一种基于神经网络的二维地质剖面预测方法

本发明涉及机器学习、超前地质预报、二维地质预测领域，具体涉及一种基于神经网络的二维地质剖面预测方法。

背景技术：

1、近年来，随着我国国家经济水平的快速发展，城市人口密度不断增大，城市地面交通面临着巨大的压力，因此，发展以盾构法为代表的地下轨道交通成为提高居民出行效率、缓解地面交通压力的有效手段。而在修建隧道前，进行超前地质预报则是必不可少的环节，其主要目的在于为隧道掘进提供地质依据，地质预报结果的好坏对于后续施工质量具有重要影响。

2、目前进行超前地质预报的主要手段是基于隧道掘进前开展的周边地质勘察，对隧道沿线地质情况进行一个粗略的预测。其中，地质勘察部分主要为隧道沿线钻孔地质勘探，即先根据线路总体设计方案布置钻孔，然后采用泥浆护壁、回转钻进工艺钻孔取芯，对其进行取样分析；其他包括纵波测试、电阻率测试、标准贯入试验等原位测试，以及固结、直剪、颗粒分析等室内试验。进行上述地质勘察能够初步查明隧址区地形地貌、地层岩性、地质构造及不良地质现象，评价工程场地稳定性与适宜性，查明隧址区不良地质及特殊性岩土类型、分布范围和工程特性，分析评价其对隧道工程的不良影响，提出工程应对措施及建议。

3、基于地质勘探部分的地质预测一般主要采用传统的插值方法，或结合绘图者的个人经验进行地质预测。由于隧道纵向长度远大于横向长度，因此，沿隧道纵剖面的二维地质图像能较好地反应其所处的地质情况。在进行二维地质剖面图绘制时，往往根据钻孔地质勘探数据，结合线性插值、反距离加权插值、克里金插值等方法完整地还原隧道所处地质情况，对于经验较丰富的从业人员也可能根据个人经验进行绘制。具体情况根据所在的工程重要性、地质复杂程度等因素也有关。

4、上述方法虽然较为简便，但却存在以下问题：最主要的问题在于地质预测准确度不高，因为进行绘制时可用的钻孔数据非常稀疏，采用普通的插值方法很难还原真实地质分布规律，并且也不能从已知的地质数据中分析其内在联系；其次是方法的泛用性不强，传统的预测方法在不同的地质情况下预测结果可能较为理想，也可能偏差很大，这与具体选择的方法有很大关系；最后按个人经验绘制剖面图的方法主观性较大，并且很考验从业人员的个人水平。

5、以神经网络为代表的机器学习方法是近年来兴起的预测方法，具有非常广泛的应用前景和高准确度的特点，能够根据已有的稀疏地质数据，给出更准确的预测结果。

技术实现思路

1、本发明要克服现有技术的上述缺点，为提高在工程地质预报过程中预测结果的准确度，提供一种方法，通过ga(遗传算法)优化神经网络算法，结合一维稀疏钻孔数据，实现对二维地质剖面的高准确度预测。

2、本发明提出的基于ga优化神经网络的二维地质剖面预测方法利用勘探获得的钻孔信息作为输入变量，将各个钻孔间相邻的未知的地质信息作为输出变量，从而得到完整、高准确度的二维地质剖面信息；模型训练时将加密测点地区的地质数据作为训练集，正常地质勘探得到的钻孔信息作为测试集，并利用ga优化算法优化神经网络算法的超参数，进行模型训练，以获得准确的预测结果。

3、本方法分为四个步骤：首先，获取目标区域内稀疏勘探测点及加密测点的钻孔信息，构建地质剖面预测数据库；其次，构建基于神经网络算法的预测模型，结合加密测点地质信息进行初步训练；第三，结合遗传算法对神经网络算法的超参数进行优化与模型训练，得到优化后的预测模型；最后，基于上述已训练完成的预测模型，输入地质参数，预测得到完整、准确的二维地质剖面。

