(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111465674.5 (22)申请日 2021.12.02 (71)申请人 中铁五局集团有限公司城市轨道交 通工程分公司 地址 410000 湖南省长 沙市长沙高新开发 区咸嘉湖西路475号科研大楼第5层 申请人 中南大学　 云南省滇中引水工程建 设管理局 (72)发明人 肖钢　张文涛　王树英　龚振宇　 胡开富　雷波　韦炼　杨红霞　 冯志耀　普恒　罗朋　占永杰　 谭鹏昌　杨龙虎　 (74)专利代理 机构 长沙市融智专利事务所(普 通合伙) 43114 代理人 谢浪(51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于CNN神经网络的隧道侵限预防方法 (57)摘要 本发明公开了一种基于CNN神经网络的隧道 侵限预防方法， 该隧道侵限预防方法利用CNN神 经网络较为准确地训练学习得到岩 土分界面、 拱 脚含水率与拱顶预留变形量之间的关系， 根据隧 道掌子面的实测含水率和岩土交界面位置实时 动态地调整隧道拱顶预留变形量， 从而在一定程 度上避免隧道侵限的发生。 权利要求书1页 说明书4页 附图2页 CN 114297745 A 2022.04.08 CN 114297745 A 1.一种基于 CNN神经网络的隧道侵限预防方法,其特 征在于， 包括如下步骤： S1： 沿隧道轴向将隧道划分为 n段， 并在每段 拱顶位置处布设沉降监测点； S2： 基于隧道的地质纵断面图及现场实际施工揭露的岩土分界面情况， 当岩土分界面 位于上台阶拱脚以上时， 上台阶拱顶的预留变形量设置为零， 当岩土分界面位于上台阶拱 脚以下时， 确定上台阶拱脚 距岩土分界面的高度h、 上台阶拱脚处土体的含水率w、 初步设置 上台阶拱顶的预留变形量d； S3： 根据S2中所述的h、 w、 d， 测定不同含水率下上台阶拱脚处土体的物理力学参数， 并 结合地勘给出的各土层的物理力学参数， 建立数值模型， 计算拱顶和拱脚沉降值， 通过与现 场实测的沉降值进行对比、 调整， 确保数值模型的准确性； S4： 以S2中所述的h、 w、 d为基准集， 利用MATLAB分别生成正态分布的数组， 通过S3中所 述的数值模型计算出拱顶最大沉降值z， 将符合0.9d≤z≤1.1d情况下的h、 w作为输入层， d 作为输出层， 通过训练构建CN N神经网络； S5： 将开挖隧道第i段时， 掌子面对应的岩土分界面距底板的高度hi， 上台阶拱脚处土体 的含水率wi， 输入到CNN神经网络， 通过训练学习得到第i+1段 的预留变形量di+1， 并通过数 值模型计算di+1下对应的拱顶沉降值； S6： 根据S5中训练学习得到 的预留变形量di+1进行设置， 然后进行开挖第i+1段并及时 支护， 实时监测拱顶最大沉降值； S7： 重复上述S5 ‑S6， 逐段向前施工 。 2.根据权利要求1所述的隧道侵限预防方法,其特征在于： 所述沉降监测点布置在每段 纵向中间位置处。 3.根据权利要求1所述的隧道侵限预防方法,其特征在于： 利用MATLAB中的normrnd函 数生成正态分布的数组。 4.根据权利要求1所述的隧道侵限预防方法,其特征在于： 所述S1步骤中每一分段的长 度为5‑10m。 5.根据权利要求1所述的隧道侵限预防方法,其特征在于： 所述S2步骤中初步设置上台 阶拱顶的预留变形量d为10 ‑20cm。 6.根据权利要求1所述的隧道侵限预防方法,其特征在于： 所述S3中的物 理力学参数包 括弹性模量、 泊松比、 粘聚力和内摩擦角。权　利　要　求　书 1/1 页 2 CN 114297745 A 2一种基于CN N神经网络的隧道侵限预防方 法 技术领域 [0001]本发明涉及隧道 施工技术领域， 尤其涉及一种CN N神经网络的隧道侵限预防方法。 背景技术 [0002]随着地下轨道交通、 引水隧洞的迅猛发展， 新建隧道所遇到 的水文地质环境较以 往更加复杂， 在其施工过程中难免会遇到富水地层。 对于上软下硬地层隧道而言， 上台阶拱 脚往往坐落于全 ‑强风化岩层或土层， 当拱脚遇水浸泡时， 其承载力会发生极大程度地降 低， 从而导致初支结构发生整体下沉， 进而诱 发拱顶沉降进而导致初支 严重的侵限， 轻则影 响二衬的施作， 重则造成严重的隧道的坍塌事故， 现场常采用预留拱顶变形量来抵消隧道 拱顶的沉降， 以避免初支侵限。 但目前隧道中拱顶预留变形量设置往往是根据工程经验， 难 以准确把控， 当设置的过大时， 会造成二衬结构过后， 浪费材料； 当设置的过小时， 会导致初 支侵限。 [0003]综上， 如何设置合理的拱顶预留变形量是隧道 施工亟待解决的一个问题。 发明内容 [0004]本发明的主要目的在于提供一种基于CNN神经 网络的隧道侵限预防方法， 利用CNN 神经网络较为准确地训练学习得到岩土分界面、 拱脚含水率与拱顶预留变形量之间的关 系， 根据隧道掌子面的实测含水率和岩土交界面位置实时动态地调整隧道拱顶预留变形 量， 从而在一定程度上避免隧道侵限的发生。 [0005]为此， 本发明提供的基于 CNN神经网络的隧道侵限预防方法， 包括如下步骤： [0006]S1： 沿隧道轴向将隧道划分为 n段， 并在每段 拱顶位置处布设沉降监测点； [0007]S2： 基于隧道的地质纵断面图及现场实际施工揭露的岩土分界面情况， 当岩土分 界面位于上台阶拱脚以上时， 上台阶拱顶的预留变形量设置为零， 当岩土分界面位于上台 阶拱脚以下时， 确定上台阶拱脚 距岩土分界面的高度h、 上台阶拱脚处土体的含水率w、 初步 设置上台阶拱顶的预留变形量d； [0008]S3： 根据S2中所述的h、 w、 d， 测定不同含水率下上台阶拱脚处土体的物理力学参 数， 并结合地勘给出的各土层的物理力学参数， 建立数值模型， 计算拱顶和拱脚沉降值， 通 过与现场实测的沉降值进行对比、 调整， 确保数值模型的准确性； [0009]S4： 以S2中所述的h、 w、 d为基准集， 利用MATLAB分别生成正态分布的数组， 通过S3 中所述的数值模型计算出拱顶最大沉降值z， 将符合0.9d≤z≤1.1d情况下的h、 w作为输入 层， d作为输出层， 通过训练构建CN N神经网络； [0010]S5： 将开挖隧道第i段时， 掌子面对应的岩土分界面距底板的高度hi， 上台阶拱脚 处土体的含水率wi， 输入到CNN神经网络， 通过训练学习得到第i+1段的预留变形量di+1， 并 通过数值模型计算di+1下对应的拱顶沉降值； [0011]S6： 根据S5中训练学习得到的预留变形量di+1进行设置， 然后进行开挖第i+1段并 及时支护， 实时监测拱顶最大沉降值；说　明　书 1/4 页 3 CN 114297745 A 3