CN119435131A 隧道施工塌方预警方法及系统 （河南晟源路桥工程管理有限公司）

在隧道内部署分布式位移传感器来实现对隧道序分析技术对采集的位置测量数据进行细粒度测量点间位移模式特征进行全局视角下的时序2获取由分布式位移传感器采集的位置测量数据对所述位置测量数据的数据集进行细粒度位移模式特征提取以得到隧道测量点间位对所述隧道测量点间位移模式语义编码特征向量的时间队列进行时序动态传播聚合其中，对所述隧道测量点间位移模式语义编码特征向量的序关联强度的特征调制聚合以得到所述位移模式时序显著传数据集进行细粒度位移模式特征提取以得到隧道测量点间位移模式语义编码特征向量的将所述位置测量数据的数据集按照时间戳进行数据切分以得到位移测量数据子集的分别提取所述位移测量数据子集的时间序列中的各个位移测量数据子集的测量点间位移模式特征以得到所述隧道测量点间位移模式语义编码特征向量的时数据子集的时间序列中的各个位移测量数据子集的隧道测量点间位移模式特征以得到所将所述位移测量数据子集的时间序列中的各个位移测量数据子集按照所述分布式位移传感器的位置分布构造为位移测量分布矩阵的时间序将所述位移测量分布矩阵的时间序列中的各个位移测量分布矩阵分别输入基于空洞卷积神经网络模型的隧道测量点间位移模式特征提取器以得到所述隧道测量点间位移模征向量的时间队列进行基于时序关联强度的特征调制聚合以得到所述位移模式时序显著计算所述隧道测量点间位移模式语义编码特征向量的时间队列中的各个隧道测量点间位移模式语义编码特征向量相对于所述当前隧道测量点间位移模式语义编码特征向量的时序关联强度提示值以得到隧道测量点间位移模式时序基于所述隧道测量点间位移模式时序关联强度提示值的时间队列间位移模式语义编码特征向量的时间队列进行门控掩码调制以得到强度调制后隧道测量对所述强度调制后隧道测量点间位移模式语义编码特征向量的时间队列进行前向时3量的时间队列进行门控掩码调制以得到强度调制后隧道测量点间位移模式语义编码特征提取所述隧道测量点间位移模式时序关联强度提示值的时间队列的中位数作为时序语义编码特征向量的时间队列和所述隧道测量点间位移模式时序关联强度提示值的时间队列输入所述门控单元以得到所述强度调制后隧道测量点间位移模式语义编码特征向量的时间队列。列和所述隧道测量点间位移模式时序关联强度提示值的时间队列输入所述门控单元以得若所述隧道测量点间位移模式时序关联强度提示值小于所述将其对应的隧道测量点间位移模式语义编码特征向量置0以得到所述强度调制后隧道测量若所述隧道测量点间位移模式时序关联强度提示值大于等于所述时序关联强度门阈语义编码特征向量进行加权调制以得到所述强度调制后隧道测量点间位移模式语义编码测量点间位移模式语义编码特征向量的时间队列进行前向时序传播聚合以得到所述位移将所述强度调制后隧道测量点间位移模式语义编码特征向量的时间队列输入基于前将所述位移模式时序显著传播聚合特征向量输入基于分类器的塌方预警分析模块以位置测量数据获取模块，用于获取由分布式位移传感器采集的位置测量数据的数据细粒度位移模式特征提取模块，用于对所述位置测量数式特征提取以得到隧道测量点间位移模式语义编码特征向量的时位移模式时序动态传播聚合模块，用于对所述隧道测量点间量的时间队列进行时序动态传播聚合以得到位移模式时序显著隧道塌方预警提示模块，用于基于所述位移模式时序显著传4语义编码特征向量的时间队列进行基于时序关联强度的特征调制聚合以得到所述位移模将所述位置测量数据的数据集按照时间戳进行数据切分以得到位移测量数据子集的分别提取所述位移测量数据子集的时间序列中的各个位移测