一种基于CNN神经网络的隧道侵限预防方法

一种基于cnn神经网络的隧道侵限预防方法
技术领域
1.本发明涉及隧道施工技术领域，尤其涉及一种cnn神经网络的隧道侵限预防方法。


背景技术：

2.随着地下轨道交通、引水隧洞的迅猛发展，新建隧道所遇到的水文地质环境较以往更加复杂，在其施工过程中难免会遇到富水地层。对于上软下硬地层隧道而言，上台阶拱脚往往坐落于全-强风化岩层或土层，当拱脚遇水浸泡时，其承载力会发生极大程度地降低，从而导致初支结构发生整体下沉，进而诱发拱顶沉降进而导致初支严重的侵限，轻则影响二衬的施作，重则造成严重的隧道的坍塌事故，现场常采用预留拱顶变形量来抵消隧道拱顶的沉降，以避免初支侵限。但目前隧道中拱顶预留变形量设置往往是根据工程经验，难以准确把控，当设置的过大时，会造成二衬结构过后，浪费材料；当设置的过小时，会导致初支侵限。
3.综上，如何设置合理的拱顶预留变形量是隧道施工亟待解决的一个问题。


技术实现要素：

4.本发明的主要目的在于提供一种基于cnn神经网络的隧道侵限预防方法，利用cnn神经网络较为准确地训练学习得到岩土分界面、拱脚含水率与拱顶预留变形量之间的关系，根据隧道掌子面的实测含水率和岩土交界面位置实时动态地调整隧道拱顶预留变形量，从而在一定程度上避免隧道侵限的发生。
5.为此，本发明提供的基于cnn神经网络的隧道侵限预防方法，包括如下步骤：
6.s1：沿隧道轴向将隧道划分为n段，并在每段拱顶位置处布设沉降监测点；
7.s2：基于隧道的地质纵断面图及现场实际施工揭露的岩土分界面情况，当岩土分界面位于上台阶拱脚以上时，上台阶拱顶的预留变形量设置为零，当岩土分界面位于上台阶拱脚以下时，确定上台阶拱脚距岩土分界面的高度h、上台阶拱脚处土体的含水率w、初步设置上台阶拱顶的预留变形量d；
8.s3：根据s2中所述的h、w、d，测定不同含水率下上台阶拱脚处土体的物理力学参数，并结合地勘给出的各土层的物理力学参数，建立数值模型，计算拱顶和拱脚沉降值，通过与现场实测的沉降值进行对比、调整，确保数值模型的准确性；
9.s4：以s2中所述的h、w、d为基准集，利用matlab分别生成正态分布的数组，通过s3中所述的数值模型计算出拱顶最大沉降值z，将符合0.9d≤z≤1.1d情况下的h、w作为输入层，d作为输出层，通过训练构建cnn神经网络；
10.s5：将开挖隧道第i段时，掌子面对应的岩土分界面距底板的高度hi，上台阶拱脚处土体的含水率wi，输入到cnn神经网络，通过训练学习得到第i 1段的预留变形量d
i 1
，并通过数值模型计算d
i 1
下对应的拱顶沉降值；
11.s6：根据s5中训练学习得到的预留变形量d
i 1
进行设置，然后进行开挖第i 1段并及时支护，实时监测拱顶最大沉降值；
12.s7：重复上述s5-s6，逐段向前施工。
13.具体的，所述沉降监测点布置在每段纵向中间位置处。
14.具体的，利用matlab中的normrnd函数生成正态分布的数组。
15.具体的，所述s1步骤中每一分段的长度为5-10m。
16.具体的，所述s2步骤中初步设置上台阶拱顶的预留变形量d为10-20cm。
17.具体的，所述s3中的物理力学参数包括弹性模量、泊松比、粘聚力和内摩擦角。
18.与现有技术相比，本发明至少一个实施例具有如下有益效果：利用cnn神经网络强大的非线性映射能力能够较为准确地训练学习得到岩土分界面、拱脚含水率与拱顶预留变形量之间的关系，可根据隧道掌子面的实测含水率和岩土交界面位置实时动态地调整隧道拱顶预留变形量的设置，从而在一定程度上避免隧道侵限的发生。
附图说明
19.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1是本发明实施例的施工流程图；
21.图2为上软下硬地层隧道横断面图；
22.图3为上软下硬地层隧道纵断面图；
23.其中：1、土层；2、岩层；3、沉降监测点；4、隧道实际开挖轮廓线；5、隧道设计轮廓线；6、上台阶拱脚。
具体实施方式
24.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
26.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
