基于SVR方法的注浆效果预测方法及系统发明专利

专利名称：基于SVR方法的注浆效果预测方法及系统

专利类型：发明专利

专利申请号：CN202410601080.X

专利申请（专利权）人：三峡大学
权利人地址：湖北省宜昌市大学路8号

专利发明（设计）人：雷进生,李湘夷,张梓杰,王乾峰

专利摘要：本发明公开了一种基于SVR方法的注浆效果预测方法及系统，本发明涉及注浆工程技术领域，包括以下步骤：根据采集不同松散碎石土层的特征，由土粒比重、含水量、密度计算得到土层孔隙率，同时获取注浆效果的影响因素数据，包括注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距，利用SVR方法将孔隙率和影响因素数据划分为训练集和测试集，生成注浆扩散半径预测模型，通过生成的模型对测试集进行求解，得到扩散半径预测值，使用相同步骤生成扩散高度预测值和抗压强度预测值，根据三组预测值与试验测试值计算得到各组对应均方差，由各组均方差生成综合注浆性能评价系数，与预先设定的误差阈值相较，不超过误差阈值判断为预测结果满足精度要求。

主权利要求：
1.一种基于SVR方法的注浆效果预测方法，其特征在于，具体步骤包括：
设置多组注浆试验组，保证各个实验组的基本性质参数不完全相同，获取不同组注浆试验采用的松散碎石土层的基本性质参数，所述基本性质参数包括土粒比重、含水量、土层密度和渗透系数；
根据获取的不同注浆试验组的土粒比重、含水量、土层密度分析计算，得到各组松散碎石土层的孔隙率；
获取各注浆试验组注浆影响因素数据，所述注浆影响因素数据包括注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，并将各个注浆试验组和注浆影响因素数据一一映射，构成第一数据集；
获取注浆试验效果参数实测值，所述注浆试验效果参数实测值包括注浆扩散半径实测值、注浆扩散高度实测值和注浆结石体抗压强度实测值；
将孔隙率结合第一数据集中的数据和试验样本的扩散半径实测值分为第一训练集和第一测试集，利用第一训练集中的孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散半径预测模型，对第一测试集中扩散半径进行求解，生成扩散半径预测值；
将渗透系数结合第一数据集中的数据和试验样本的扩散高度实测值分为第二训练集和第二测试集，根据第二训练集中的渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散高度预测模型，对第二测试集中扩散高度进行求解，生成扩散高度预测值；
获取不同组注浆试验采用的松散碎石土层的基本性质，所述基本特征包括土粒比重、含水量、密度和渗透系数，设置有M组注浆试验，第i组试验编号标定为Si，标定第Si组试验中‑3土粒比重为GSi，土层含水量为ωi，单位％，土层密度为ρi，单位为g·cm ，渗透系数为ki，单‑1位为cm·s ，i为正整数，且i＝1、2、3、…、M；
设置训练集和测试集的步骤包括：在i组试验样本中选取N组样本进行训练，得到训练j j集T＝{(x1，y1)，...，(xN，yN)}，其中M>N，xj＝X ，(j＝1,2，…，N)，X为第j个训练样本的列向量，包括渗透系数、孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距5个影响因子，不同预测模型对应有不同影响因子，yj为相应试验样本对应的试验实测值，扩散半径预测模型对应扩散半径试验实测值，注浆扩散高度预测模型和注浆结石体抗压强度预测模型对应扩散高度和结石体抗压强度试验实测值，剩余M‑N个试验样本作为测试集；将渗透系数和孔隙率结合第一数据集中的数据和试验样本的抗压强度实测值分为第三训练集和第三测试集，根据第三训练集中的孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆结石体抗压强度预测模型，对第三测试集中结石体抗压强度进行求解，生成抗压强度预测值；
根据建立的训练集和测试集，建立预测模型步骤包括：使用粒子群算法确定最优惩罚系数C和核函数参数g，同时选择核函数K(xi，xj)；根据确定的最优惩罚系数C、核函数参数g和核函数K(xi，xj)，构造求解最优化问题；构造SVR决策函数；根据构造的决策函数对预测集进行求解，得到各模型预测值；
其中选择高斯核为核函数，其为径向基函数网络的核心，核函数K(xi，xj)所依据的公式为：2
K(xi，xj)＝exp(‑g||xi‑xj||)
式中g为核函数参数，xi为输入空间中第i个样本向量，xj为输入空间中第j个样本向量；
