田四明，李術(shù)才，劉大剛，王明年

(1.山東大學(xué) 齊魯交通學(xué)院，山東 濟(jì)南 250061；2.中國鐵路經(jīng)濟(jì)規(guī)劃研究院有限公司，北京 100038；3.山東大學(xué)，山東 濟(jì)南 250061；4.西南交通大學(xué) 土木工程學(xué)院，四川 成都 610031；5.西南交通大學(xué) 隧道工程教育部重點(diǎn)實(shí)驗(yàn)室，四川 成都 610031)

隧道支護(hù)是保證隧道施工和運(yùn)營安全的最重要措施,支護(hù)設(shè)計(jì)也是隧道設(shè)計(jì)最主要的內(nèi)容,因此采用合適的隧道支護(hù)體系、研究合理的支護(hù)設(shè)計(jì)方法對隧道工程建造至關(guān)重要。

從力學(xué)角度分析,隧道修建過程是隧道施工力學(xué)狀態(tài)變化的過程,隧道支護(hù)設(shè)計(jì)本質(zhì)是控制隧道施工力學(xué)狀態(tài)變化過程的設(shè)計(jì)[1]。影響隧道施工力學(xué)狀態(tài)變化的因素眾多,不僅包括初始地應(yīng)力場、圍巖力學(xué)特性和構(gòu)造特性等地質(zhì)客觀因素以及隧道埋深、開挖斷面尺寸、支護(hù)形式、施工工法等施工人為因素,同時應(yīng)考慮隧道施工全過程中時空因素的影響,包括支護(hù)施做時間、噴混凝土齡期強(qiáng)度等時間因素以及斷面距掌子面開挖距離、斷面距仰拱封閉距離等空間因素。因此,一個理想化的隧道支護(hù)設(shè)計(jì)方法應(yīng)能充分考慮和體現(xiàn)隧道施工力學(xué)狀態(tài)變化全過程全要素的影響,并依據(jù)地質(zhì)客觀因素的變化,及時確定合理的隧道支護(hù)體系及參數(shù)、適宜的施工管控對策,即實(shí)現(xiàn)隧道支護(hù)設(shè)計(jì)與施工管控決策隨地質(zhì)的精準(zhǔn)動態(tài)響應(yīng),確保隧道施工力學(xué)狀態(tài)變化全過程安全可控。

在隧道支護(hù)體系方面,圍巖作為承載主體,如利用支護(hù)構(gòu)件調(diào)動和發(fā)揮圍巖自支護(hù)能力,減小支護(hù)承載負(fù)擔(dān)則成為研究的重點(diǎn)。為此相關(guān)學(xué)者針對各類支護(hù)構(gòu)件的作用機(jī)制問題開展了較為系統(tǒng)深入的研究[2-4],認(rèn)為超前支護(hù)、圍巖預(yù)加固等措施以及早高強(qiáng)噴射混凝土、預(yù)應(yīng)力錨桿等洞身支護(hù)構(gòu)件,具有主動加固圍巖、改善圍巖應(yīng)力狀態(tài)及時抑制圍巖變形松弛及其力學(xué)參數(shù)劣化等作用,將其歸為主動支護(hù)范疇,據(jù)此提出了主動支護(hù)體系的概念及內(nèi)涵,并利用主動支護(hù)體系在隧道工程實(shí)踐中發(fā)揮積極的作用。由于主動支護(hù)體系能更好地體現(xiàn)隧道新奧法建造理念,已成為當(dāng)代隧道支護(hù)發(fā)展的一個重要趨勢。

在隧道支護(hù)設(shè)計(jì)方面,現(xiàn)階段主要包括施工前的預(yù)設(shè)計(jì)與施工期的變更設(shè)計(jì)兩種,前者主要依據(jù)勘察階段獲取的地質(zhì)信息進(jìn)行開展,后者則通過對施工揭露的地質(zhì)狀況信息進(jìn)行檢驗(yàn)、確認(rèn),當(dāng)?shù)刭|(zhì)信息與預(yù)設(shè)計(jì)不符時,則開展相應(yīng)的設(shè)計(jì)變更。兩種支護(hù)設(shè)計(jì)均以地質(zhì)信息作為主要設(shè)計(jì)依據(jù),較少考慮施工人為因素的影響,且設(shè)計(jì)以規(guī)范法、類比法或經(jīng)驗(yàn)法為主,高度依賴于設(shè)計(jì)者經(jīng)驗(yàn),存在針對性不強(qiáng)、統(tǒng)一性不高、安全冗余度偏大等問題,難以適應(yīng)當(dāng)代隧道安全高效、綠色低碳的建造需求,亟須建立一套利用施工全過程全要素信息的隧道支護(hù)體系動態(tài)設(shè)計(jì)與決策方法。

