[发明专利]一种基于神经网络的隧道渗漏速率预测方法

权利要求书

1.一种基于神经网络的隧道渗漏速率预测方法，其特征在于，包含以下步骤：构建基于卷积神经网络和长短时记忆网络的隧道渗漏速率预测模型，利用训练数据集和测试数据集对隧道渗漏速率预测模型进行训练，将预测数据集输入训练好的隧道渗漏速率预测模型，获得与隧道影像对应的渗漏水流速；

形成训练数据集或测试数据集或预测数据集的方法包含：

数据源获取：采集多期隧道的三维激光扫描影像，并同步记录隧道内渗漏水位置和流速；

数据源标注：将采集得到的隧道影像划分为相同大小的小影像，将采集的渗漏水流速与每一个小影像对应匹配，将相同位置的多期小影像和渗漏水流速构成一个单样本，所有的单样本形成初步数据集；

数据预处理：对渗漏水流速做归一化处理形成最终数据集；

构建隧道渗漏速率预测模型的方法包含：采用深度学习框架搭建包含卷积神经网络和长短时记忆网络的隧道渗漏速率预测模型，数据集输入卷积神经网络，卷积神经网络输出多维向量，卷积神经网络输出的多维向量和渗漏水流速的归一化值输入长短时记忆网络，长短时记忆网络输出预测得到的渗漏水流速值；

所述的卷积神经网络的输出向量长度包含：收敛、接缝张开、沉降、错台、渗漏位置、地下水类型、水土压力、地层水平方向渗透系数、地层竖直方向渗漏系数、贮水率、防水条老化。

2.如权利要求1所述的基于神经网络的隧道渗漏速率预测方法，其特征在于，所述的深度学习框架采用TensorFlow或PyTorch。

3.如权利要求1所述的基于神经网络的隧道渗漏速率预测方法，其特征在于，所述的卷积神经网络采用在大数据集中预训练好的VGG或ResNet。

4.如权利要求1所述的基于神经网络的隧道渗漏速率预测方法，其特征在于，训练隧道渗漏速率预测模型的方法包含：

利用训练数据集对隧道渗漏速率预测模型进行训练；

利用测试数据集测试隧道渗漏速率预测模型，如果精度指标小于等于阈值，则隧道渗漏速率预测模型训练完毕，如果精度指标大于阈值，则继续利用训练数据集对隧道渗漏速率预测模型进行训练。