根据确定的最优惩罚系数C、核函数参数g和核函数K(xi，xj)，构造求解最优化问题，得到最优解所依据的公式为：式中αi， 为拉格朗日乘子，ε为不敏感损失函数，s.t.含义为“受限制于”，得到最优解其中，使用粒子群算法确定最优惩罚系数C和核函数参数g，构造的SVR决策函数公式表达为：式中， 为解得的第i组最优解，K(xi，xj)为核函数，b为阈值；
根据获取的注浆效果参数实测值与测试集的扩散半径预测值、扩散高度预测值和抗压强度预测值，计算生成测试集中扩散半径预测值、扩散高度预测值和抗压强度预测值的均方差；
根据生成的各预测值的均方差，计算综合注浆性能评价系数，与预先设定的误差阈值相较，不超过误差阈值判断为预测值准确率满足精度要求，否则判断为预测值准确率不满足精度要求。
2.根据权利要求1所述的一种基于SVR方法的注浆效果预测方法，其特征在于：根据获取的不同注浆试验组的土粒比重、含水量、密度分析计算，得到各组松散碎石土层的孔隙率，松散碎石土层的孔隙率计算方法为：标定第Si组试验中，松散碎石土层的孔隙率为ni，所依据的计算公式为：
式中，ρw为水的密度，ρdi为第Si组试验中松散碎石土层的干密度，其中ρdi所依据的公式为：其中，ρi为第Si组试验中土层密度，ωi为第Si组试验中土层含水量。
3.根据权利要求1所述的一种基于SVR方法的注浆效果预测方法，其特征在于：根据获取的注浆效果参数实测值与测试集的扩散半径预测值、扩散高度预测值和抗压强度预测值，计算生成测试集中扩散半径预测值、扩散高度预测值和抗压强度预测值的均方差，均方差计算方法为：标定扩散半径预测值的均方差为mse1，扩散高度预测值的均方差为mse2，抗压强度预测值的均方差为mse3；均方差计算所依据的公式为：式中M‑N为测试集的试验样本个数， 为第i个样本的扩散半径预测值，yi为第i个样本的扩散半径实测值，扩散高度预测值的均方差mse2和抗压强度预测值的均方差mse3计算方法同mse1一致。
4.根据权利要求3所述的一种基于SVR方法的注浆效果预测方法，其特征在于：根据生成的各预测值的均方差，计算综合注浆性能评价系数，其计算方法为：标定综合注浆性能评价系数为YZ，其所依据的公式为：
YZ＝a*mse1+o*mse2+r*mse3
其中，a，o，r分别为均方差mse1，mse2，mse3所对应设置的比例系数；
判断预测值准确率所依据的逻辑为：
标定误差阈值为yz，与综合注浆性能评价系数YZ相较：
若YZ≤yz，判断为预测值准确率满足精度要求，
若YZ>yz，则判断为预测值准确率不满足精度要求。
5.一种基于SVR方法的注浆效果预测系统，其特征在于：所述基于SVR方法的注浆效果预测系统用于执行权利要求1‑4任一项所述的基于SVR方法的注浆效果预测方法，包括：土层数据采集模块，用于获取不同组注浆试验采用的松散碎石土层的基本性质，所述基本特征包括土粒比重、含水量、密度和渗透系数；
孔隙率生成模块，用于根据获取的不同注浆试验组的土粒比重、含水量、土层密度分析计算，得到各组松散碎石土层的孔隙率；
注浆影响因素采集模块，用于获取各注浆试验组注浆影响因素数据，所述注浆影响因素数据包括注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，并将各个注浆试验组和注浆影响因素数据一一映射，构成第一数据集；
试验数据采集模块，用于获取注浆试验效果参数实测值，所述注浆试验效果参数实测值包括注浆扩散半径实测值、注浆扩散高度实测值和注浆结石体抗压强度实测值；
扩散半径预测模型生成模块，用于将孔隙率结合第一数据集中的数据和试验样本的扩散半径实测值分为第一训练集和第一测试集，利用第一训练集中的孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散半径预测模型，对第一测试集中扩散半径进行求解，生成扩散半径预测值；
扩散高度预测模型生成模块，用于将渗透系数结合第一数据集中的数据和试验样本的扩散高度实测值分为第二训练集和第二测试集，根据第二训练集中的渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散高度预测模型，对第二测试集中扩散高度进行求解，生成扩散高度预测值；
结石体抗压强度预测模型生成模块，用于将渗透系数和孔隙率结合第一数据集中的数据和试验样本的结石体抗压强度实测值分为第三训练集和第三测试集，根据第三训练集中的孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆结石体抗压强度预测模型，对第三测试集中结石体抗压强度进行求解，生成抗压强度预测值；
预测误差计算模块，用于根据获取的注浆效果参数实测值与测试集的扩散半径预测值、扩散高度预测值和抗压强度预测值，计算生成测试集中扩散半径预测值、扩散高度预测值和抗压强度预测值的均方差；