4、本发明的一种基于神经网络的二维地质剖面预测方法，具体实施步骤如下。

5、a.构建地质剖面预测数据库；

6、a1.选定目标工程隧道，确定所需预测的二维地质剖面位置及钻孔勘探测点的相对位置关系；

7、a2.根据确定的钻孔空间位置关系及钻孔勘探深度，进行初始地质勘探，收集一维稀疏钻孔信息；

8、a3.初步分析收集的钻孔勘探数据，并选择具有代表性的位置进行加密测点勘探，收集一定范围内详细的地质情况，并结合已有工程案例经验与理论方法进行该部分的二维地质剖面信息还原，作为数据训练集；

9、a4.归纳整合所收集的全部地质数据，包括地质类型、各项力学参数等，建立地质剖面预测数据库；

10、b.构建神经网络预测模型；

11、b1.构建神经网络算法，选择步骤a3中加密测点勘探还原的二维地质剖面信息作为训练数据，将其中与普通地质勘探测点对应位置的稀疏钻孔数据作为输入参数，训练数据中剩余地质数据作为输出参数；

12、b2.进行初始算法训练，采取多轮迭代预测的方法，在第一轮预测中，选取步骤b1中的输入参数作为第一轮预测的输入参数，将其中每两列一维钻孔数据中心位置处一维未知地质数据作为输出参数，预测得到结果视为完成第一轮训练预测；

13、b3.第一轮预测完成后，将原始输入参数与输出参数作为第二轮预测的输入参数，再次将新的输入参数中心位置处一维未知地质数据作为输出参数，从而完成第二轮预测。重复此步骤，直至完成最后一轮训练预测，并使用准确率、召回率进行模型初步评价；

14、c.ga优化算法优化神经网络模型；

15、c1.根据神经网络预测模型，构建遗传算法基本框架，完成初始群体生成、适应度评估检测等步骤；

16、c2.使用上述优化算法对神经网络中隐藏层大小、最大迭代次数、激活函数、求解器等参数进行优化，寻找最优超参数；

17、c3.基于已有多轮迭代预测方法，将最优超参数赋值给神经网络算法模型，得到优化后的模型，并进行模型二次训练；

18、d.预测二维地质剖面；

19、d1.选择加密测点勘探还原的二维地质剖面信息作为训练数据，其余稀疏地质勘探数据作为测试数据。并将对应位置的稀疏钻孔数据作为输入参数，输入步骤c3中已获得的遗传算法优化后的神经网络模型；

20、d2.将训练集中剩余未知的地质数据作为输出参数，按上述建立的预测模型进行训练预测；

21、d3.在训练完成后，将测试数据输入优化后的神经网络模型中，进行二维地质剖面预测，并采用准确率、召回率进行最终结果评估。

22、本发明的优点是：

23、1.对地质勘探资料的要求不高，可以基于工程本身的钻孔勘探资料进行预测，并进行预测准确度评价；

24、2.采用的神经网络算法具有较高的适应度和准确度，能够针对不同地质情况得到较为稳定、准确度高的预测结果，结合遗传算法优化训练后可以得到更高准确度的结果；

25、3.算法预测仅需部分人工操作，模型建立完成后，只需将初始地质数据输入即可得到完整的预测结果及结果分析；

26、4.输出的预测结果泛用性较强，能够直接导入excel、abaqus等软件进行后续数据处理、有限元分析等操作；

27、5.本方法可以在得到地质勘探数据后直接进行预测，能够迅速得到预测结果，所需的时间成本低；

技术特征：

1.一种基于神经网络的二维地质剖面预测方法，包括如下步骤：

技术总结
一种基于神经网络的二维地质剖面预测方法，通过机器学习中的神经网络算法与稀疏钻孔勘探数据相结合，进行二维地质剖面预测，实现对隧道纵向剖面地质情况的准确判断，实施步骤包括：首先，获取目标工程隧道加密测点及所需预测区间的稀疏钻孔地质信息，构建地质剖面预测数据库；其次，进行神经网络模型初步构建与预训练；第三，构建遗传算法基本框架，并对神经网络模型进行优化；第四，训练完成后，将测试数据输入优化后的神经网络模型中，进行二维地质剖面预测，并采用准确率、召回率进行最终结果评估。

技术研发人员：宋跃均,叶肖伟,高白越,宋轲,陈延博,方建华,李小军,赵立安
受保护的技术使用者：浙江大学
技术研发日：
技术公布日：2024/3/12