近年來,隨著隧道施工智能裝備技術(shù)、信息化技術(shù)、大數(shù)據(jù)分析技術(shù)和人工智能技術(shù)等領(lǐng)域的不斷進(jìn)步,隧道施工全過程全要素信息自動獲取成為現(xiàn)實(shí),而利用隧道施工全過程全要素信息,通過人工智能算法實(shí)現(xiàn)支護(hù)全過程信息化動態(tài)設(shè)計(jì)與智能決策也成為可能,已有研究人員對信息采集及支護(hù)智能設(shè)計(jì)方面開展了積極的探索,如在圍巖地質(zhì)信息采集及智能評價方面,形成了圍巖圖形識別處理和鑿巖臺車隨鉆參數(shù)等代表性技術(shù)[5-8],即通過對圍巖圖像、隨鉆參數(shù)等數(shù)據(jù)特征解析,可自動獲知巖石堅(jiān)硬程度、巖體完整程度、地下水等圍巖地質(zhì)參數(shù)信息,實(shí)現(xiàn)對圍巖質(zhì)量及級別的智能評價;在施工狀態(tài)信息自動獲取方面,形成了以智能施工裝備為代表的信息化自動采集技術(shù)[9-10],即利用智能施工裝備所搭載的各類傳感器,實(shí)時感知施工狀態(tài)參數(shù)信息,實(shí)現(xiàn)相關(guān)信息的自動記錄、存儲和傳輸;在支護(hù)變形信息自動獲取方面,形成了隧道圍巖支護(hù)變形自動監(jiān)測技術(shù),可按設(shè)定的監(jiān)測頻率對目標(biāo)斷面變形信息進(jìn)行自動測取,并開展信息的分析評價與反饋;在支護(hù)智能設(shè)計(jì)決策方面,開展了支護(hù)參數(shù)智能優(yōu)選研究[11-12],即基于圍巖質(zhì)量評價及分級結(jié)果,依據(jù)隧道支護(hù)參數(shù)設(shè)計(jì)方案,實(shí)現(xiàn)支護(hù)參數(shù)與圍巖級別間的自動匹配和優(yōu)選。

綜上可知,目前國內(nèi)外針對隧道施工全過程全要素信息自動采集方面的研究已較為成熟,而關(guān)于隧道支護(hù)全過程信息化動態(tài)設(shè)計(jì)與智能決策方面的研究尚處于起步階段,已有研究成果多側(cè)重于支護(hù)參數(shù)與圍巖地質(zhì)信息間的映射與匹配關(guān)系研究,對施工過程要素信息的考慮有所不足,對支護(hù)參數(shù)的動態(tài)優(yōu)化調(diào)整研究仍不充分,距離實(shí)現(xiàn)支護(hù)全過程信息化動態(tài)設(shè)計(jì)與智能決策還有較大差距。鑒于上述問題,結(jié)合隧道支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)特點(diǎn),圍繞隧道支護(hù)智能決策需求,架構(gòu)隧道支護(hù)全過程信息化動態(tài)設(shè)計(jì)與智能決策方法技術(shù)路線,并對技術(shù)實(shí)施過程中的信息樣本數(shù)據(jù)庫構(gòu)建、智能模型算法、支護(hù)結(jié)構(gòu)安全度評價方法及支護(hù)參數(shù)迭代優(yōu)化反饋規(guī)則等關(guān)鍵環(huán)節(jié)內(nèi)容進(jìn)行細(xì)致的闡述,為支護(hù)全過程信息化動態(tài)設(shè)計(jì)與智能決策的實(shí)現(xiàn)提供了技術(shù)支撐和系統(tǒng)的解決方案。

1 隧道主動支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)與智能決策方法技術(shù)路線

隧道在開挖、支護(hù)等施工過程中,受地質(zhì)因素、支護(hù)因素、施工因素等綜合作用影響,隧道支護(hù)結(jié)構(gòu)安全性具有動態(tài)變化的特點(diǎn),其通常以支護(hù)結(jié)構(gòu)變形進(jìn)行綜合直觀的反映。因此,利用施工全過程全要素信息構(gòu)建信息樣本數(shù)據(jù)庫,基于人工智能算法尋找出施工全過程各要素與支護(hù)結(jié)構(gòu)變形間的非線性映射關(guān)系,通過支護(hù)結(jié)構(gòu)安全度量化評價與分析,依據(jù)設(shè)定的優(yōu)化反饋規(guī)則,對支護(hù)體系設(shè)計(jì)與施工管控提供智能優(yōu)化決策,是隧道主動支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)與智能決策方法研究的根本思路。

基于上述分析,實(shí)現(xiàn)隧道主動支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)與智能決策,關(guān)鍵在于以下4個步驟:

Step1施工全過程全要素信息表達(dá)與樣本數(shù)據(jù)庫的構(gòu)建。施工全過程全要素信息表達(dá)是指將施工過程中影響支護(hù)結(jié)構(gòu)安全性的各要素表征指標(biāo)以定性或定量的方式進(jìn)行指標(biāo)信息表達(dá),如地質(zhì)因素表征指標(biāo)可采用巖石堅(jiān)硬程度、巖體完整程度、初始地應(yīng)力狀態(tài)、地下水狀態(tài)等;支護(hù)因素表征指標(biāo)可采用支護(hù)類型、支護(hù)參數(shù)等;施工因素表征指標(biāo)可采用開挖斷面尺寸、施工工法、支護(hù)施做時機(jī)、支護(hù)封閉時機(jī)等。通過上述指標(biāo)信息的收集,即可構(gòu)建信息樣本數(shù)據(jù)庫,為智能算法模型的學(xué)習(xí)訓(xùn)練提供基礎(chǔ),為滿足智能模型精度的持續(xù)提升,構(gòu)建的樣本數(shù)據(jù)庫應(yīng)結(jié)合施工進(jìn)程的推進(jìn),具備樣本動態(tài)擴(kuò)充功能。