预测性能评估模块，用于根据生成的各预测值的均方差，计算综合注浆性能评价系数，与预先设定的误差阈值相较，不超过误差阈值判断为预测值准确率满足精度要求，否则判断为预测值准确率不满足精度要求。 说明书 : 基于SVR方法的注浆效果预测方法及系统技术领域[0001] 本发明涉及注浆工程技术领域，具体为一种基于SVR方法的注浆效果预测方法及系统。背景技术[0002] 注浆法作为地基处理与岩土体加固的可行方法，广泛应用于土建、市政等领域，可以有效改善地基物理力学性质，达到防渗、堵漏、加固和纠偏的目的，防止和减少工程灾害的发生，在灌浆设计和施工中，对灌浆效果的预测一般都依靠工程技术人员的经验。由于坝不同岩土体的性质比较复杂，其内部的裂隙发育程度及分布特征难以有效判断，因此，人工经验为基础的注浆量预测，往往造成预测结果存在较大的偏差，不利于工程经济性的实现和注浆施工质量的有效控制。[0003] 支持向量回归(SVR)方法是支持向量机在实函数域的研究内容，具有好的推广特性和非线性建模的能力，适合解决非线性、大时延以及不易建模系统的控制问题。近年来，支持向量回归算法被应用于非线性建模和预测、时间序列的预测、优化控制等方面的研究，注浆效果往往受到多种因素的影响，这些因素之间可能存在复杂的非线性关系。SVR能够通过使用核函数将数据映射到高维特征空间，从而实现对非线性关系的建模，更准确地捕捉数据之间的复杂关系，因此使用SVR方法进行注浆效果预测能够充分利用其非线性关系建模能力、鲁棒性、泛化能力，从而提高预测的准确性和稳定性。[0004] 现有技术中的，公开号为CN114544692A公开了一种注浆效果检测系统和注浆效果的检测评价方法，，在注浆检测钻孔中设置多个测试点，针对多个测试点进行温度测试，即采用光纤光栅解调仪和FBG传感器获得每个测试点的多组带有温度调制信息的中心波长，再根据深度记录仪与光纤光栅解调仪的时间关系，将中心波长转换为温度，获得每个测点对应的深度‑温度值，根据数据处理的结果对注浆效果进行评价，此方法可以对注浆效果进行评价，但仅通过温度对注浆效果进行评价可能导致对注浆效果的评价精度较低，同时在不同岩土地的条件下工作，由于环境不同，只通过温度对注浆效果进行评价，可能导致评价结果存在错误。[0005] 在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。发明内容[0006] 本发明的目的在于提供一种基于SVR方法的注浆效果预测方法及系统，以解决上述背景技术中提出的问题。[0007] 为实现上述目的，本发明提供如下技术方案：[0008] 一种基于SVR方法的注浆效果预测方法，具体步骤包括：[0009] 设置多组注浆试验组，保证各个实验组的基本性质参数不完全相同，获取不同组注浆试验采用的松散碎石土层的基本性质参数，所述基本性质参数包括土粒比重、含水量、土层密度和渗透系数；[0010] 根据获取的不同注浆试验组的土粒比重、含水量、土层密度分析计算，得到各组松散碎石土层的孔隙率；[0011] 获取各注浆试验组注浆影响因素数据，所述注浆影响因素数据包括注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，并将各个注浆试验组和注浆影响因素数据一一映射，构成第一数据集；[0012] 获取注浆试验效果参数实测值，所述注浆试验效果参数实测值包括注浆扩散半径实测值、注浆扩散高度实测值和注浆结石体抗压强度实测值；[0013] 将孔隙率结合第一数据集中的数据和试验样本的扩散半径实测值分为第一训练集和第一测试集，利用第一训练集中的孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散半径预测模型，对第一测试集中扩散半径进行求解，生成扩散半径预测值；[0014] 将渗透系数结合第一数据集中的数据和试验样本的扩散高度实测值分为第二训练集和第二测试集，根据第二训练集中的渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散高度预测模型，对第二测试集中扩散高度进行求解，生成扩散高度预测值；[0015] 将渗透系数和孔隙率结合第一数据集中的数据和试验样本的抗压强度实测值分为第三训练集和第三测试集，根据第三训练集中的孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆结石体抗压强度预测模型，对第三测试集中结石体抗压强度进行求解，生成抗压强度预测值；[0016] 根据获取的注浆效果参数实测值与测试集的扩散半径预测值、扩散高度预测值和抗压强度预测值，计算生成测试集中扩散半径预测值、扩散高度预测值和抗压强度预测值的均方差；[0017] 根据生成的各预测值的均方差，计算综合注浆性能评价系数，与预先设定的误差阈值相较，不超过误差阈值判断为预测值准确率满足精度要求，否则判断为预测值准确率不满足精度要求。