买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南交通大学;中国国家铁路集团有限公司

摘要：本发明涉及隧道工程技术领域，公开一种基于掌子面信息的隧道稳定性智能判定方法及系统，方法包括：构建包含隧道稳定性指标、隧道开挖信息、隧道掌子面图像的掌子面信息大数据库；对数据库进行系列处理，划分为训练集和测试集；构建CNN‑MLP多模态神经网络模型；采用训练集对CNN‑MLP多模态神经网络模型进行训练及优化，得到最优的融合隧道信息及节理分布图像信息多模态神经网络模型；采用得到的CNN‑MLP多模态神经网络模型进行验证，输出预测的隧道稳定性评定指标。本发明设计的双模态神经网络模型充分考虑围岩节理分布及施工因素同隧道稳定性关联关系，为隧道智能化施工及动态差异化支护提供有效的决策支持。

主权项：1.基于掌子面信息的隧道稳定性智能判定方法，其特征在于，步骤如下：S1、掌子面信息大数据库构建：构建包含隧道稳定性指标、隧道开挖信息、隧道掌子面图像的掌子面信息大数据库；对数据库进行系列处理，之后对其进行打乱划分为训练集和测试集；掌子面信息大数据包括以隧道稳定性评定指标、影响隧道稳定性隧道参数为主的反映隧道施工详细信息及围岩力学性质的文本数据信息，以隧道掌子面图像数据为主的反映隧道结构面节理裂隙随机分布特征的图像数据信息；S2、CNN-MLP多模态神经网络模型构建：构建CNN-MLP多模态神经网络模型，确定初始超参数；以所述训练集作为CNN-MLP多模态神经网络模型的输入，对模型进行训练及优化，得到最优的融合隧道信息及节理分布图像信息CNN-MLP多模态神经网络模型；S3、节理裂隙岩体隧道稳定性预测辨识：采用所述测试集对训练得到的CNN-MLP多模态神经网络模型进行验证，输出预测的隧道稳定性评定指标；在步骤S1中，掌子面信息大数据库构建的方法如下：S1.1构建掌子面信息子数据库集合，包括：以隧道掌子面安全性评定参数和隧道掌子面变形显著点域指标构成的隧道稳定性指标子数据库A；基于专家经验筛选得到含隧道岩体基质体物理力学性质、隧道岩体节理裂隙物理力学性质、隧道开挖工法、隧道支护结构详细参数构成的子数据库BI；由节理裂隙语义分割模型得到区分基质体和节理的结构面图像数据信息构成的子数据库BII；进行数据预处理操作，剔除含无效值、奇异值数据段；S1.2进行文本数据信息相关性分析操作，验证基于专家经验选取参数的可靠性和掌握隧道参数同稳定性指标关联关系；S1.3岩体力学参数图像化及图像增强操作，实现岩体力学信息图像可视化；和掌子面信息关联大数据库样本扩容；S1.4进行数据标准化处理及分组操作，区分为训练集和测试集；构建用于节理裂隙岩体隧道稳定性智能辨识的CNN-MLP多模态神经网络模型过程包括：S2.1建立MLP人工神经网络模型，以所述子数据库BI的训练集作为所述MLP人工神经网络模型的输入；S2.2建立CNN卷积神经网络模型，以所述子数据库BII的训练集作为所述CNN卷积神经网络模型的输入；S2.3基于MLP人工神经网络模型和CNN卷积神经网络模型构建用于隧道稳定性评定指标预测的CNN-MLP双模态神经网络模型，以所述训练集作为所述模型的输入并对其进行训练及优化；建立MLP人工神经网络模型包括：构建三层全连接神经网络，分别确定首层全连接层输入尺寸为子数据库BI训练集单数据展开尺寸，三层全连接层神经元数目分别为NAI、NAII、NAIII，确定各层激活函数为ReLU函数；建立CNN卷积神经网络模型包括：构建三层卷积神经网络和一层全连接神经网络，卷积神经网络均由具有3*3卷积核的卷积层、2*2池化层和正则化层组成；首层卷积神经网络输入尺寸为子数据库BII训练集单数据尺寸，三层卷积层具滤波器数目分别为NBI、NBII、NBIII,全连接神经网络具神经元数目NBIV同NAIII一致，确定各层激活函数为ReLU函数；构建用于隧道稳定性评定指标预测的CNN-MLP多模态神经网络模型包括：将所述MLP人工神经网络模型和CNN卷积神经网络模型的末层全连接层进行双模态特征融合，构建MLP-CNN融合层，再加三个全连接层，神经元数目分别为NCI、NCII、NCIII，其中NCIII依据子数据库A隧道稳定性指标热度化长度定义；确定CNN-MLP双模态神经网络模型学习率Lr、优化器算法Optimizer、损失函数Loss、最大训练次数Nepoch，将经过所述训练集导入到模型，编制自定义批函数控制训练内存量，编制训练监督模块预防过拟合，进行训练并验证得到最优的融合隧道信息及节理分布图像信息的CNN-MLP多模态神经网络模型。

全文数据：

权利要求：

百度查询： 西南交通大学 中国国家铁路集团有限公司 基于掌子面信息的隧道稳定性智能判定方法及系统