一种隧道洞口地表沉降监测与安全预警方法与流程

本发明涉及一种隧道洞口地表沉降监测与安全预警方法，适用于隧道施工监测领域。

背景技术：

1、隧道工程作为一项重要的基础设施建设，对于促进区域经济发展、改善交通状况具有重要意义。然而，隧道施工过程中，由于地质条件复杂多变，施工技术要求高，加之隧道穿越的地层可能存在软弱、破碎、含水等不利因素，使得隧道施工面临着诸多安全风险，其中隧道洞口地表沉降问题尤为突出。隧道洞口地表沉降不仅影响隧道结构的稳定性和使用寿命，还可能对周边建筑物、道路及环境造成严重影响，甚至引发安全事故。因此，对隧道洞口地表沉降进行有效的监测与安全预警，对于确保施工安全、预防事故发生具有至关重要的作用。

2、在对隧道洞口沉降进行测量过程中，目前行业普遍做法是在隧道洞口上方垂直于隧道轴线方向布置多个测线，每个测线间隔一定距离布置监测点位，通过对监测点位的沉降数据测量达到监测洞口顶部沉降的目的，同时随着计算机技术的不断发展和普及，行业内人员也开始采用一些算法建立模型，对获得的监测数据进行分析，根据分析的规律获得预测值达到预先预警的目的。

3、但是目前从业人员忽略了隧道洞口沉降监测数据存在特殊的特性，隧道洞口沉降监测数据常呈现高频率变化，尤其是在隧道洞口区域开挖和支护等施工活动频繁时；隧道洞口沉降监测数据会明显出现局部沉降，这是因为隧道洞口区域属于应力集中区域，非常容易产生异常的局部沉降；针对于上述隧道洞口沉降监测数据存在高频变化和局部沉降的特点，亟需要一种隧道洞口地表沉降监测与安全预警方法，针对高频变化和局部沉降的特点，进行针对性的分析。

技术实现思路

1、本发明的目的，是为了解决目前亟需要一种能够针对高频变化和局部沉降的特点的隧道拱顶沉降分析方法，提出了一种隧道洞口地表沉降监测与安全预警方法，

2、本发明的目的可以通过采取如下技术方案达到：

3、一种隧道洞口地表沉降监测与安全预警方法，其特征在于，所述的一种隧道洞口地表沉降监测与安全预警方法步骤为：

4、s101，监测点位的布置；

5、所述监测点位的布置，包括根据隧道洞口的地形地质情况布置洞口地表沉降监测点位，所述地表沉降监测点位分为多个测线垂直于隧道轴线方向布置，所述地表沉降监测点位数量为n个，表示为di，i＝1,2,...,n；

6、s102，数据采集与传输；

7、所述数据的采集和传输，根据所述地表沉降监测点位，按照一定的时间间隔开展测量工作，获得对应的地表沉降监测数据，通过有线或者无线的方式将监测数据传输至数据处理中心；

8、s103，数据处理与分析；

9、所述数据的处理和分析，包括对所述地表沉降监测数据进行数据分区建模分析方法获得地表沉降监测的预测数据；

10、所述数据的处理和分析，还包括所述数据分区建模分析方法的步骤为：

11、a)获得每个地表沉降监测点位di距离隧道中心线最小的横向距离hi和竖向距离bi，其中i＝1,2,...,n；

12、b)将所述地表监测点位分为两类，ⅰ类和ⅱ类，所述分类指标为：当地表沉降监测点位i所对应的hi大于2.5倍隧道断面设计宽度或者其所对应的竖向距离bi大于2.5倍隧道断面设计高度时，该监测点位为ⅱ类，否则该监测点位应为ⅰ类，最终获得ⅰ类地表沉降监测点位一共k个，表示为d1x，x＝1,2,...,k，对应的获得的监测数据集表示为c1x，同时获得ⅱ类地表沉降监测点位l个，表示为d2y，y＝1,2,...,l，对应的获得的监测数据集表示为c2y，其中k+l＝n；

