程统计结果确定。

20、进一步地,所述s5中,所述回填影响预测模型包括特征输入单元、数值编码与归一化单元、模型训练单元、多输出预测单元和预测区间生成单元;所述回填影响预测模型以历史施工样本的回填影响特征集作为输入、以对应的历史监测响应和回填压实度检测值作为输出进行训练;所述多输出预测单元采用一个多输出回归模型,或者分别对应既有线沉降、既有线沉降速率、既有线水平位移、深浅基础差异沉降和回填压实度设置五个单输出回归模型;输入中的回填材料、压实机具类型、敏感等级、施工阶段和分区回填顺序为离散量时,经独热编码、序号编码或目标编码转换为数值特征,连续量采用与训练样本相同的归一化基准;训练过程包括根据样本编号形成输入矩阵x和输出矩阵y,将样本按施工时间顺序或分区分层划分为训练集、验证集和测试集,或者采用k折交叉验证;当采用随机森林回归模型时,树数量取100至500、最大深度取3至20、叶节点最小样本数取1至10;当采用梯度提升树回归模型时,树数量取100至800、最大深度取2至10、学习率取0.01至0.30、子样本比例取0.5至1.0;模型验证指标包括平均绝对误差、均方根误差和决定系数,测试集决定系数低于0.85时,调整特征组合或增加训练样本重新训练。

21、进一步地,所述s7中,所述回填工况风险指数的计算包括七项单项风险比,其计算式分别为:

22、

23、式中,为既有线沉降风险比;为既有线沉降速率风险比;为既有线水平位移风险比;为深浅基础差异沉降风险比;为回填压实度风险比;为压实扰动风险比;为相邻分区回填高差风险比;为既有线沉降控制值;为既有线沉降速率控制值;为既有线水平位移控制值;为深浅基础差异沉降控制值;为回填压实度要求值;为相邻分区回填高差限值;为相邻分区回填高差。为既有线沉降预测值;为既有线沉降速率预测值;为既有线水平位移预测值;为深浅基础差异沉降预测值;为回填压实度预测值。、、、、、cmax、和均为正值;为预设压实度上限且不小于;当小于预设压实度下限修正值时,以作为计算中的压实度取值,为大于0的常数;当大于时,以作为计算中的压实度取值,并在硬约束筛选中对过度压实进行校核。对于沉降、沉降速率、水平位移和差异沉降,若监测控制值以绝对限值给出,则相应预测值按绝对值或不利方向值代入对应单项风险比。

24、进一步地,所述s7中,所述回填工况风险指数r的计算式为:

25、

26、

27、式中,为最大单项风险比;为0至1.0的多指标综合修正系数;至分别为至对应的权重系数,至均不小于0,且;权重系数至根据既有线保护等级、监测指标敏感性、历史变形贡献率、层次分析法或熵权法确定,当缺少先验信息时,各权重取相等权重。

28、风险判定规则为:当大于或等于预设风险阈值时,将对应候选回填工况判定为高风险禁止工况并剔除;当小于时,将对应候选回填工况作为风险判定通过的候选工况。所述按确定,为风险储备系数且取0.10至0.50,并根据既有线控制值、监测报警阈值和工程安全储备等级在该范围内选取;既有线保护等级越高或报警阈值越严格,取值越小。

29、进一步地,所述s7、s8中,所述风险判定用于根据回填工况风险指数对候选回填工况进行综合风险初筛,所述硬约束筛选用于对经风险判定通过的候选回填工况进行工程控制条件逐项校核,二者依次执行且校核对象不同;所述硬约束筛选的校核内容包括既有线沉降预测值、既有线沉降速率预测值、既有线水平位移预测值、深浅基础差异沉降预测值、回填压实度预测值、压实扰动评价值以及相邻分区回填高差;其中,既有线沉降预测值不大于既有线沉降控制值,既有线沉降速率预测值不大于既有线沉降速率控制值,既有线水平位移预测值不大于既有线水平位移控制值,深浅基础差异沉降预测值不大于深浅基础差异沉降控制值,回填压实度预测值不小于回填压实度要求值且不大于预设压实度上限,压实扰动评价值不大于压实扰动限值,相邻分区回填高差不大于相邻分区回填高差限值;仅当上述校核内容均满足时,候选回填工况进入排序步骤,并按照回填工况风险指数由小到大的顺序形成目标回填方案,取排序首位作为执行方案;当不存在经风险判定和硬约束筛选均通过的候选回填工况时,执行无可行候选处理,重新生成候选回填工况参数集并返回执行s6至s8;若连续次重新生成后仍不存在满足条件的候选回填工况,则输出暂停回填和人工复核提示,其中为2至5的整数;所述暂停回填和人工复核提示包括未满足的单项控制指标、对应预测值及限值、最近一次保守调整参数和重新生成次数。