Step2智能算法模型的訓(xùn)練與遴選。利用智能算法模型的目的是給出施工全過程各要素與支護(hù)結(jié)構(gòu)變形間的非線性映射關(guān)系,本質(zhì)是基于各要素指標(biāo)信息對支護(hù)結(jié)構(gòu)變形信息進(jìn)行預(yù)測,因此采用監(jiān)督式學(xué)習(xí)回歸類機(jī)器學(xué)習(xí)算法比較適宜?，F(xiàn)階段機(jī)器學(xué)習(xí)算法類型眾多,為滿足高精度智能決策需求,應(yīng)通過多種智能算法進(jìn)行綜合測試與比選,尋找出精度最佳的智能算法模型類型以供選擇。

Step3支護(hù)結(jié)構(gòu)安全度量化評價與分析。支護(hù)結(jié)構(gòu)變形是反映支護(hù)結(jié)構(gòu)安全性的最直觀指標(biāo),但現(xiàn)階段相關(guān)規(guī)范對于支護(hù)結(jié)構(gòu)變形的控制標(biāo)準(zhǔn)尚不統(tǒng)一,給支護(hù)結(jié)構(gòu)安全度量化評價造成困擾。鑒于此,研究基于支護(hù)結(jié)構(gòu)變形反演支護(hù)結(jié)構(gòu)應(yīng)力的方法,轉(zhuǎn)為利用支護(hù)結(jié)構(gòu)安全系數(shù)對安全度的統(tǒng)一評價和分析。

Step4支護(hù)優(yōu)化智能決策反饋機(jī)制。當(dāng)支護(hù)結(jié)構(gòu)安全度評價冗余度較高時,需制定相應(yīng)的支護(hù)優(yōu)化智能決策反饋規(guī)則,指導(dǎo)機(jī)器對支護(hù)開展自動迭代優(yōu)化及反饋工作,以尋找出最優(yōu)支護(hù)參數(shù)及施工管控方案,供設(shè)計(jì)者決策。支護(hù)優(yōu)化主要以安全、高效、綠色低碳作為反饋目標(biāo),優(yōu)先優(yōu)化效能低、耗時長的支護(hù)構(gòu)件及參數(shù),直至支護(hù)結(jié)構(gòu)安全冗余度滿足預(yù)期為止。

綜上,構(gòu)建隧道主動支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)與智能決策方法技術(shù)路線見圖1。

圖1 支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)與智能決策方法技術(shù)路線

1)利用施工全過程獲取的地質(zhì)、支護(hù)及施工等全要素指標(biāo)信息構(gòu)建動態(tài)樣本數(shù)據(jù)庫。

2)以支護(hù)結(jié)構(gòu)變形信息作為預(yù)測變量,以其他信息作為目標(biāo)變量,開展智能算法模型的訓(xùn)練測試,獲知最優(yōu)算法模型類型。

3)通過支護(hù)結(jié)構(gòu)變形-應(yīng)力反演法,對支護(hù)結(jié)構(gòu)安全度進(jìn)行量化評價和分析。

4)依據(jù)制定的支護(hù)優(yōu)化智能決策反饋規(guī)則,對安全冗余度較高的支護(hù)開展支護(hù)參數(shù)及施工管控智能優(yōu)化決策。

5)輸出最優(yōu)支護(hù)參數(shù)及施工管控方案供設(shè)計(jì)決策。

2 樣本數(shù)據(jù)庫構(gòu)建

2.1 數(shù)據(jù)基礎(chǔ)

研究主要依托西部某在建大型鐵路工程進(jìn)行開展。該鐵路工程隧道分布眾多,地質(zhì)環(huán)境復(fù)雜多變,隧道支護(hù)采用以早高強(qiáng)噴射混凝土、預(yù)應(yīng)力錨桿等構(gòu)件為主的主動支護(hù)體系,施工以大型機(jī)械化為主,提倡少人化施工理念,現(xiàn)場圍巖智能判識系統(tǒng)、圍巖及支護(hù)變形自動化監(jiān)測系統(tǒng)、智能型施工裝備等軟硬件配置完善,為施工期全過程全要素信息的自動化采集提供了便利條件。

通過廣泛采集,共收集隧道施工期支護(hù)斷面客觀數(shù)據(jù)3 505份,斷面類型涉及單洞單線、單洞雙線、單線輔助坑道、雙線輔助坑道4種。

2.2 樣本信息指標(biāo)構(gòu)建

隧道變形往往受多種因素共同影響,但主要包含隧道地質(zhì)信息、隧道支護(hù)信息、隧道施工信息?；诖?將現(xiàn)場采集的施工全過程全要素信息進(jìn)行要素指標(biāo)分類,其中地質(zhì)要素指標(biāo)信息7項(xiàng),支護(hù)要素指標(biāo)信息17項(xiàng),施工要素指標(biāo)信息7項(xiàng),共計(jì)33項(xiàng)指標(biāo)信息,具體如下:

1)地質(zhì)要素指標(biāo)信息

對隧道變形有影響的地質(zhì)要素信息包括:表征初始地應(yīng)力狀態(tài)的指標(biāo)信息為初始地應(yīng)力值(或埋深);表征巖石堅(jiān)硬程度狀態(tài)的指標(biāo)信息為圍巖巖性、圍巖風(fēng)化程度、巖石堅(jiān)硬程度等級;表征巖體完整性狀態(tài)的指標(biāo)信息為結(jié)構(gòu)面產(chǎn)狀、巖體完整性程度等級;表征地下水狀態(tài)的指標(biāo)信息為地下水發(fā)育程度等級。

2)支護(hù)要素指標(biāo)信息

對隧道變形有影響的支護(hù)要素信息包括:表征支護(hù)類型的指標(biāo)信息為超前支護(hù)類型、系統(tǒng)錨桿類型、系統(tǒng)錨桿組合形式、噴射混凝土類型、鋼支撐類型;表征支護(hù)參數(shù)的指標(biāo)信息為超前支護(hù)管徑、超前支護(hù)間距、超前支護(hù)長度、超前支護(hù)布設(shè)范圍、系統(tǒng)錨桿間距、系統(tǒng)錨桿長度、系統(tǒng)錨桿預(yù)緊力、噴射混凝土厚度、噴射混凝土齡期強(qiáng)度、鋼支撐間距;表征支護(hù)變形的指標(biāo)信息為支護(hù)拱頂沉降、支護(hù)洞周收斂。

3)施工要素指標(biāo)信息

對隧道變形有影響的施工要素信息包括:表征隧道開挖方式的指標(biāo)信息為斷面開挖高度、斷面開挖寬度、施工開挖工法類型;表征施工時空效應(yīng)的指標(biāo)信息為施工開挖進(jìn)尺、支護(hù)施做起止時間、斷面距掌子面距離、斷面距仰拱封閉距離。

4)隧道基本要素指標(biāo)信息

表征隧道及斷面的指標(biāo)信息為隧道名稱、斷面里程。

2.3 樣本信息量化處理

現(xiàn)場采集的樣本信息既有定量值也有定性值,為便于樣本信息學(xué)習(xí),需將定性指標(biāo)信息按一定的編碼規(guī)則處理為定量指標(biāo)信息,定性樣本信息量化處理規(guī)則及處理結(jié)果如表1所示。

表1 定性樣本信息量化處理結(jié)果

2.4 指標(biāo)相關(guān)性分析

采用距離相關(guān)系數(shù)法研究兩個變量X和Y之間的相關(guān)性,記為dCor(X,Y),其中X為影響隧道變形的指標(biāo),Y為隧道變形值,其計(jì)算式為

( 1 )

( 2 )

( 3 )

( 4 )

其中,n為變量X、Y的觀測值個數(shù);dX、dY分別為變量X、Y的微小變化量;Xi為變量X中第i個觀測值;Yj為變量Y中第j個觀測值。

當(dāng)dCor(X,Y)越接近1時,表示X與Y之間相關(guān)性越強(qiáng);當(dāng)dCor(X,Y)=0時,表示X與Y之間相互獨(dú)立,互不影響。經(jīng)計(jì)算,距離相關(guān)系數(shù)大小排前15的指標(biāo)信息如表2所示。

表2 指標(biāo)相關(guān)系數(shù)排序

由表2可知,對隧道變形有較大影響的重要指標(biāo)為斷面距掌子面距離、斷面距仰拱封閉距離、支護(hù)時間和隧道埋深,因此,對于施工階段圍巖變形控制,應(yīng)著重考慮指標(biāo)信息中的時空因素,即適當(dāng)縮小每循環(huán)開挖進(jìn)尺、及時施做仰拱和初期支護(hù)。

3 智能算法模型訓(xùn)練及測試

3.1 算法基礎(chǔ)

人工智能算法中的深度學(xué)習(xí)和機(jī)器學(xué)習(xí)均可以較好地解決非線性映射問題,其中深度學(xué)習(xí)算法通常依賴于大數(shù)據(jù)基礎(chǔ),對數(shù)據(jù)量具有一定要求。相比之下,機(jī)器學(xué)習(xí)算法對數(shù)據(jù)量的依賴性較低,故研究選用機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練。

機(jī)器學(xué)習(xí)算法依據(jù)任務(wù)或應(yīng)用情況不同,可分為監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)3類算法,鑒于隧道支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)樣本數(shù)據(jù)具有較強(qiáng)的標(biāo)簽及客觀屬性,其目的是對支護(hù)結(jié)構(gòu)變形進(jìn)行預(yù)測,因此重點(diǎn)針對監(jiān)督式學(xué)習(xí)中的回歸類算法開展研究。