[0018] 进一步地，获取不同组注浆试验采用的松散碎石土层的基本性质，所述基本特征包括土粒比重、含水量、密度和渗透系数，设置有M组注浆试验，第i组试验编号标定为Si，标‑3定第Si组试验中土粒比重为GSi，土层含水量为ωi，单位％，土层密度为ρi，单位为g·cm ，‑1渗透系数为ki，单位为cm·s ，i为正整数，且i＝1、2、3、…、M。[0019] 进一步地，根据获取的不同注浆试验组的土粒比重、含水量、密度分析计算，得到各组松散碎石土层的孔隙率，松散碎石土层的孔隙率计算方法为：[0020] 标定第Si组试验中，松散碎石土层的孔隙率为ni，所依据的计算公式为：[0021][0022] 式中，ρw为水的密度，ρdi为第Si组试验中松散碎石土层的干密度，其中ρdi所依据的公式为：[0023][0024] 其中，ρi为第Si组试验中土层密度，ωi为第Si组试验中土层含水量。[0025] 进一步地，设置训练集和测试集的步骤包括：在i组试验样本中选取N组样本进行j j训练，得到训练集T＝{(x1,y1),…,(xN,yN)}，其中M>N，xj＝X，(j＝1,2,…,N),X为第j个训练样本的列向量，包括渗透系数、孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距5个影响因子，不同预测模型对应有不同影响因子，yj为相应试验样本对应的试验实测值，扩散半径预测模型对应扩散半径试验实测值，注浆扩散高度预测模型和注浆结石体抗压强度预测模型对应扩散高度和结石体抗压强度试验实测值，剩余M‑N个试验样本作为测试集。[0026] 进一步地，根据建立的训练集和测试集，建立预测模型步骤包括：使用粒子群算法确定最优惩罚系数C和核函数参数g，同时选择核函数K(xi,xj)；根据确定的最优惩罚系数C、核函数参数g和核函数K(xi,xj)，构造求解最优化问题；构造SVR决策函数；根据构造的决策函数对预测集进行求解，得到各模型预测值；[0027] 其中选择高斯核为核函数，其为径向基函数网络的核心，核函数K(xi,xj)所依据的公式为：[0028] K(xi,xj)＝exp(‑g‖xi‑xi‖2)[0029] 式中g为核函数参数，xi为输入空间中第i个样本向量，xj为输入空间中第j个样本向量；[0030] 根据确定的最优惩罚系数C、核函数参数g和核函数K(xi,xj)，构造求解最优化问题，得到最优解所依据的公式为：[0031][0032][0033] 式中 为拉格朗日乘子，ε为不敏感损失函数，s.t.含义为“受限制于”，得到最优解[0034] 其中，使用粒子群算法确定最优惩罚系数C和核函数参数g，构造的SVR决策函数公式表达为：[0035][0036] 式中， 为解得的第i组最优解，K(xi,xj)为核函数，b为阈值。[0037] 进一步地，根据获取的注浆效果参数实测值与测试集的扩散半径预测值、扩散高度预测值和抗压强度预测值，计算生成测试集中扩散半径预测值、扩散高度预测值和抗压强度预测值的均方差，均方差计算方法为：[0038] 标定扩散半径预测值的均方差为mse1，扩散高度预测值的均方差为mse2，抗压强度预测值的均方差为mse3；均方差计算所依据的公式为：[0039][0040] 式中M‑N为测试集的试验样本个数， 为第i个样本的扩散半径预测值，yi为第i个样本的扩散半径实测值，扩散高度预测值的均方差mse2和抗压强度预测值的均方差mse3计算方法同mse1一致。[0041] 进一步地，[0042] 根据生成的各预测值的均方差，计算综合注浆性能评价系数，其计算方法为：[0043] 标定综合注浆性能评价系数为YZ，其所依据的公式为：[0044] YZ＝a*mse1+o*mse2+r*mse3[0045] 其中，a,o,r分别为均方差mse1,mse2,mse3所对应设置的比例系数；[0046] 判断预测值准确率所依据的逻辑为：[0047] 标定误差阈值为yz，与综合注浆性能评价系数YZ相较：[0048] 若YZ≤yz，判断为预测值准确率满足精度要求，[0049] 若YZ>yz，则判断为预测值准确率不满足精度要求。[0050] 本发明还提供基于SVR方法的注浆效果预测系统，用于执行上述的基于SVR方法的注浆效果预测方法，包括：[0051] 土层数据采集模块，用于获取不同组注浆试验采用的松散碎石土层的基本性质，所述基本特征包括土粒比重、含水量、密度和渗透系数；[0052] 孔隙率生成模块，用于根据获取的不同注浆试验组的土粒比重、含水量、土层密度分析计算，得到各组松散碎石土层的孔隙率；[0053] 注浆影响因素采集模块，用于获取各注浆试验组注浆影响因素数据，所述注浆影响因素数据包括注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，并将各个注浆试验组和注浆影响因素数据一一映射，构成第一数据集；[0054] 