30、进一步地,所述s9中,所述动态修正包括一级修正、二级修正和三级修正;

31、当现场实测沉降与预测沉降的相对偏差δs超过第一预设阈值,或实测值超出预测区间时,触发一级修正;其中第一预设阈值为10%至20%,,为现场实测沉降,为预测沉降,为沉降控制值的5%;所述一级修正用于调整后续回填层的分层厚度、压实遍数、压实机具类型或施工间隔时间;

32、当既有线沉降速率连续3个监测周期呈增长趋势,且第3个监测周期与第1个监测周期的沉降速率差值超过第二预设阈值时,触发二级修正;其中第二预设阈值为既有线沉降速率控制值的10%至30%;所述二级修正用于修正施工阶段修正系数、压实扰动特征权重或回填影响预测模型参数;

33、当相邻分区差异沉降增量超过第三预设阈值,或连续3个监测周期内既有线沉降、既有线沉降速率、既有线水平位移和深浅基础差异沉降中的至少一项指标的实测结果与预测结果的偏差均超过第四预设阈值时,触发三级修正;其中第三预设阈值为深浅基础差异沉降控制值的20%至40%,第四预设阈值为对应监测指标控制值的10%至30%;所述三级修正用于将经异常校核后的新增现场监测样本加入训练样本库,重新训练或增量更新回填影响预测模型,并将更新后模型在验证集或留出测试集上与更新前模型进行比较;

34、所述模型参数包括随机森林回归模型或梯度提升树回归模型的树数量、最大深度、叶节点最小样本数、学习率、子样本比例、列采样比例中的至少一种;

35、当一级修正、二级修正或三级修正的触发条件单独满足时,执行对应层级的修正动作;当至少两个层级的触发条件同时满足时,执行最高对应层级的修正动作;若同时满足的触发条件包含一级修正触发条件,则同步执行一级修正中的施工参数调整;当三级修正形成的更新后模型的平均绝对误差或均方根误差相对更新前模型升高超过预设容许幅度,所述预设容许幅度为5%至15%,或者决定系数低于更新前模型时,保留更新前模型并仅执行施工参数调整;否则采用更新后模型;完成一级修正、二级修正或三级修正后,基于修正后的施工参数、模型参数和/或训练样本库,重新执行s4至s8,更新后续回填层和/或后续回填控制分区的候选回填工况与预测响应结果的映射关系、风险判定结果和目标回填方案。

36、同时,本发明还提供了一种近接既有线超大盖体不等深肥槽回填智能优化系统,应用本发明所述方法的步骤,所述系统包括:

37、空间关系数据获取模块、回填控制分区模块、施工与监测数据关联模块、回填影响特征构建模块、回填影响预测模块、候选回填工况生成模块、风险指数计算模块、硬约束筛选模块、动态修正模块和目标回填方案输出模块;

38、空间关系数据获取模块用于获取超大盖体基础、肥槽及近接既有线空间关系数据;

39、回填控制分区模块用于划分回填控制分区并标定敏感等级和施工阶段修正系数;

40、施工与监测数据关联模块用于建立施工状态数据、地基参数、压实机具参数和既有线监测数据与回填控制分区及施工时间的关联关系;

41、回填影响特征构建模块用于构建包括基础埋深差特征、深浅过渡刚度突变特征、压实扰动特征、既有线空间影响特征、施工工况参数特征和监测滞后响应特征的回填影响特征集;回填影响预测模块用于输出既有线沉降、沉降速率、水平位移、深浅基础差异沉降和回填压实度的预测值及预测区间;

42、候选回填工况生成模块用于生成候选工况参数集,更新施工工况参数特征、压实扰动特征和监测滞后响应特征,并建立候选工况与预测响应结果的映射关系;风险指数计算模块用于计算回填工况风险指数;

43、硬约束筛选模块用于工程控制条件校核和排序;动态修正模块用于根据现场实测偏差修正后续方案;目标回填方案输出模块用于输出含目标分区、层次、时间、顺序、厚度、材料、压实机具参数、施工间隔和分区高差的目标回填方案。

44、所述施工与监测数据关联模块包括数据预处理单元,所述数据预处理单元用于对采集数据进行异常值识别、缺失值补全、时间戳对齐、单位统一和归一化处理,并将预处理后的数据按回填控制分区编号、回填层次和施工时间进行关联存储;所述数据预处理单元还用于将回填材料、压实机具类型、敏感等级、施工阶段和分区回填顺序转换为数值编码特征,并使训练样本和候选回填工况采用相同的连续量归一化基准。