3.1.1 梯度提升算法

梯度提升算法(Gradient Boosting)的基本原理是根據(jù)當(dāng)前模型損失函數(shù)的負(fù)梯度信息來訓(xùn)練新加入的單模型,然后將訓(xùn)練好的單模型以累加的形式結(jié)合到現(xiàn)有模型中。該算法一般流程為:

Step1初始化提升樹模型表達(dá)式為

( 5 )

式中:L為損失函數(shù);yi為訓(xùn)練集中的目標(biāo)變量;c為模型的參數(shù)。

Step2對于每個迭代輪次m=1,2,…,M時,有

①對每個樣本i=1,2,…,N,計(jì)算第i個樣本在第m輪迭代中的負(fù)梯度擬合的殘差rmi,即

( 6 )

式中:f(xi)為模型對輸入樣本xi的預(yù)測值。

災(zāi)情就是命令，地震發(fā)生后，武定供電局局長立即組織相關(guān)應(yīng)急辦人員召開地震緊急會，根據(jù)縣政府工作要求和楚雄供電局蔡局長工作指示要求，隨即啟動武定供電局地震災(zāi)害Ⅳ級應(yīng)急響應(yīng)，把抗震救災(zāi)保供電作為首要工作來抓，統(tǒng)一思想，統(tǒng)一認(rèn)識，統(tǒng)一行動，集中所有人力、物力、財(cái)力全力以赴開展抗震救災(zāi)保供電工作，提出10條應(yīng)急工作要求。

②將上一步得到的殘差作為樣本新的真實(shí)值,并將數(shù)據(jù)(xi,rmi),i=1,2,…,N作為下一棵樹的訓(xùn)練數(shù)據(jù),得到一棵新的回歸樹fm(x),其對應(yīng)的葉子結(jié)點(diǎn)區(qū)域?yàn)镽mj,j=1,2,…,J。其中J為回歸樹T的葉子結(jié)點(diǎn)的個數(shù)。

③對各節(jié)點(diǎn)區(qū)域計(jì)算最優(yōu)擬合值cmj,即

( 7 )

Step3更新提升樹模型為

( 8 )

式中:I為學(xué)習(xí)率,用于控制每個模型的權(quán)重。

Step4得到最終的梯度提升樹為

( 9 )

該算法特點(diǎn)在于:①數(shù)據(jù)處理的靈活性較強(qiáng);②模型易調(diào)參;③模型魯棒性較強(qiáng)。不足之處在于學(xué)習(xí)器間依賴性較高,對數(shù)據(jù)難以開展并行訓(xùn)練。

3.1.2 袋裝法算法

袋裝法算法(Bagging)的基本原理是從樣本總體中抽取很多個訓(xùn)練集,對每個訓(xùn)練集分別擬合模型,將每個模型的結(jié)果求平均值以降低分類器的方差。該算法的處理流程為:

Step2用這B個訓(xùn)練樣本分別擬合出B個基礎(chǔ)預(yù)測模型。

Step3將Step2的基礎(chǔ)預(yù)測模型結(jié)果取平均值,得到最終預(yù)測結(jié)果,其表達(dá)式為

(10)

該算法可提高模型的準(zhǔn)確率,降低模型的方差。不足之處在于模型最后采用平均值,降低了結(jié)果的可解釋性。

3.1.3 隨機(jī)森林算法

隨機(jī)森林算法(Random Forest)是Bagging的改進(jìn)版本,隨機(jī)森林除了對樣本進(jìn)行隨機(jī)過采樣,增加訓(xùn)練集的隨機(jī)性之外,還在決策樹的生成時,選擇隨機(jī)采樣的特征中最好的特征作為分裂節(jié)點(diǎn),這樣使得每棵樹有更大的差異性,有差異性的基模型組合在一起成為一個更強(qiáng)大模型。隨機(jī)森林算法的一般流程為:

Step1假設(shè)隨機(jī)選取M個樣本。

Step2假設(shè)樣本有N個特征,在決策時的每個結(jié)點(diǎn)需要分裂時,隨機(jī)從這N個特征中選取n個特征,滿足n?N,從這n個特征中選擇特征進(jìn)行結(jié)點(diǎn)分裂。

Step3基于抽樣的M個樣本n個特征按照結(jié)點(diǎn)分裂的方式構(gòu)建決策樹。

Step4按照Step1～Step3構(gòu)建大量決策樹組成隨機(jī)森林,然后將每棵樹的結(jié)果取均值即為預(yù)測結(jié)果。

該算法特點(diǎn)是:①支持并行處理;②不需要對特征進(jìn)行標(biāo)準(zhǔn)化處理,也不需要對特征缺失值進(jìn)行處理;③模型較穩(wěn)定,泛化能力強(qiáng);④模型可以輸出特征重要性。不足之處在于:①由于有多個基模型組合而成,模型不易解釋;②樹較多時,訓(xùn)練時間比較久。

3.1.4 極限樹算法

極限樹算法(Extra Trees)由多個決策樹構(gòu)成,與隨機(jī)森林算法近似,區(qū)別在于:

1)極限樹使用全部樣本,特征是隨機(jī)選取的,分裂是隨機(jī)的,所以在某種程度上比隨機(jī)森林得到的結(jié)果更加好。

2)極限樹的分叉值隨機(jī)獲取,進(jìn)而對決策樹進(jìn)行分叉處理。

3.1.5 極度梯度提升樹算法

極度梯度提升樹算法(eXtreme Gradient Boosting,XGBoost)是Boosting算法的一種實(shí)現(xiàn)方式,主要通過多個學(xué)習(xí)器學(xué)習(xí),降低模型誤差。該算法核心原理為:

1)持續(xù)通過特征分裂生成樹,并擬合上次預(yù)測殘差。

2)訓(xùn)練結(jié)束得到k棵樹,包含若干個樣本特征葉子節(jié)點(diǎn)分?jǐn)?shù),對某一樣本分?jǐn)?shù)進(jìn)行預(yù)測。

3)每棵樹分?jǐn)?shù)之和即為該樣本預(yù)測值。

該算法特點(diǎn)為: ①精度較高; ②靈活性更強(qiáng),可同時用于分類和回歸問題,且支持自定義損失函數(shù); ③可有效控制模型復(fù)雜度; ④降低模型過擬合; ⑤支持特征值有缺失的樣本處理。不足之處在于算法參數(shù)過多,調(diào)參復(fù)雜,且訓(xùn)練過程中內(nèi)存消耗嚴(yán)重。

3.1.6 貝葉斯神經(jīng)網(wǎng)絡(luò)

貝葉斯神經(jīng)網(wǎng)絡(luò)(Bayesian Neural Networks,BNN)不同于一般的神經(jīng)網(wǎng)絡(luò),其權(quán)重參數(shù)為隨機(jī)變量,而非定值。該算法融合概率建模與神經(jīng)網(wǎng)絡(luò),可預(yù)測結(jié)果的置信度。

貝葉斯神經(jīng)網(wǎng)絡(luò)由DAG和結(jié)點(diǎn)概率表構(gòu)成。當(dāng)一個結(jié)點(diǎn)的父結(jié)點(diǎn)概率分布確定時,即可將該結(jié)點(diǎn)視為所有非直接父結(jié)點(diǎn)的獨(dú)立結(jié)點(diǎn)條件。因此,對于多變量非獨(dú)立的隨機(jī)變量而言,其聯(lián)合概率分布計(jì)算公式為

(11)

式中:n為變量個數(shù);xi為隨機(jī)變量的取值;Parents為父節(jié)點(diǎn)選擇函數(shù),用于確定每個節(jié)點(diǎn)的父節(jié)點(diǎn)集合。

當(dāng)網(wǎng)絡(luò)中結(jié)點(diǎn)關(guān)系和結(jié)點(diǎn)概率表確定后,即可獲知相應(yīng)的先驗(yàn)概率及條件概率分布,進(jìn)而利用貝葉斯網(wǎng)絡(luò)進(jìn)行推斷。

該算法特點(diǎn)為: ①可根據(jù)已有數(shù)據(jù)進(jìn)行改變。(一定程度上反映了自適應(yīng)性) ②可在優(yōu)化模型的過程中,把正則項(xiàng)給估計(jì)出來。不足之處是它的推斷過程相對其他機(jī)器學(xué)習(xí)算法非常耗時。

3.2 模型訓(xùn)練及測試評估

將現(xiàn)場收集構(gòu)建的3 505份樣本數(shù)據(jù),依據(jù)Sklearn機(jī)器學(xué)習(xí)庫中關(guān)于數(shù)據(jù)集的劃分原則,按照4∶1的比例劃分為訓(xùn)練集和測試集兩部分,分別包括2 804和701組數(shù)據(jù),輸入上述6種算法模型中開展訓(xùn)練,采用決定系數(shù)R2評價6種回歸模型對數(shù)據(jù)擬合的精度,其計(jì)算式為

(12)

R2介于0～1之間,通常R2越大表示模型擬合效果越好。6種算法對支護(hù)結(jié)構(gòu)變形的預(yù)測精度結(jié)果見圖2和表3。

表3 6種算法對支護(hù)變形測試結(jié)果對比

由表3可知,從算法精度看,袋裝法、隨機(jī)森林法和極限樹法均表現(xiàn)優(yōu)越,其中極限樹算法表現(xiàn)最佳,準(zhǔn)確率高達(dá)93%;從算法效率看,袋裝法、梯度提升法和極限樹法較優(yōu),其中袋裝法效率最佳。鑒于上述各算法計(jì)算耗時均較短,因此可將極限樹法作為支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)與智能決策的優(yōu)選算法模型。

4 支護(hù)安全性評價方法

4.1 方法的建立

由基于支護(hù)結(jié)構(gòu)變形信息反演支護(hù)結(jié)構(gòu)應(yīng)力,轉(zhuǎn)為利用支護(hù)結(jié)構(gòu)安全系數(shù)對安全度進(jìn)行量化評價,可有效解決現(xiàn)階段相關(guān)規(guī)范支護(hù)結(jié)構(gòu)變形控制基準(zhǔn)不一致[17-18]的問題,支護(hù)結(jié)構(gòu)變形-應(yīng)力反演法研發(fā)思路[19-21]及技術(shù)流程見圖3。