试验数据采集模块，用于获取注浆试验效果参数实测值，所述注浆试验效果参数实测值包括注浆扩散半径实测值、注浆扩散高度实测值和注浆结石体抗压强度实测值；[0055] 扩散半径预测模型生成模块，用于将孔隙率结合第一数据集中的数据和试验样本的扩散半径实测值分为第一训练集和第一测试集，利用第一训练集中的孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散半径预测模型，对第一测试集中扩散半径进行求解，生成扩散半径预测值；[0056] 扩散高度预测模型生成模块，用于将渗透系数结合第一数据集中的数据和试验样本的扩散高度实测值分为第二训练集和第二测试集，根据第二训练集中的渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散高度预测模型，对第二测试集中扩散高度进行求解，生成扩散高度预测值；[0057] 结石体抗压强度预测模型生成模块，用于将渗透系数和孔隙率结合第一数据集中的数据和试验样本的结石体抗压强度实测值分为第三训练集和第三测试集，根据第三训练集中的孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆结石体抗压强度预测模型，对第三测试集中结石体抗压强度进行求解，生成抗压强度预测值；[0058] 预测误差计算模块，用于根据获取的注浆效果参数实测值与测试集的扩散半径预测值、扩散高度预测值和抗压强度预测值，计算生成测试集中扩散半径预测值、扩散高度预测值和抗压强度预测值的均方差；[0059] 预测性能评估模块，用于根据生成的各预测值的均方差，计算综合注浆性能评价系数，与预先设定的误差阈值相较，不超过误差阈值判断为预测值准确率满足精度要求，否则判断为预测值准确率不满足精度要求。[0060] 与现有技术相比，本发明的有益效果是：根据采集不同松散碎石土层的基本性质包括土粒比重、含水量、密度和渗透系数，由土粒比重、含水量、密度计算得到松散碎石土层孔隙率，同时获取影响注浆效果的影响因素数据，包括注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距，将孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据划分为两部分，包括训练集和测试集，生成注浆扩散半径预测模型，通过生成的模型对测试集进行求解，得到扩散半径预测值，使用相同步骤根据渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散高度预测模型，生成扩散高度预测值；根据孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆结石体抗压强度预测模型，生成抗压强度预测值，根据三组预测值与对应组试验测试值计算得到各组对应均方差，由各组均方差生成综合注浆性能评价系数，与预先设定的误差阈值相较，不超过误差阈值判断为预测模型性能良好，满足精度要求，否则判断为预测模型性能不符合精度要求；通过孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距各项参数的共同作用下对注浆效果进行预测，提高了预测的准确率。附图说明[0061] 图1为本发明整体方法流程示意图；[0062] 图2为本发明整体系统流程示意图。具体实施方式[0063] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。[0064] 需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。[0065] 实施例：[0066] 请参阅图1，本发明提供一种技术方案：[0067] 一种基于SVR方法的注浆效果预测方法，具体步骤包括：[0068] 步骤1：设置多组注浆试验组，保证各个实验组的基本性质参数不完全相同，获取不同组注浆试验采用的松散碎石土层的基本性质参数，所述基本性质参数包括土粒比重、含水量、土层密度和渗透系数；[0069] 本实施例中，各个实验组的基本性质参数不完全相同指的是，基本性质参数包括土粒比重、含水量、土层密度和渗透系数，两个实验组之间至少有一个参数不相同。[0070] 土粒比重、土层含水量、土层密度、渗透系数这些性质指标都可以直接测试获得，其中可使用浸水法获得土粒比重；土层含水量通过核磁共振法测量，这是一种非破坏性的方法，利用土壤中水分分子的核磁共振信号来测量含水量；土层密度使用核密度仪来测量土壤的密度，核密度仪是一种设备，通过放射性射线或其他方法来测量土壤的密度，这种方法通常具有较高的准确性；渗透系数可通过土壤水分传感器法检测获得，这种方法利用土层水分传感器监测土层中水分的变化，通过记录土壤中水分的变化速率和施加的水头，可以得到土壤的渗透系数；[0071] 设置有M组注浆试验，第i组试验编号标定为Si，标定第Si组试验中土粒比重为GSi，‑3 ‑1土层含水量为ωi，单位％，土层密度为ρi，单位为g·cm ，渗透系数为ki，单位为cm·s ，i为正整数，且i＝1、2、3、…、M。