一种多源物探数据融合的隧道围岩动态预测方法及系统与流程

摘要: 本发明属于隧道超前地质预测领域,具体涉及一种多源物探数据融合的隧道围岩动态预测方法及系统。背景技术:1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必...
一种多源物探数据融合的隧道围岩动态预测方法及系统与流程

本发明属于隧道超前地质预测领域,具体涉及一种多源物探数据融合的隧道围岩动态预测方法及系统。

背景技术:

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。

2、在隧道开挖掘进过程中,掌子面前方的地质环境极其复杂且不可见,具有高度不确定性,断层破碎带、岩溶、富水软弱围岩等不良地质体是导致坍塌、突水突泥等重大灾害事故的主要根源。目前工程中常用的超前地质预测手段主要包括地震波法、电法和地质雷达法。地震波法通过分析折射、反射波走时和振幅变化来探测岩体结构和波阻抗界面;电法利用地层电阻率差异识别含水构造和破碎带;地质雷达利用电磁波在介质界面的反射来探测浅层地质异常。然而,这三类方法在实际应用中各有局限:地震波法对浅层分辨率不足;直流电法易受金属构件干扰;地质雷达有效探测深度有限。

3、现有研究在多源数据融合与动态预测方面存在以下几方面不足:其一,多数方法对多源数据采用简单拼接融合策略,未能自适应学习各模态的重要性权重;其二,大多数模型将超前预测视为单一分类任务,忽略了围岩分级与岩体物理参数在地质语义上的相关性;其三,隧道掘进是连续推进过程,掌子面位置随施工不断变化,现有静态模型缺乏对新增地质数据的在线学习能力,容易在实际工程中产生预测漂移,且受到类别不平衡的影响使模型对稀有地质类别判断能力不足。

技术实现思路

1、本发明为了解决上述问题,提出了一种多源物探数据融合的隧道围岩动态预测方法及系统,本发明能够自适应融合多源物探特征、同步多任务预测围岩物理参数、并可随隧道开挖持续增量更新的高精度围岩动态预测与预警。

2、根据一些实施例,本发明采用如下技术方案:

3、一种多源物探数据融合的隧道围岩动态预测方法,包括以下步骤:

4、对获取的地震、电法和地质雷达三源物探坚硬程度、完整性数据进行预处理,提取有效地质特征向量,对相邻采样点的里程差进行对数非线性压缩编码,得到对数化距离特征,并将其和所述有效地质特征向量绑定,得到输入特征序列;

5、根据滑动窗口机制将离散地质点转化为时序序列段,构建带有物理样本权重的时空序列样本集;

6、将所述时空序列样本集中的时序序列样本送入基于注意力机制的多任务预测网络模型,所述模型通过独立卷积特征提取、全局注意力跨模态融合与双向时序记忆推理,同步得到岩石坚硬程度与岩体完整性的预测结果;

7、基于所述预测结果,综合判定围岩等级,并触发相应级别的自动预警;

8、采用动态焦点损失函数对所述多任务预测网络模型进行训练优化,通过焦点损失原理与动态平滑类别权重的联合机制,缓解类别不平衡问题;

9、基于物理空间跨度阈值触发增量微调机制,结合动态地质记忆库与经验回放混合采样策略,随着隧道掘进持续在线更新所述多任务预测网络模型的参数。

10、作为可选择的实施方式,对获取的地震、电法和地质雷达三源物探坚硬程度、完整性数据进行预处理,提取有效地质特征向量的过程包括:对获取的数据主动剔除全空白的数据行,提取有效序列。

11、作为可选择的实施方式,对相邻采样点的里程差进行对数非线性压缩编码,得到对数化距离特征,并将其和所述有效地质特征向量绑定,得到输入特征序列的过程包括:引入相对距离度量,计算当前采样点与其前驱采样点的物理里程差,采用对数非线性压缩函数对里程差进行降维编码:;

12、降维编码后的特征和所述有效地质特征向量绑定,得到n+1维输入特征序列,n为有效地质特征向量的维度。

13、作为可选择的实施方式,根据滑动窗口机制将离散地质点转化为时序序列段,构建带有物理样本权重的时空序列样本集的过程包括:采用滑动窗口机制,将一维离散地质点转化为设定长度的连续序列段,当可用有效数据量不足设定长度时,在时序序列前端补零并将对应掩码置0。

14、作为可选择的实施方式,将所述时空序列样本集中的时序序列样本送入基于注意力机制的多任务预测网络模型的过程包括:所述多任务预测网络模型为cnn-bi-lstm网络架构,由独立特征提取、全局注意力跨模态融合、双向时序记忆提取及多任务分类头模块组合而成,其中,独立特征提取模块包括三组并行的cnn,以提取各自的局部空间特征,每组cnn包含两层卷积与relu激活函数;