27.对于上软下硬地层，上台阶拱脚含水率和隧道岩土分界面的位置是决定隧道拱顶沉降的最重要的两个因素，因此在设置隧道预留变形量时，充分考虑岩土分界面、拱脚含水率的影响，将会极大程度地提高隧道预留变形量的适宜性。但岩土分界面、拱脚含水率这个
两个因素与隧道预留变形量直接难以直接建立线性关系，同时由于实际隧洞中岩土分界面是处于动态起伏变化，同时拱脚土体的含水率也是处于动态变化之中，这使得隧道拱顶预留变形量的设置变得更加盲目。本发明正是为解决上述问题而提出的一种创新方案。
28.参见图1-图3，本发明实施例提供的基于cnn神经网络的隧道侵限预防方法，包括如下步骤：
29.s1：沿隧道轴向将隧道划分为n段，并在每段拱顶位置处布设沉降监测点3；
30.s2：基于隧道的地质纵断面图及现场实际施工揭露的岩土分界面情况，岩土分界面指代土层1与岩层2的交界面，当岩土分界面位于上台阶拱脚6以上时，上台阶拱顶的预留变形量设置为零，当岩土分界面位于上台阶拱脚6以下时，确定上台阶拱脚6距岩土分界面的高度h、上台阶拱脚处土体的含水率w、初步设置上台阶拱顶的预留变形量d；其中，上台阶拱顶的预留变形量d指代隧道实际开挖轮廓线4与隧道设计轮廓线5拱顶之间的距离。
31.s3：根据s2中所述的h、w、d，测定不同含水率下上台阶拱脚处土体的物理力学参数，并结合地勘给出的各土层1的物理力学参数，建立数值模型，计算拱顶和拱脚沉降值，通过与现场实测的沉降值进行对比、调整，确保数值模型的准确性；
32.s4：以s2中所述的h、w、d为基准集，利用matlab中的normrnd函数分别生成正态分布的数组，通过s3中所述的数值模型计算出拱顶最大沉降值z，将符合0.9d≤z≤1.1d情况下的h、w作为输入层，d作为输出层，通过训练构建cnn神经网络；
33.s5：将开挖隧道第i段时，掌子面对应的岩土分界面距底板的高度hi，上台阶拱脚处土体的含水率wi，输入到cnn神经网络，通过训练学习得到第i 1段的预留变形量d
i 1
，并通过数值模型计算d
i 1
下对应的拱顶沉降值；
34.s6：根据s5中训练学习得到的预留变形量d
i 1
进行设置，然后进行开挖第i 1段并及时支护，实时监测拱顶最大沉降值；
35.s7：重复上述s5-s6，逐段向前施工。
36.本发明利用cnn神经网络强大的非线性映射能力能够较为准确地训练学习得到岩土分界面、拱脚含水率与拱顶预留变形量之间的关系，可根据隧道掌子面的实测含水率和岩土交界面位置实时动态地调整隧道拱顶预留变形量的设置，从而在一定程度上避免隧道侵限的发生。
37.具体的，沉降监测点布置在每段纵向中间位置处，s1步骤中每一分段的长度为5-10m，s2步骤中初步设置上台阶拱顶的预留变形量d为10-20cm，s3中的物理力学参数包括弹性模量、泊松比、粘聚力和内摩擦角。
38.上述本发明所公开的任一技术方案除另有声明外，如果其公开了数值范围，那么公开的数值范围均为优选的数值范围，任何本领域的技术人员应该理解：优选的数值范围仅仅是诸多可实施的数值中技术效果比较明显或具有代表性的数值。由于数值较多，无法穷举，所以本发明才公开部分数值以举例说明本发明的技术方案，并且，上述列举的数值不应构成对本发明创造保护范围的限制。
39.同时，上述本发明如果公开或涉及了互相固定连接的零部件或结构件，那么，除另有声明外，固定连接可以理解为：能够拆卸地固定连接(例如使用螺栓或螺钉连接)，也可以理解为：不可拆卸的固定连接(例如铆接、焊接)，当然，互相固定连接也可以为一体式结构(例如使用铸造工艺一体成形制造出来)所取代(明显无法采用一体成形工艺除外)。
40.另外，上述本发明公开的任一技术方案中所应用的用于表示位置关系或形状的术语除另有声明外其含义包括与其近似、类似或接近的状态或形状。本发明提供的任一部件既可以是由多个单独的组成部分组装而成，也可以为一体成形工艺制造出来的单独部件。
41.上述实施例仅仅是清楚地说明本发明所作的举例，而非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里也无需也无法对所有的实施例予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。