[0072] 步骤2：根据获取的不同注浆试验组的土粒比重、含水量、密度分析计算，得到各组松散碎石土层的孔隙率；[0073] 标定第Si组试验中，松散碎石土层的孔隙率为ni，所依据的计算公式为：[0074][0075] 式中，ρw为水的密度，ρdi为第Si组试验中松散碎石土层的干密度，其中ρdi所依据的公式为：[0076][0077] 其中，ρi为第Si组试验中土层密度，ωi为第Si组试验中土层含水量；[0078] 记录各注浆试验组采用的松散碎石土层的基本性质参数，如表1所示；[0079] 表1注浆试验采用的松散碎石土层的基本性质[0080][0081][0082] 例如设置九组试验样本，用于建立预测模型。[0083] 步骤3：获取各注浆试验组注浆影响因素数据，所述注浆影响因素数据包括注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，并将各个注浆试验组和注浆影响因素数据一一映射，构成第一数据集；[0084] 其中，注浆效果的影响因素除了受介质自身特性外，还包括：浆液的黏度是度量浆液流动性的主要指标，浆液的流动性直接影响注浆过程及注浆效果，浆液的黏度与浆液浓度有关，而浆液浓度又主要由浆液水灰比来决定，所以水泥浆液水灰比是影响注浆效果的重要因素；[0085] 碎石土的注浆效果也与注浆工艺有很大的关系，注浆压力大小直接影响浆液在介质孔隙及裂隙中的流动，决定了相同条件下浆液注入量、浆液在介质中的渗透能力和渗透距离，从而影响浆液的充填效果；[0086] 此外注浆管侧边注浆孔间的平均孔距对注浆效果也有显著的影响，孔距较大的注浆管可能导致注浆过程中不均匀的浆液分布，在注浆过程中，如果孔距太大，浆液可能只集中在一些特定区域，其他区域则可能得不到充分的注浆，可能会导致局部效果不佳，无法达到预期的巩固或堵漏效果；[0087] 对设置的九组注浆试验，记录各组试验中的注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距，生成第一数据集，如表2所示。[0088] 表2第一数据集[0089][0090][0091] 第一数据集内的数据用于结合注浆试验采用的松散碎石土层的基本性质数据，完成预测模型的建立。[0092] 步骤4：获取注浆试验效果参数实测值，所述注浆试验效果参数实测值包括注浆扩散半径实测值、注浆扩散高度实测值和注浆结石体抗压强度实测值；[0093] 获取注浆扩散半径实测值、注浆扩散高度实测值和注浆结石体抗压强度实测值的具体试验步骤包括：[0094] 拼装试验箱体，铺设塑料薄膜(防止注浆过程中漏浆)，将配置好的S1至S99组松散碎石土层装入试验箱体，同时预埋注浆管；[0095] 按照设计的水灰比配置注浆流体—水泥浆液；[0096] 将配置好的水泥浆液灌入储浆容器中，并安装注浆导管；[0097] 开始注浆，打开注浆控制开关，并缓慢开启氮气减压器，不断调节注浆压力直到压力表达到设计的注浆压力值，观察并记录浆液流动情况；[0098] 停止注浆，当储浆容器中水泥浆液注完或大幅度增大注浆压力浆液仍不再进入，则停止注浆；[0099] 拆模，待浆液凝固后拆模，观察并记录容器内部浆液的分布和扩散情况；[0100] 整理试验数据，测量、测试与分析在松散碎石土层中形成的注浆结石体扩散效果参数，得到扩散半径、扩散高度、结石体抗压强度试验实测值。[0101] 步骤5：将孔隙率结合第一数据集中的数据和试验样本的扩散半径实测值分为第一训练集和第一测试集，利用第一训练集中的孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散半径预测模型，对第一测试集中扩散半径进行求解，生成扩散半径预测值；[0102] 设置训练集和测试集的步骤包括：在i组试验样本中选取N组样本进行训练，得到j j训练集T＝{(x1,y1),…,(xN,yN)}，其中i>N，xj＝X，(j＝1,2,…,N),X为第j个训练样本的列向量，包括渗透系数、孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距5个影响因子，不同预测模型对应有不同影响因子，yi为相应试验样本对应的试验实测值，扩散半径预测模型对应扩散半径试验实测值，注浆扩散高度预测模型和注浆结石体抗压强度预测模型对应扩散高度和结石体抗压强度试验实测值，剩余i‑N个试验样本作为测试集；[0103] 