15、全局注意力跨模态融合模块引入全局注意力机制对不同物探模态进行自适应加权,将三者特征在通道维度拼接,通过多层感知机映射并使用softmax归一化计算注意力得分,对各模态特征进行加权求和,与所述对数化距离特征进行拼接融合,经过全连接层映射至综合特征向量;

16、双向时序记忆提取模块采用双向长短期记忆网络处理综合特征向量;

17、多任务分类头模块包括两个并行的全连接分类器,分别用于预测岩石坚硬程度与岩体完整性。

18、作为可选择的实施方式,通过焦点损失原理与动态平滑类别权重的联合机制,缓解类别不平衡问题的过程包括:采用焦点损失的基础形式,引入衰减因子,通过调节因子降低易分类样本的权重,其中,为模型预测真实类别的概率,为聚焦参数,利用衰减因子自适应地衰减高置信度样本的损失贡献,迫使模型在训练期间专注于难以分类的不良地质样本。

19、作为可选择的实施方式,所述物理空间跨度阈值触发增量微调机制为:新采集的数据首先被存入暂存更新池进行累积。定义暂存更新池中累积特征的物理空间跨度为,其计算依据累积序列的最大开挖里程与最小里程之差:

20、

21、仅当跨度时,为设定阈值,认定新数据具备充分的空间地质表征意义,进而触发网络的微调过程。

22、作为可选择的实施方式,所述动态地质记忆库策略为:构建动态隧道地质记忆库,利用基于数据新鲜度与信息增益的动态样本分配策略,为不同属性的序列赋予动态权重,引入更新插入机制,对数据赋予物理权重,其中,二次修正数据的权重高于新增开挖面数据的权重,新增开挖面数据的权重高于基础历史数据的权重,以强化多任务预测网络模型对于修正后的真实标签的学习,以及提升多任务预测网络模型对前沿地质的关注。

23、作为可选择的实施方式,所述经验回放混合采样策略为:定义为本次触发微调的完整新增数据集,为全局历史地质记忆库,引入经验回放比例超参数,微调集的构建服从以下公式:

24、。

25、一种多源物探数据融合的隧道围岩动态预测系统,包括:

26、数据预处理与特征编码模块,被配置为对获取的地震、电法和地质雷达三源物探坚硬程度、完整性数据进行预处理,提取有效地质特征向量,对相邻采样点的里程差进行对数非线性压缩编码,得到对数化距离特征,并将其和所述有效地质特征向量绑定,得到输入特征序列;根据滑动窗口机制将离散地质点转化为时序序列段,构建带有物理样本权重的时空序列样本集;

27、多任务预测模块,被配置为将所述时空序列样本集中的时序序列样本送入基于注意力机制的多任务预测网络模型,所述模型通过独立卷积特征提取、全局注意力跨模态融合与双向时序记忆推理,同步得到岩石坚硬程度与岩体完整性的预测结果;

28、围岩等级判定与预警输出模块,被配置为基于所述预测结果,综合判定围岩等级,并触发相应级别的自动预警;

29、动态焦点损失训练模块,被配置为采用动态焦点损失函数对所述多任务预测网络模型进行训练优化,通过焦点损失原理与动态平滑类别权重的联合机制,缓解类别不平衡问题;

30、增量微调管理模块,被配置为基于物理空间跨度阈值触发增量微调机制,结合动态地质记忆库与经验回放混合采样策略,随着隧道掘进持续在线更新所述多任务预测网络模型的参数。

31、与现有技术相比,本发明的有益效果为:

32、本发明能够自适应融合地震、电法与地质雷达三源物探特征,通过多任务深度学习网络同步预测岩石坚硬程度与岩体完整性,结合空间阈值触发的增量微调机制实现模型随施工推进的持续在线更新,最终完成围岩等级的自动判定与分级预警,为隧道地质超前预报提供智能化、工程可落地的闭环解决方案。

33、本发明提出基于注意力机制的cnn-bi-lstm多任务预测框架,通过并行cnn独立提取地震、电法和地质雷达三源物探数据的局部特征,引入全局注意力机制动态分配各模态贡献权重,克服了传统简单拼接融合忽视模态重要性差异的缺陷,有效提升了多源物探特征的融合精度。

34、本发明提出对数化距离编码策略,将施工空间推进信息显式纳入模型输入,解决了因物探数据采集间距不均匀引起的序列建模困难,使模型具备感知物理空间跨度的能力。

35、本发明设计了基于物理空间跨度阈值触发的增量微调机制,结合经验回放混合采样策略与动态样本重要性加权,在模型持续适应新掌子面地质环境的同时有效防止灾难性遗忘,实现了隧道施工过程中的在线闭环学习。

36、本发明提出动态焦点损失函数,联合焦点损失原理、动态平滑类别权重与样本级物理权重,有效缓解了隧道地质数据集中的严重类别不平衡问题,提升了稀有地质类别(极硬或极软破碎围岩)的预测精度。

37、为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。