CN119538014A 基于多源数据的极高应力深部洞群围岩变形演化预测方法 (中国电建集团成都勘测设计研究院有限公司)_第1页
CN119538014A 基于多源数据的极高应力深部洞群围岩变形演化预测方法 (中国电建集团成都勘测设计研究院有限公司)_第2页
CN119538014A 基于多源数据的极高应力深部洞群围岩变形演化预测方法 (中国电建集团成都勘测设计研究院有限公司)_第3页
CN119538014A 基于多源数据的极高应力深部洞群围岩变形演化预测方法 (中国电建集团成都勘测设计研究院有限公司)_第4页
CN119538014A 基于多源数据的极高应力深部洞群围岩变形演化预测方法 (中国电建集团成都勘测设计研究院有限公司)_第5页
已阅读5页,还剩13页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于多源数据的极高应力深部洞群围岩变种基于多源数据的极高应力深部洞群围岩变形集地下洞室围岩多源监测数据建立多源特征数成分因子与围岩的稳定性程度建立地下洞室围地下洞室围岩形变预测模型基于目标围岩的地下洞室围岩形变预测的影响因子集对目标围岩2步骤S2:收集地下洞室围岩多源监测数据建立多源特征数据成分因子与地下洞室围岩的稳定性程度作为地下洞室围岩形变预步骤S3:收集已开挖地下洞室围岩形变数据和地下洞室围岩形变预测影响因子集参步骤S4:构建地下洞室围岩形变预测模型,基于收集的步骤S5:构建目标地下洞室围岩形变预测影响因子集,基2.根据权利要求1所述的基于多源数据的极高应力深部洞群围岩变形演化预测方法,基于灰色关联度法筛选出影响地下洞室围岩稳定性的关将影响地下洞室围岩稳定性的关键地质特征参数值作为DCNN_SVC模训练过程中,利用DCNN网络结构对关键地质特征参数进后的关键地质特征参数作为输入递进SVC模型中,基于ISABO算法搜寻SVC模型的最优超参3.根据权利要求2所述的基于多源数据的极高应力深部洞群围岩变形演化预测方法,其特征在于,将所述影响地下洞室围岩稳定性的关键地质特征参数采取最小_最大归一化4.根据权利要求1所述的基于多源数据的极高应力深部洞群围岩变形演化预测方法,5.根据权利要求4所述的基于多源数据的极高应力深部洞群围岩变形演化预测方法,6.根据权利要求5所述的基于多源数据的极高应力深部洞群围岩变形演化预测方法,7.根据权利要求1所述的基于多源数据的极高应力深部洞群围岩变形演化预测方法,将所述已开挖地下洞室围岩形变预测影响因子集和对应的地下洞室围岩形变数据按将训练集中的地下洞室围岩形变预测影响因子集参数作为SVR模型的输入参数,对应3将优化后的核函数参数和惩罚因子赋予SVR模型,获得训练完成的地下洞室围岩形变8.根据权利要求7所述的基于多源数据的极高应力深部洞群围岩变形演化预测方法,9.根据权利要求1_8任意一项所述的基于多源数据的极高应力深部洞群围岩变形演化围岩开挖扰动进程中岩体破裂产生的微震事件的时空分布以基于微震事件的时空分布以及能量大小信息和地下洞室围岩形变预测模型对目标地4[0004]本发明所要解决的技术问题是提供一种基于多源数据的极高应力深部洞群围岩的主成分因子与地下洞室围岩的稳定性程度作为地下洞室围岩形变预数据和地下洞室围岩形变预测影响因子集参数对构建的地下洞室围岩形变预测模型进行基于灰色关联度法筛选出影响地下洞室围岩稳定性的关5完成后的关键地质特征参数作为输入递进SVC模型中,基于ISABO算法搜寻SVC模型的最优[0007]进一步的,将所述影响地下洞室围岩稳定性的关键地质特征参数采取最小_最大[0010]进一步的,步骤S2中所述多源特征数据集中包括地下围岩多点位移计的监测数将所述已开挖地下洞室围岩形变预测影响因子集和对应的地下洞室围岩形变数将训练集中的地下洞室围岩形变预测影响因子集参数作为SVR模型的输入参数,将优化后的核函数参数和惩罚因子赋予所述SVR模型,获得训练完成的地下洞室岩开挖扰动进程中岩体破裂产生的微震事件的时空基于微震事件的时空分布以及能量大小信息和地下洞室围岩形变预测模型对目标地下洞室围岩的形变预测结果分析地下洞室围岩内部的形变的稳定性程度进行量化后与从地下洞室围岩多源监测数据中筛选出的主成分因子进行结6下洞室围岩稳定性程度的多元地质特征参数中选取关键地质特征参数作为DCNN_SVC模型[0022]为了防止大数据淹没小数据的情况,同时保证选取出的关键地质特征参数在7关键地质特征参数的特征提取的结果作为SVC的输入进行训[0024]基于确定的影响围岩稳定性程度的关键地质特征参数和围岩的稳定程度分类量化标准制作用于对DCNN_SVC模型进行训练[0025]在围岩地质样本有限的情况下可利用地质情况相近的工类模型。种群生成方法与快速寻优决策的目的,其中个体维度数据生成器的表达式为:,,;的主成分因子与地下洞室围岩稳定性程度作为地下洞室围岩形变预8(1)计算核矩阵。利用核函数将原始空间的数据点映射到一个高维特征空间。[0036]基于围岩的稳定性程度和筛选出的主成分因子建立地下洞室围岩形变预测影响数据和地下洞室围岩形变预测影响因子集参数对构建的地下洞室围岩形变预测模型进行⃞=x+91x(u1xx-u2x邓)+92xsx(u1XMean(XT)-u2x),式中u1、v2为随机参数;5为自适匀随机数,其中91e(-1,1),62e(-0.5,0.5)。[0040]如图2所示,将步骤S3中的地下洞室围岩影响参数因子集和对应的地下洞室围岩形变数据按照2:8的比例划分为测试集与训练集。将训练集中的地下洞室围岩形变预测影输出标签对SVR模型进行训练。模型训练过程中基于NRBO寻优算法对SVR模型进行参数寻9试集输入训练后的地下洞室围岩形变预测模型中进行

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论