45、所述风险指数计算模块和硬约束筛选模块依次连接,所述风险指数计算模块用于根据回填工况风险指数对候选回填工况进行综合风险初筛,所述硬约束筛选模块用于对通过综合风险初筛的候选回填工况进行既有线沉降、既有线沉降速率、既有线水平位移、深浅基础差异沉降、回填压实度、压实扰动评价值和相邻分区回填高差的逐项校核;所述候选回填工况生成模块还用于在不存在经综合风险初筛和逐项校核均通过的候选回填工况时,按预设保守调整规则重新生成候选回填工况参数集,所述预设保守调整规则包括降低激振力、降低激振频率、减少压实遍数或夯击遍数、改用低扰动压实机具、减小分层厚度、延长施工间隔时间和减小相邻分区回填高差中的至少两项;所述目标回填方案输出模块还用于在连续次重新生成后仍不存在经综合风险初筛和逐项校核均通过的候选回填工况时输出暂停回填和人工复核提示,其中为2至5的整数;所述暂停回填和人工复核提示包括未满足的单项控制指标、对应预测值及限值、最近一次保守调整参数和重新生成次数。

46、所述动态修正模块包括一级修正单元、二级修正单元和三级修正单元;所述一级修正单元用于调整后续回填层的施工参数,所述二级修正单元用于修正施工阶段修正系数、压实扰动特征权重或回填影响预测模型参数,所述模型参数包括树数量、最大深度、叶节点最小样本数、学习率、子样本比例和列采样比例中的至少一种;所述三级修正单元用于将经异常校核后的新增现场监测样本加入训练样本库并更新回填影响预测模型,且用于在验证集或留出测试集上比较更新前后模型性能,当更新后模型的平均绝对误差或均方根误差相对更新前模型升高超过预设容许幅度,所述预设容许幅度为5%至15%,或者决定系数r²低于更新前模型时,保留更新前模型;所述动态修正模块完成修正后,触发回填影响特征构建模块、回填影响预测模块、风险指数计算模块和硬约束筛选模块重新运行。

47、同时,本发明提出一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被执行时,实现本发明所述方法的步骤。

48、此外,本发明提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序配置为由处理器调用时实现本发明所述方法的步骤。

49、最后,本发明提出一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本发明所述方法的步骤。

50、与现有技术相比,本发明的有益效果为:

51、1、本发明通过划分回填控制分区并标定敏感等级和施工阶段修正系数,将不等深基础空间属性、近接既有线空间关系和施工阶段信息转化为预测模型可识别的工程特征,使预测模型能够区分不同分区、不同基础埋深和不同既有线保护等级下的结构响应差异;

52、2、本发明通过压实扰动评价值,将压实机具激振力、激振频率、压实遍数、分层厚度、机具行走速度和至既有线最小净距等物理参数进行归一化加权映射,并限定权重非负和参考值为正,实现压实机具物理参数与既有线保护等级、施工阶段和空间净距的定量耦合;

53、3、本发明通过构建候选回填工况与预测响应结果的映射关系,将回填材料、分区回填顺序、施工间隔时间、分层厚度和压实机具参数等可变工况参数代入同一回填影响特征集进行更新,使不同候选回填方案能够在统一模型输入和统一风险指标下进行定量比较;

54、4、本发明通过风险判定和硬约束筛选的两级筛选机制,先以最大单项风险比和加权综合风险进行快速初筛,再对既有线沉降、沉降速率、水平位移、深浅基础差异沉降、回填压实度、压实扰动和相邻分区回填高差进行逐项复核,降低综合风险较低但单项控制条件不满足的候选工况被误选的可能性;

55、5、本发明通过一级、二级、三级动态修正机制,根据现场实测偏差分别调整后续施工参数、模型参数或训练样本库,并在修正后重新执行特征更新、预测、风险判定和硬约束筛选,使后续回填层和后续回填控制分区能够随监测反馈进行闭环更新;

56、6、本发明将回填影响特征集限定为六类核心特征,既覆盖不等深肥槽回填的关键力学、几何和施工工况影响因素,又避免将全部原始监测序列和无关施工记录直接展开入模,从而降低特征冗余并提高候选工况预测结果与实际施工参数之间的对应性;

57、7、本发明能够在施工前完成候选回填工况的预测评价、风险排序和约束筛选,将施工决策从施工后监测超限后的经验调整,前移至施工前的主动比较和执行方案输出阶段;当无候选工况满足风险判定和硬约束筛选时,触发保守参数再生成或暂停回填与人工复核,避免在安全储备不足时强行输出执行方案,从而降低既有线变形风险累积和施工调整滞后的可能性。