例如将第一数据集内的数据结合孔隙率和试验样本的扩散半径实测值，生成第一训练集和第一测试集，提取表3扩散半径预测模型数据表中前五组试验样本包括进行训练，j j即T＝{(x1,y1),…,(x5,y5)}，xj＝X，(j＝1,2,…,N),X为第j个训练样本的列向量，包括孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距4个影响因子，yj为前五组试验样本对应的扩散半径实测值，将剩余四组试验样本数据作为第一测试集；[0104] 根据训练结果建立注浆扩散半径预测模型的步骤包括：确定最优惩罚系数C、核函数参数g和核函数K(xi,xj)；根据确定的最优惩罚系数C、核函数参数g和核函数K(xi,xj)，构造求解最优化问题；构造SVR决策函数；根据构造的决策函数对预测集进行求解，得到各模型预测值；[0105] 其中选择高斯核为核函数，其为径向基函数网络的核心，核函数K(xi,xj)所依据的公式为：[0106] K(xi，xj)＝exp(‑g｜｜xi‑xj||2)[0107] 式中g为核函数参数，xi为输入空间中第i个样本向量，xj为输入空间中第j个样本向量；[0108] 根据确定的最优惩罚系数C、核函数参数g和核函数K(xi,xj)，构造求解最优化问题，得到最优解所依据的公式为：[0109][0110][0111] 式中 为拉格朗日乘子，ε为不敏感损失函数，s.t.含义为“受限制于”，得到最优解[0112] 其中，使用粒子群算法确定最优惩罚系数C和核函数参数g，构造的SVR决策函数公式表达为：[0113][0114] 式中， 为解得的第i组最优解，K(xi,xj)为核函数，b为阈值；[0115] 其中，粒子群算法可以优化确定惩罚系数C和核函数参数g，通过初始化一群粒子，每个粒子代表了一个可能的惩罚系数和核函数参数的组合，为每个粒子随机初始化位置和速度，位置表示参数空间中的一个点，速度表示粒子在参数空间中的移动方向和速度，确定适应度函数，由全局到局部搜索，不断迭代更新粒子的局部最优位置和全局最优位置，评估并选定整个粒子群中的最优位置，找到最优惩罚系数C和核函数参数g。[0116] 表3扩散半径预测模型数据表[0117][0118] 表3扩散半径预测模型数据表中， 分别表示根据完成训练的扩散半径预测模型对预测集进行求解，得到的扩散半径预测值。[0119] 步骤6：将渗透系数结合第一数据集中的数据和试验样本的扩散高度实测值分为第二训练集和第二测试集，根据第二训练集中的渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散高度预测模型，通过完成训练的扩散高度预测模型对第二测试集中扩散高度进行求解，生成扩散高度预测值；[0120] 建立注浆扩散高度预测模型，求解扩散高度预测值的方法步骤同步骤4中，建立注j j浆扩散半径预测模型，得到扩散半径预测值的方法一致，仅X不同，X为第j个训练样本的列向量，包括渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距4个影响因子，将前五组试验样本作为第二训练集，剩余四组试验样本作为第二测试集，由完成训练的注浆扩散高度预测模型对第二测试集进行求解，得到扩散高度预测值。[0121] 步骤7：将渗透系数和孔隙率结合第一数据集中的数据和试验样本的抗压强度实测值分为第三训练集和第三测试集，根据第三训练集中的孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆结石体抗压强度预测模型，对第三测试集中结石体抗压强度进行求解，生成抗压强度预测值；[0122] 同样依照步骤4和步骤5所述的方法，建立注浆结石体抗压强度预测模型，Xj为第j个训练样本的列向量，包括孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距5个影响因子，将前五组试验样本作为第二训练集，剩余四组试验样本作为第二测试集，由完成训练的注浆结石体抗压强度预测模型对第二测试集进行求解，得到扩散高度预测值。[0123] 步骤8：根据获取的注浆效果参数实测值与测试集的扩散半径预测值、扩散高度预测值和抗压强度预测值，计算生成测试集中扩散半径预测值、扩散高度预测值和抗压强度预测值的均方差；[0124] 均方差是衡量统计模型预测结果与实际观测值之间差异的一种常用指标。它是预测误差的平方的期望值，表示预测值与真实值之间的平均偏差的平方，在机器学习和统计建模中，均方差通常用于衡量模型的拟合程度或预测的准确性；[0125] 定扩散半径预测值的均方差为mse1，扩散高度预测值的均方差为mse2，抗压强度预测值的均方差为mse3；均方差计算所依据的公式为：[0126][0127] 式中M‑N为测试集的试验样本个数， 为第i个样本的扩散半径预测值，yi为第i个样本的扩散半径实测值，扩散高度预测值的均方差mse2和抗压强度预测值的均方差mse3计算方法同mse1一致。