量数据子集的测量点间位移模式特征以得到所述隧道测量点间位移模式语义编码特征向量的时5[0009]对所述位置测量数据的数据集进行细粒度位移模式特征提取以得到隧道测量点[0010]对所述隧道测量点间位移模式语义编码特征向量的时间队列进行时序动态传播[0011]基于所述位移模式时序显著传播聚合特征向量，确定是否产生隧道塌方预警提于时序关联强度的特征调制聚合以得到所述位移模式时序显著传播6以挖掘出隧道内部位移状态的全局变化趋势，从而实现对隧道塌方风险的智能预警提示。[0017]图3为本申请实施例的隧道施工塌方预警方法中，对所述位置测量数据的数据集进行细粒度位移模式特征提取以得到隧道测量点间位移模式语义编码特征向量的时间队[0018]图4为本申请实施例的隧道施工塌方预警方法中，对所述隧道测量点间位移模式语义编码特征向量的时间队列进行时序动态传播聚合以得到位移模式时序显著传播聚合[0019]图5为本申请实施例的隧道施工塌方预警方法中，以所述当前隧道测量点间位移的时间队列进行基于时序关联强度的特征调制聚合以得到所述位移模式时序显著传播聚7量数据的数据集进行细粒度位移模式特征提取以得到隧道测量点间位移模式语义编码特位置测量数据的数据集按照时间戳进行数据切分以得到位移测量数据子集的时间序列；S22，分别提取所述位移测量数据子集的时间序列中的各个位移测量数据子集的测量点间位移模式特征以得到所述隧道测量点间位移模式语义编码特征向量的时行分析不仅会导致计算效率低下，并且容易在数据的时序分析过程中造成细节信息的损8移测量数据子集的测量点间位移模式特征以得到所述隧道测量点间位移模式语义编码特网络模型对所述位移测量分布矩阵的时间序列中的各个位移测量分布矩阵分别进行关联模式语义编码特征向量的时间队列。数据子集的隧道测量点间位移模式特征以得到所述隧道测量点间位移模式语义编码特征测量分布矩阵的时间序列中的各个位移测量分布矩阵分别输入基于空洞卷积神经网络模型的隧道测量点间位移模式特征提取器以得到所述隧道测量点间位移模式语义编码特征向量的时间队列。时间点相对于当前时间点的位移模式特征的关联强度，动态地调整特征的时序聚合权重。编码特征向量的时间队列进行基于时序关联强度的特征调制聚合以得到所述位移模式时移模式语义编码特征向量的时间队列中提取当前隧道测量点间位移模式语义编码特征向9时序关联强度的特征调制聚合以得到所述位移模式时序显著传播聚合特征向量，包括：间位移模式语义编码特征向量相对于所述当前隧道测量点间位移模式语义编码特征向量的时序关联强度提示值以得到隧道测量点间位移模式时序关联强度提示值的时间队列；点间位移模式语义编码特征向量的时间队列进行门控掩码调制以得到强度调制后隧道测移模式语义编码特征向量的时间队列进行前向时序传播聚合以得到所述位移模式时序显时间队列中的各个隧道测量点间位移模式语义编码特征向量相对于所述当前隧道测量点间位移模式语义编码特征向量的时序关联强度提示值以得到隧道测量点间位移模式时序式语义编码特征向量的时间队列中的各个隧道测量点间位移模式语义编码特征向量相对于所述当前隧道测量点间位移模式语义编码特征向量的时序关联强度提示值以得到隧道测量点间位移模式时序关联强度提示值的时间队列的公pp模式语义编码特征向量的个数，和分别表示所述第i个隧道测量点间位移模式语义编码特征向量的第j位置的特征值和所述当前隧道测量点间位移模式语义编码特征向量的编码特征向量的时间队列进行门控掩码调制以得到强度调制后隧道测量点间位移模式语p[0042]其中，xi表示所述隧道测量点间位移模式语义编码特征向量的时间队列中的第ip点间位移模式语义编码特征向量的时间队列中的第i个强度调制后隧道测量点间位移模式特征向量的时间队列和所述隧道测量点间位移模式时序关联强度提示值的时间队列输入所述门控单元以得到所述强度调制后隧道测量点间位移模式语义编码特征向量的时间队列。