主要實(shí)施步驟如下:

Step1構(gòu)建圍巖與支護(hù)梁-彈簧剛度矩陣。

①將支護(hù)結(jié)構(gòu)離散成n個單位長度的彈性梁單元,將單元的聯(lián)結(jié)點(diǎn)視為節(jié)點(diǎn),此時支護(hù)結(jié)構(gòu)梁單元整體、局部坐標(biāo)系下的單元剛度矩陣滿足

(13)

②采用徑向和切向彈簧單元,模擬圍巖對支護(hù)的約束作用。彈簧單元整體和局部坐標(biāo)系剛度矩陣關(guān)系式為

(14)

③利用直接剛度法,基于各單元節(jié)點(diǎn)變形受力平衡條件,建立支護(hù)結(jié)構(gòu)總體剛度矩陣關(guān)系式為

[k]3n×3n=[k1]3n×3n+[k2]3n×3n

(15)

式中:[k]3n×3n為結(jié)構(gòu)總體剛度矩陣;[k1]3n×3n為結(jié)構(gòu)梁單元總體剛度矩陣;[k2]3n×3n為約束彈簧單元總體剛度矩陣。

Step2支護(hù)結(jié)構(gòu)應(yīng)力反演分析。

①求解支護(hù)結(jié)構(gòu)節(jié)點(diǎn)荷載

基于有限元理論,支護(hù)結(jié)構(gòu)應(yīng)力應(yīng)變基本關(guān)系式為

[F]3n×1= [k]3n×3n[δ]3n×1

(16)

式中:[δ]3n×1為支護(hù)結(jié)構(gòu)節(jié)點(diǎn)位移矩陣,可由支護(hù)結(jié)構(gòu)節(jié)點(diǎn)三維位移坐標(biāo)進(jìn)行構(gòu)建;[F]3n×1為支護(hù)結(jié)構(gòu)等效節(jié)點(diǎn)荷載矩陣;[k]3n×3n為支護(hù)結(jié)構(gòu)總體剛度矩陣。

當(dāng)已知支護(hù)結(jié)構(gòu)材料彈性模量、支護(hù)結(jié)構(gòu)厚度(可求慣性矩I、橫截面面積A)、支護(hù)結(jié)構(gòu)節(jié)點(diǎn)三維位移坐標(biāo)等信息時,即可求解出支護(hù)結(jié)構(gòu)節(jié)點(diǎn)的荷載矩陣值。

②求解支護(hù)結(jié)構(gòu)節(jié)點(diǎn)應(yīng)力

整體坐標(biāo)系支護(hù)結(jié)構(gòu)梁單元節(jié)點(diǎn)位移為[δ]6×1,則梁單元節(jié)點(diǎn)荷載[F1]6×1為

[F1]6×1=[k1]6×6[δ]6×1

(17)

換算為局部坐標(biāo)系梁單元節(jié)點(diǎn)荷載,其即為支護(hù)結(jié)構(gòu)節(jié)點(diǎn)應(yīng)力[F1′]6×1,轉(zhuǎn)換公式為

(18)

求解支護(hù)結(jié)構(gòu)節(jié)點(diǎn)應(yīng)力后,即可依據(jù)現(xiàn)行TB 10003—2016《鐵路隧道設(shè)計(jì)規(guī)范》[17]中破損階段法計(jì)算支護(hù)結(jié)構(gòu)安全系數(shù),并按支護(hù)結(jié)構(gòu)安全系數(shù)統(tǒng)一控制標(biāo)準(zhǔn)進(jìn)行支護(hù)結(jié)構(gòu)安全性控制,見表4。

表4 支護(hù)結(jié)構(gòu)安全系數(shù)控制基準(zhǔn)

4.2 方法應(yīng)用示例

選取某雙線隧道典型測試斷面對上述方法進(jìn)行應(yīng)用檢驗(yàn)。該測試斷面圍巖巖性以砂巖、泥巖為主,圍巖級別屬Ⅳ級,支護(hù)采用C30早高強(qiáng)噴射混凝土,噴層厚25 cm,鋼支撐采用I18型鋼鋼架,鋼架縱向間距1 m,建筑材料及圍巖相關(guān)力學(xué)參數(shù)按文獻(xiàn)[17]選取,其中圍巖切向彈性反力系數(shù)取值按徑向值1/2進(jìn)行確定[22]。支護(hù)各關(guān)鍵部位變形實(shí)測值見表5,支護(hù)單元號劃分見圖4,反演計(jì)算支護(hù)安全系數(shù)曲線見圖5。

表5 測試斷面關(guān)鍵部位變形實(shí)測值 mm

圖4 測試斷面支護(hù)單元號劃分示意

圖5 測試斷面支護(hù)安全系數(shù)分布曲線

由圖5可知,該測試斷面最小安全系數(shù)為2.2,受壓控制,滿足文獻(xiàn)[17]安全系數(shù)2.0的控制基準(zhǔn)要求,說明支護(hù)結(jié)構(gòu)具有一定的安全度,現(xiàn)場支護(hù)結(jié)構(gòu)也未發(fā)生破壞現(xiàn)象,檢驗(yàn)了支護(hù)結(jié)構(gòu)安全性評價方法的可靠性。

