摘要
本发明提出一种用于水平钻孔预测隧道开挖涌水量的方法,涉及隧道施工涌水量预测技术领域,包括:获取涌水量时序数据和地质参数数据;利用基于岩体完整性修正的古德曼公式,根据涌水量时序数据计算各监测点所在位置的渗透系数;对涌水量时序数据进行分解,获得多个本征模态函数和一个残差项;形成训练数据集;构建包含GRU神经网络结构和物理约束机制的预测模型,利用训练数据集对预测模型进行训练,直至损失函数收敛,得到训练好的预测模型;获取当前监测数据,并输入训练好的预测模型,预测待开挖区段的涌水量和涌水风险等级。本发明能实现对隧道开挖过程中涌水量的精细化、高精度预测,避免传统方法粗粒度预测造成的安全隐患。
技术关键词
监测点
隧道
GRU神经网络
安装监测系统
静态特征
时序特征
集合经验模态分解方法
上下文特征
高风险
定向钻孔
样本
涌水量预测
时序依赖关系
滑动窗口方法
断层破碎带
数据传输装置
系统为您推荐了相关专利信息
塔设备
多元线性回归模型
训练样本数据
负荷预测模型
数据存储单元
正则化模型
多模态
参数辨识方法
凸优化算法
完备字典
深基坑作业
电缆隧道
有害气体含量
防护装置
定位单元