隧道测量点间位移模式语义编码特征向量的时间队列和所述隧道测量点间位移模式时序关联强度提示值的时间队列输入所述门控单元以得到所述强度调制后隧道测量点间位移量置0以得到所述强度调制后隧道测量点间位移模式语义编码特征向量；若所述隧道测量序关联强度门阈值后作为权重系数与对应的隧道测量点间位移模式语义编码特征向量进行加权调制以得到所述强度调制后隧道测量点间位移模式语义编征向量的时间队列进行前向时序传播聚合以得到所述位移模式时序显著传播聚合特征向征向量的时间队列进行前向时序传播聚合以得到所述位移模式时序显著传播聚合特征向[0048]其中，X,表示强度调制后隧道测量点间位移模式语义编i,和xp,分别表示所述强度调制后隧道测量点间位移模式语义编码特征向量的时时间队列进行前向时序传播聚合以得到所述位移模式时序显著传播聚合特征向量，包括：将所述强度调制后隧道测量点间位移模式语义编码特征向量的时间队列输入基于前向LSTM模型的特征动态传播模块以得到所述位移模式时序显著传播列中的各个隧道测量点间位移模式语义编码特征向量分别表示同一时间点的各个隧道测个位移传感器的测量性能存在差异同时同一位移传感器在不同时间点的测量性能也有可征动态传播聚合得到的所述位移模式时序显著传播聚合特征向量在高维特征空间中的整[0053]将所述位移模式时序显著传播聚合特征向量输入基于Softmax函数的预分类器以[0054]计算所述位移模式时序细粒度类概率标签向量与其转置向量之间的乘积以得到[0055]将所述位移模式时序细粒度全标签域调制矩阵中的各个位置的特征值分别除以所述位移模式时序显著传播聚合特征向量的尺度值的平方根以得到位移模式时序细粒度[0056]将所述位移模式时序细粒度全标签域尺度调制矩阵输入基于多级门控函数的类概率域注意力稀疏模块以得到稀疏化位移模式时序细粒度全标签移模式时序细粒度全标签域尺度调制矩阵与所述位移模式时序显著传播聚合特征向量进行矩阵相乘以得到优化的位移模式时序显著传播聚[0058]将所述优化的位移模式时序显著传播聚合特征向量输入所述基于分类器的塌方表示所述位移模式时序显著传播聚合特征向量的尺度值，表示位移模式时序细粒度类pppppp并对特征分布中的干扰成分进行有效掩盖，这样提高特征向量的流形表达的对抗鲁棒性。以得到隧道测量点间位移模式语义编码特征向量的时间队列的另一个可能的实施方式为：和时域特征提取相结合的方法。频域分析通过傅里叶变换(FFT)或小波变换(WT)将时间序别分析(LDA)进行特征降维，减少特征的维度，提高计算效率。接下来，使用自编码器(Autoencoder)或变分自编码器(VAE)等深度学习模型对融合后的多维度特征向量进行语进行时序动态传播聚合以得到位移模式时序显著传播聚合特征向量的另一个可能的实施成一个新的特征向量序列，使用递归神经网络(RNN)或长短期记忆网络(LSTM)对这个新的数据的数据集进行细粒度位移模式特征提取以得到隧道测量点间位移模式语义编码特征语义编码特征向量的时间队列进行时序动态传播聚合以得到位移模式时序显著传播聚合特征向量；隧道塌方预警提示模块140，用于基于所述位移模式时序显著传播聚合特征向间位移模式语义编码特征向量的时间队列提取当前隧道测量点间位移模式语义编码特征测量点间位移模式语义编码特征向量的时间队列进行基于时序关联强度的特征调制