基于多属性K-means分析的TBM掘进岩体扰动识别方法

摘要: 本发明涉及隧道地质超前预报,具体涉及一种基于多属性k-means分析的tbm掘进岩体扰动识别方法。背景技术:1、本部分的陈述仅仅提供了与本发明相关的背景技术,并...
基于多属性K-means分析的TBM掘进岩体扰动识别方法

本发明涉及隧道地质超前预报,具体涉及一种基于多属性k-means分析的tbm掘进岩体扰动识别方法。

背景技术:

1、本部分的陈述仅仅提供了与本发明相关的背景技术,并不必然构成现有技术。

2、随着深部水利、交通隧洞工程建设规模持续扩大,全断面岩石掘进机(tbm,tunnelboring machine)成为复杂地层隧道开挖主流施工装备。tbm掘进扰动会持续改变围岩原始应力状态,促使内部裂隙逐步发育扩张,易诱发掌子面前方岩体失稳病害。声波超前探测是现场常用围岩状态感知手段,岩体裂隙、破碎结构会改变声波传播速度、能量与频谱特征,行业内现有方法通过建立反演成像结果与围岩情况建立相关关系,从而实现隧道前方岩体类别的判识。

3、然而,现有围岩状态研判方式仅根据单期声波数据开展静态分析,难以捕捉tbm造成的岩体失稳渐进式变化,同时判识结果依赖反演成像结果,计算时间长,难以适应于tbm扰动岩体失稳过程的快速判识。而且,tbm岩体扰动变化会导致观测数据出现时移响应差异,因而通过综合衡量观测数据在能量、频率以及复杂度等特征属性的变化,实现tbm掘金岩体扰动的快速判识,从而为现场施工决策提供地质信息,可以有效避免tbm卡机灾害的发生。

技术实现思路

1、为了解决现有技术的不足,本发明提供了一种基于多属性k-means分析的tbm掘进岩体扰动识别方法,根据数据自身离散程度与属性关联程度分配权重,无需人工主观设定占比,能够客观体现各类特征在扰动识别中的贡献差异,加权融合后形成统一评价矩阵,完整融合多类声学蕴含的围岩变化信息,提升了围岩扰动范围辨识可靠程度,可为tbm掘进阶段掌子面前方地质风险研判提供稳定参考依据。

2、为了实现上述目的,本发明采用如下技术方案:

3、第一方面,本发明提供了一种基于多属性k-means分析的tbm掘进岩体扰动识别方法。

4、一种基于多属性k-means分析的tbm掘进岩体扰动识别方法,包括以下过程:

5、分多时序采集tbm阵列声波原始探测数据;

6、提取每一时序所述tbm阵列声波原始探测数据的多类基础声波属性,按属性适配计算方式求解时序间时移特征,构建无量纲多维度时移属性数据集;

7、计算所述多维度时移属性数据集内单属性的离散标准差和属性间的相关系数,根据所述离散标准差和所述相关系数计算得到正向关联信息量,结合所述正向关联信息量折算每类属性的基础权重,以所述基础权重对全部时移特征做加权求和运算,生成岩体扰动综合评价矩阵;

8、根据所述岩体扰动综合评价矩阵执行k-means聚类分簇运算,划分围岩背景簇与扰动异常簇,输出掌子面前方围岩扰动分区识别结果。

9、在本发明第一方面的一种实现方式中,提取每一时序所述tbm阵列声波原始探测数据的多类基础声波属性,包括:

10、所述多类基础声波属性具体包含瞬时类属性、能量类属性、时频类属性和复杂度属性;

11、针对瞬时类属性采用希尔伯特变换对单道声波信号构造复信号,根据复信号实部与虚部联合求解对应瞬时数值;

12、针对时频类属性采用随信号频率自适应调整窗口宽度的高斯窗时频变换完成频谱分解;

13、针对复杂度属性,根据声波信号时域、频域能量分布概率分布函数开展统计计算得到对应的熵值参数。

14、在本发明第一方面的一种实现方式中,按属性适配计算方式求解时序间时移特征,包括:

15、从本地存储介质中调取两个相邻探测时序分别采集得到的所述tbm阵列声波原始探测数据,分别从两组探测数据中提取同一类型的基础声波属性形成配对属性序列,按照属性自身信号变化规律匹配专属数值运算规则,通过配对属性序列的数值对比运算求解能够表征岩体时序变化的时移特征。

16、在本发明第一方面的一种实现方式中,构建无量纲多维度时移属性数据集,包括:

17、将求解得到的各类所述时移特征统一取绝对值处理,消除时序变化正负方向对后续权重计算带来的干扰影响,采用均值标准差标准化处理手段消除不同类别时移特征之间存在的量纲差异,将全部完成标准化运算的时移特征矩阵沿特征维度横向拼接整合,最终形成统一标准格式的所述多维度时移属性数据集。