13、c)获得需要分析的1个地表沉降监测点位i，

14、d)当所述地表沉降监测点位i分类结果为ⅰ类时，采用基于长短期记忆神经网络进行构建预测模型获得预测值y，连续使用所述长短期记忆神经网络进行构建预测模型获得预测值一共进行x次，获得的x个预测值，对所述x个预测值进行计算均值和标准差，根据所述均值和标准差的计算结果且假设其服从正态分布，计算90％的置信区间，最终获得预测值的90％置信区间，

15、e)当所述地表沉降监测点位i分类结果为ⅱ类时，采用线性回归构建预测模型获得预测值，

16、f)重复上述步骤c～e，直到所有的监测点位都得到分析，最终获得基于每个ⅰ类地表沉降监测点位的预测值的95％置信区间，最终还会获得基于每个ⅱ类地表沉降监测点位的预测值；

17、s104，安全预警；

18、所述安全预警，包括基于所述数据处理和分析，并根据隧道洞口地形地质情况结合所述分类标准，分别针对地表沉降监测点位ⅰ类和ⅱ类分别制定预警标准1和预警标准2；

19、所述安全预警，还包括当所述某个ⅰ类地表沉降监测点位的预测值的95％置信区间显示超过所述预警标准1时，则该ⅰ类地表沉降监测点位所在位置发出安全预警，当所述某个ⅱ类地表沉降监测点位的预测值超过所述预警标准2时，则该ⅱ类地表沉降监测点位所在位置发出安全预警；

20、进一步的，上述s103中，所述长短期记忆神经网络构建的预测模型在权重初始化过程中采用不固定随机种子；

21、进一步的，上述s103中中，所述x取值为100-1000；

22、进一步的，上述s103中，所述90％的置信区间的获得方法为：a)计算所述x个预测值的均值，b)计算所述x个预测值的标准差，c)确定90％置信水平对应的标准正态分布临界值，d)计算置信区间，公式为式(1)，

23、

24、式中，为均值，z为标准正态分布临界值，s为标准差。

25、本发明的有益效果是：

26、本发明的有益效果是：根据实际情况提出将所有地表沉降监测点位分为两类，同时采用数据分析建模分析方法，尤其是针对于ⅰ类地表沉降监测点位引入了不确定分析的方法，采用90％置信区间来考虑是否超出预警标准，具有高安全性和准确性优势。

技术特征：

1.一种隧道洞口地表沉降监测与安全预警方法，其特征在于，所述的一种隧道洞口地表沉降监测与安全预警方法步骤为：

2.根据权利要求1所述的一种隧道洞口地表沉降监测与安全预警方法，其特征在于，所述3)中，所述长短期记忆神经网络构建的预测模型在权重初始化过程中采用不固定随机种子。

3.根据权利要求1所述的一种隧道洞口地表沉降监测与安全预警方法，其特征在于，所述3)中，所述x取值为100-1000。

4.根据权利要求1所述的一种隧道洞口地表沉降监测与安全预警方法，其特征在于，所述3)中，所述90％的置信区间的获得方法为：a)计算所述x个预测值的均值，b)计算所述x个预测值的标准差，c)确定90％置信水平对应的标准正态分布临界值，d)计算置信区间，公式为式(1)，

技术总结
本发明提供了一种隧道洞口地表沉降监测与安全预警方法，适用于隧道施工监测领域，包括监测点位的布置、数据采集与传输、数据处理与分析和安全预警；本发明提出的一种隧道洞口地表沉降监测与安全预警方法，具有高安全性和准确性优势，可广泛的应用于隧道施工监测领域。

技术研发人员：刘斌,徐洪华,张海,罗平山,林雄奇,梁锦润,张俊杰,罗金文,胡彪,秦江华,陈双华,杨茂林,陈威柏,黄国忠,林治平,曹玉红,黄泉文
受保护的技术使用者：中交四航局第一工程有限公司
技术研发日：
技术公布日：2024/12/5