[发明专利]一种基于PCA-KNN的TBM施工围岩综合分级预测方法

说明书

本发明公开了一种基于PCA‑KNN的TBM施工围岩综合分级预测方法，采用k近邻算法对所得到的若干主成分变量及对应的综合围岩等级进行训练学习，建立各指标‑综合围岩分级的数学模型；基于训练数据对检测数据提取主成分并用已建立的数学模型验证所建立模型的准确性；获取未开挖掌子面附近进行影响因素指标值，并基于训练数据的平均值和标准差等进行主成分分析，得到相应的主成分后用已获得的数学模型进行TBM施工围岩综合分级预测。本发明克服了岩体条件的不确定性、岩机相互作用的复杂性等带来的困难，有效选取TBM性能及围岩预测的主要影响因素，FPI可以作为联系掘进参数与地质参数的纽带，选取的各地质因素也是影响TBM性能的主要影响因素。

技术领域

本发明属于围岩综合分级预测技术领域，尤其涉及一种基于PCA-KNN的TBM施工围岩综合分级预测方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

在采用TBM(Tunnel Boring Machine)施工的隧道中，由于TBM对地质变化敏感，且前期投资较大，根据地质条件进行TBM施工的可行性判断、TBM选型、TBM施工进度安排及成本估计等显得十分重要。

目前国内外传统的隧道围岩分级方法大多服务于钻爆法等传统施工方法，不能有效指导TBM隧道施工。因此，在实际TBM隧道施工过程中，必须考虑不同地质环境对TBM施工带来的影响，对TBM施工围岩综合分级预测也成为现场工程中必须考虑到的重点。

目前，对TBM施工围岩综合分级预测面临着一系列难以处理的问题。

具体问题如下：

TBM隧道国内外暂时没有一套统一的分级标准，已有的围岩分级方法一般只使用与钻爆法施工的隧道中，没有一套统一的标准，有的只是针对钻爆法的规范，有的只是针对不同特定类型的隧道分级，不适用于TBM施工；

TBM机型较大，会将掌子面挡住，很难看清掌子面前方围岩具体情况；

岩体条件的不确定性、岩机相互作用的复杂性和施工过程的多变性是制约TBM性能及围岩预测的主要因素；

如何选取对TBM施工性能产生影响重要的影响因素具有很大主观性；

如何建立准确有效的多影响因素与TBM施工性能的关系也是一大难点。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于PCA-KNN的TBM施工围岩综合分级预测方法,基于统计学方法对现场施工数据进行深入挖掘，评价信息丰富，结果准确率高，简单高效，方便快捷。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于PCA-KNN的TBM施工围岩综合分级预测方法,包括：

以TBM实际施工速度为指标将施工围岩分级；

确定TBM施工围岩综合分级所有的影响因素指标；

获取需要进行预测的工区影响因素指标数据和相应的根据施工速度分级的综合围岩等级分级数据，并对影响因素指标值进行均值方差归一化；

采用主成分分析法对已开挖得到的影响因素进行主成分分析，得到若干主成分变量，并与根据施工速度分级的综合围岩等级相对应；

采用k近邻算法对所得到的若干主成分变量及对应的综合围岩等级进行训练学习，建立各指标-综合围岩分级的数学模型；

基于训练数据对检测数据提取主成分并用已建立的数学模型验证所建立模型的准确性；