[发明专利]一种隧道花岗岩断层涌水风险等级预测方法

权利要求书

1.一种隧道花岗岩断层涌水风险等级预测方法，其特征在于，包括以下步骤：

S1：构建隧道花岗岩断层涌水的风险指标体系；

S2：获取风险指标体系中各风险指标对应的历史样本数据；

S3：确定各样本的涌水风险等级评估值；

S4：建立样本数据集，所述样本数据集包括各风险指标对应的历史样本数据和各样本的涌水风险等级评估值；

S5：搭建BP神经网络模型，应用样本数据集训练BP神经网络模型，得到涌水风险等级评估模型；

S6：获取各风险指标对应的新工程数据，并带入涌水风险等级评估模型，得到涌水风险等级预测值。

2.如权利要求1所述的隧道花岗岩断层涌水风险等级预测方法，其特征在于，步骤S1中所述风险指标体系包括：

工程地质参数指标，其具体包括断层岩性、断层填充物、断层性质和断层宽度；

水文地质参数指标，其具体年均降雨量、地表水量、地下水量、含水层透水性和断层含水量；

施工设计参数指标，其具体包括施工工法、隧道埋深、超前注浆和超前支护方式。

3.如权利要求1所述的隧道花岗岩断层涌水风险等级预测方法，其特征在于，步骤S3中确定各样本的涌水风险等级评估值具体包括以下步骤：

S3-1：确定风险指标体系中各风险指标的权重；

S3-2：确定各样本的每项风险指标的评分；

S3-3：将各样本中每项风险指标的评分与对应的风险指标权重相乘后再求和得到各样本的涌水风险等级评估值。

4.如权利要求3所述的隧道花岗岩断层涌水风险等级预测方法，其特征在于，步骤S3-1中确定风险指标体系中各风险指标的权重具体包括以下步骤：

S3-1-1：根据1-9标度法构建风险指标体系中各风险指标的重要性对比矩阵；

S3-1-2：计算所述对比矩阵中每行数据的几何平均数；

S3-1-3：将步骤S3-1-2中得到的数据进行归一化处理，得到各风险指标的权重。

5.如权利要求3所述的隧道花岗岩断层涌水风险等级预测方法，其特征在于，步骤S3-2中确定各样本的每项风险指标的评分具体包括以下步骤：

S3-2-1：根据各风险指标的特征状态以及特征状态对应的安全风险影响程度建立各风险指标的评分标准；

S3-2-2：将各样本的数据依照各风险指标的评分标准得到各样本的每项风险指标的评分。

6.如权利要求1所述的隧道花岗岩断层涌水风险等级预测方法，其特征在于，步骤S5中，所述BP神经网络模型包括输入层、隐含层、输出层，所述输入层的输入数据为各风险指标对应的数据，所述输出层的输出数据为涌水风险等级预测值。

7.如权利要求6所述的隧道花岗岩断层涌水风险等级预测方法，其特征在于，计算所述BP神经网络模型得到的各样本的涌水风险等级预测值与对应样本的涌水风险等级评估值之间的误差，并将误差回传给网络层，以训练所述BP神经网络模型。

8.如权利要求6所述的隧道花岗岩断层涌水风险等级预测方法，其特征在于，所述BP神经网络模型采用函数f₁(x)为输入层和隐含层之间的传递函数，采用f₂(x)为隐含层和输出层之间的传递函数，

f₂(x)＝x (2)

其中，x为隐含层或输出层的下层的输入变量值。

9.如权利要求8所述的隧道花岗岩断层涌水风险等级预测方法，其特征在于，所述BP神经网络模型中输入层、隐含层和输出层数量分别为[1，1，1]，输入层、隐含层和输出层的神经元数量分别为[13，5，1]。