18、在本发明第一方面的一种实现方式中,计算所述多维度时移属性数据集内单属性离散标准差、属性正向关联信息量,结合所述离散标准差、所述正向关联信息量折算每类属性的基础权重,包括:

19、完整遍历所述多维度时移属性数据集内部包含的全部样本记录,对单一类时移特征全部样本数值做统计运算,计算数值整体波动幅度得到所述离散标准差;

20、遍历数据集内任意两组不同类型时移特征的全部样本,求解两组特征之间的相关系数;

21、将单类特征对应的所述离散标准差与累加后的数值大于零的相关系数做相乘运算,得到该类特征的正向关联信息量,用单类特征的正向关联信息量除以全部特征的正向关联信息量总和,得到该类时移特征匹配的所述基础权重。

22、在本发明第一方面的一种实现方式中,以所述基础权重对全部时移特征做加权求和运算,生成岩体扰动综合评价矩阵,包括:

23、取出经过无量纲标准化处理后的每一类所述时移特征矩阵,将矩阵内部每一组样本数值与该类特征提前折算完成的所述基础权重一一对应相乘,得到单类特征加权计算结果,将所有类别时移特征对应的加权结果同步进行叠加求和运算,生成具备统一数值尺度的所述岩体扰动综合评价矩阵。

24、在本发明第一方面的一种实现方式中,根据所述岩体扰动综合评价矩阵执行k-means聚类分簇运算,包括:

25、预先设定两类固定的聚类划分标签,两类标签分别对应无明显岩体变化的围岩背景区域、裂隙发育程度较高的岩体扰动异常区域,随机生成两组固定维度的数值作为初始聚类中心,将所述岩体扰动综合评价矩阵内部所有样本坐标统一映射至同一二维聚类计算空间,完成聚类运算前置初始化操作。

26、作为本发明第一方面进一步的限定,执行k-means聚类分簇的运算过程中,迭代更新聚类中心的操作,包括:

27、分别计算聚类空间内每一个映射完成的样本点,到两组所述聚类中心之间的欧氏空间距离,将单个样本点划分至距离数值更小的对应数据簇内部;

28、待矩阵内全部样本完成初次簇划分操作后,分别提取单一数据簇内部包含的所有样本坐标并求取均值,将均值坐标作为全新的所述聚类中心,循环重复距离计算、样本划分、中心更新整套操作,直至两次迭代生成的所述聚类中心坐标不再出现数值变动。

29、在本发明第一方面的一种实现方式中,划分围岩背景簇与扰动异常簇,输出掌子面前方围岩扰动分区识别结果,包括:

30、待聚类迭代流程完全收敛稳定之后,对比两组最终稳定后的所述聚类中心对应数值大小,将聚类中心数值整体偏高的数据簇划定为岩体扰动异常区域,将聚类中心数值整体偏低的数据簇划定为围岩背景区域,对所述岩体扰动综合评价矩阵内部每一组样本标注匹配的区域类别标签,整合矩阵全部样本的分区标注信息,完整输出掌子面前方围岩扰动分区识别结果。

31、第二方面,本发明提供了一种基于多属性k-means分析的tbm掘进岩体扰动识别系统。

32、一种基于多属性k-means分析的tbm掘进岩体扰动识别系统,包括:

33、声波采集单元,被配置为:分多时序采集tbm阵列声波原始探测数据;

34、属性时移计算单元,被配置为:提取每一时序所述tbm阵列声波原始探测数据的多类基础声波属性,按属性适配计算方式求解时序间时移特征,构建无量纲多维度时移属性数据集;

35、权重融合单元,被配置为:计算所述多维度时移属性数据集内单属性的离散标准差和属性间的相关系数,根据所述离散标准差和所述相关系数计算得到正向关联信息量,结合所述正向关联信息量折算每类属性的基础权重,以所述基础权重对全部时移特征做加权求和运算,生成岩体扰动综合评价矩阵;

36、聚类识别单元,被配置为:根据所述岩体扰动综合评价矩阵执行k-means聚类分簇运算,划分围岩背景簇与扰动异常簇,输出掌子面前方围岩扰动分区识别结果。

37、与现有技术相比,本发明的有益效果是:

38、本发明通过多时序方式获取阵列声波探测数据,根据不同掘进阶段的声学信号提取时序变化特征,能够捕捉围岩随开挖产生的动态变化,弥补单期数据仅可静态分析的不足。本发明划分多类声波属性并匹配对应时移计算规则,搭建标准化统一数据集,可同步整合能量、频率、波形复杂度等多维度岩体响应信息。本发明根据数据自身离散程度与属性关联程度分配权重,无需人工主观设定占比,能够客观体现各类特征在扰动识别中的贡献差异,加权融合后形成统一评价矩阵,完整融合多类声学蕴含的围岩变化信息。本发明基于聚类算法对评价矩阵划分区域,根据数据自身分布特征区分围岩背景与扰动区域,提升围岩扰动范围辨识可靠程度,可为 tbm掘进阶段掌子面前方地质风险研判提供稳定参考依据。

39、本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。