5 支護(hù)優(yōu)化智能決策反饋規(guī)則

當(dāng)支護(hù)結(jié)構(gòu)安全度評價冗余度較高時,需制定相應(yīng)的支護(hù)優(yōu)化智能決策反饋規(guī)則,指導(dǎo)機(jī)器對支護(hù)及施工管控參數(shù)的自動迭代優(yōu)化及反饋,以供設(shè)計(jì)者決策。

支護(hù)優(yōu)化智能決策反饋以隧道支護(hù)安全、施工高效、綠色低碳為目標(biāo),具體反饋規(guī)則如下:

1)隧道支護(hù)安全規(guī)則。

當(dāng)支護(hù)結(jié)構(gòu)安全冗余度大于表3安全系數(shù)控制標(biāo)準(zhǔn)時,持續(xù)開展相關(guān)參數(shù)優(yōu)化工作,直至安全冗余度趨于結(jié)構(gòu)安全系數(shù)控制標(biāo)準(zhǔn)時優(yōu)化工作截止。

2)隧道施工高效規(guī)則。

隧道支護(hù)構(gòu)件由各類管棚、導(dǎo)管、錨桿、噴射混凝土及鋼支撐等構(gòu)成,不同支護(hù)構(gòu)件的支護(hù)效能及施工耗時也存在差異,為提升隧道施工工效,支護(hù)構(gòu)件優(yōu)化應(yīng)優(yōu)先優(yōu)化支護(hù)效能低、施工耗時的構(gòu)件類型,如管棚、鋼支撐等,通過不斷調(diào)整其支護(hù)參數(shù),直至取消。

此外,在支護(hù)施做時機(jī)方面,結(jié)合隧道施工水平,可優(yōu)先考慮錨桿分序平行作業(yè)的可能性,即通過不斷優(yōu)化錨桿支護(hù)施做時機(jī)參數(shù),進(jìn)而確定錨桿合理的施做方式。

3)隧道綠色低碳規(guī)則。

隧道綠色低碳主要是基于減量化設(shè)計(jì)優(yōu)化進(jìn)行實(shí)現(xiàn),可通過優(yōu)選高性能支護(hù)材料,減少支護(hù)參數(shù),降低支護(hù)施工量;優(yōu)先控制隧道斷面開挖尺寸,減少隧道變形預(yù)留量,進(jìn)而減少隧道開挖工程量。

6 結(jié)論

隧道支護(hù)體系全過程信息化動態(tài)設(shè)計(jì),是真正體現(xiàn)隧道設(shè)計(jì)施工一體化的理想設(shè)計(jì)方式,本文結(jié)合隧道支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)特點(diǎn),圍繞隧道智能決策需求,從隧道支護(hù)體系全過程信息化動態(tài)與智能決策方法技術(shù)路線、樣本數(shù)據(jù)庫構(gòu)建、智能算法模型、支護(hù)結(jié)構(gòu)安全度評價方法及支護(hù)優(yōu)化智能決策反饋規(guī)則等方面進(jìn)行了系統(tǒng)研究,得出主要結(jié)論如下:

1)架構(gòu)了支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)與智能決策方法技術(shù)路線,明確了技術(shù)研發(fā)的關(guān)鍵技術(shù)環(huán)節(jié)與實(shí)施步驟,為支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)與智能決策的實(shí)現(xiàn)提供了技術(shù)支撐和系統(tǒng)的解決方案。

2)利用西部某在建高原大型鐵路隧道施工期自動收集的3 505份樣本數(shù)據(jù),初步構(gòu)建了滿足智能算法模型訓(xùn)練要求的信息樣本數(shù)據(jù)庫,并應(yīng)用6種機(jī)器學(xué)習(xí)算法開展了模型訓(xùn)練與測試,結(jié)果表明極限樹法、袋裝法算法模型表現(xiàn)較優(yōu),可作為優(yōu)選的智能算法模型類型。

3)研究了隧道支護(hù)結(jié)構(gòu)變形-應(yīng)力反演分析法,實(shí)現(xiàn)了利用支護(hù)結(jié)構(gòu)安全系數(shù)對支護(hù)結(jié)構(gòu)安全性的統(tǒng)一評價,并通過現(xiàn)場檢驗(yàn),驗(yàn)證了評價方法的可靠性。

4)提出了支護(hù)優(yōu)化智能決策反饋規(guī)則,為支護(hù)及施工管控參數(shù)自動迭代優(yōu)化反饋提供了依據(jù)。

5)本文為隧道支護(hù)體系全過程信息化動態(tài)設(shè)計(jì)實(shí)現(xiàn)提供了新的技術(shù)方法。受限于現(xiàn)有樣本數(shù)據(jù)量偏少影響,智能算法模型的訓(xùn)練及優(yōu)選仍有待于進(jìn)一步提高。