[0128] 步骤9：根据生成的各预测值的均方差，计算综合注浆性能评价系数，与预先设定的误差阈值相较，不超过误差阈值判断为生成的预测值与实测值之间存在的误差符合预期要求，生成的预测值可以作为实际注浆过程中注浆效果的参考，否则判断为预测值准确率不满足精度要求，具体判断逻辑为：[0129] 根据生成的各预测值的均方差，计算综合注浆性能评价系数；[0130] 标定综合注浆性能评价系数为YZ，其所依据的公式为：[0131] YZ＝a*mse1+o*mse2+r*mse3[0132] 其中，a,o,r分别为均方差mse1,mse2,mse3所对应设置的比例系数；[0133] 判断预测值的准确率所依据的逻辑为：[0134] 标定误差阈值为yz，与综合注浆性能评价系数YZ相较：[0135] 若YZ≤yz，判断为生成的预测值与实测值之间存在的误差符合预期要求，可以作为实际注浆过程中注浆效果的参考，[0136] 若YZ>yz，则判断为预测值与实测值之间误差较大，不能作为实际注浆过程中注浆效果的参考，检查各预测模型的参数是否出现问题或继续增加训练集试验样本，提高预测准确率，如需要高精度的预测结果，可以增加设置的训练集试验样本，在本实施例中可将训练集试验样本增加至7组，在具体施工中可继续增加。[0137] 请参阅图2，本发明还提供基于SVR方法的注浆效果预测系统，用于执行上述的基于SVR方法的注浆效果预测方法，包括：[0138] 土层数据采集模块，用于获取不同组注浆试验采用的松散碎石土层的基本性质，所述基本特征包括土粒比重、含水量、密度和渗透系数；[0139] 孔隙率生成模块，用于根据获取的不同注浆试验组的土粒比重、含水量、密度分析计算，得到各组松散碎石土层的孔隙率；[0140] 注浆影响因素采集模块，用于获取各注浆试验组注浆影响因素，所述注浆影响因素包括注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距，生成第一数据集；[0141] 试验数据采集模块，用于获取注浆试验效果参数实测值，所述注浆试验效果参数实测值包括注浆扩散半径实测值、注浆扩散高度实测值和注浆结石体抗压强度实测值；[0142] 扩散半径预测模型生成模块，用于根据SVR方法，将孔隙率结合第一数据集中的数据和试验样本的扩散半径实测值分为第一训练集和第一测试集，利用第一训练集中的孔隙率、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散半径预测模型，对第一测试集中扩散半径进行求解，生成扩散半径预测值；[0143] 扩散高度预测模型生成模块，用于将渗透系数结合第一数据集中的数据和试验样本的扩散高度实测值分为第二训练集和第二测试集，根据第二训练集中的渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆扩散高度预测模型，对第二测试集中扩散高度进行求解，生成扩散高度预测值；[0144] 结石体抗压强度预测模型生成模块，用于将渗透系数和孔隙率结合第一数据集中的数据和试验样本的结石体抗压强度实测值分为第三训练集和第三测试集，根据第三训练集中的孔隙率、渗透系数、注浆压力、水泥浆液水灰比和注浆管侧边注浆孔间平均孔距数据，建立注浆结石体抗压强度预测模型，对第三测试集中结石体抗压强度进行求解，生成抗压强度预测值；[0145] 预测误差计算模块，用于根据获取的注浆效果参数实测值与测试集的扩散半径预测值、扩散高度预测值和抗压强度预测值，计算生成测试集中扩散半径预测值、扩散高度预测值和抗压强度预测值的均方差；[0146] 预测性能评估模块，用于根据生成的各预测值的均方差，计算综合注浆性能评价系数，与预先设定的误差阈值相较，不超过误差阈值判断为预测模型性能良好，满足精度要求，否则判断为预测模型性能不符合精度要求。[0147] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。[0148] 上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够通过电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行，取决于技术方案的特定应用和设计约束条件。[0149] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。[0150] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

专利地区：湖北

专利申请日期：2024-05-15

专利公开日期：2024-11-22

专利公告号：CN118547659B