一种水下隧道盾构掘进开挖面稳定性评价方法及系统

1.一种水下隧道盾构掘进开挖面稳定性评价方法，其特征在于，该水下隧道盾构掘进开挖面稳定性评价方法包括以下步骤：S1、采集水下隧道盾构掘进开挖面的监测数据，并基于掘进数据修正算法识别并修正监测数据中的异常数据；S2、构建基于开挖面的数值模型，设定模型参数；基于数值模型模拟不同工况下开挖面的稳定性，并根据模拟结果分析识别关键影响因素和潜在风险点；S3、基于修正后的监测数据中的声波数据，识别开挖面的地质结构特征，并结合声波数据中的声波速度评估开挖面的稳定性；S4、根据识别得到的关键影响因素和潜在风险点确定影响开挖面稳定性的评估指标，并结合评估指标的实时监测数据评估开挖面的稳定性；S5、基于模拟、声波及指标评估的结果，结合预设权重计算开挖面的综合风险得分，并根据综合风险得分确定开挖面的风险等级；所述基于模拟、声波及指标评估的结果，结合预设权重计算开挖面的综合风险得分，并根据综合风险得分确定开挖面的风险等级包括以下步骤：S51、定义用于评估开挖面风险等级的关键准则，包括基于模拟的风险等级、基于声波的风险等级和基于指标的风险等级；S52、分别获取基于模拟的风险等级的评估结果、基于声波的风险等级的评估结果及基于指标的风险等级的评估结果，并对评估结果进行标准化处理；S53、利用熵权法分别确定基于模拟的风险等级、基于声波的风险等级及基于指标的风险等级的权重；S54、根据获取的数据构建决策矩阵，其中，决策矩阵中的行表示不同的关键准则，列表示不同的风险等级评估结果；S55、利用加权平均法计算每个风险等级评估结果的综合风险等级，并根据综合风险等级的排序结果和风险阈值确定开挖面的最终风险等级。 2.根据权利要求1所述的一种水下隧道盾构掘进开挖面稳定性评价方法，其特征在于，所述采集水下隧道盾构掘进开挖面的监测数据，并基于掘进数据修正算法识别并修正监测数据中的异常数据包括以下步骤：S11、采集水下隧道盾构掘进开挖面的监测数据，并依次对监测数据进行数据清洗、归一化及数据标注处理得到数据集，其中，监测数据包括地质和土体参数、地下水参数、结构响应数据、环境参数及声波监测数据；S12、利用贝叶斯优化算法求解基于卷积神经网络的双向长短时记忆模型的最佳组合参数，并结合数据集对基于卷积神经网络的双向长短时记忆模型进行训练；S13、获取开挖面上一时刻的监测数据，利用训练后的基于卷积神经网络的双向长短时记忆模型输出与上一时刻的监测数据相对应的当前时刻的预测监测数据；S14、计算当前时刻的实时监测数据与预测监测数据之间的差值，并判断该差值是否超出预设的差值阈值，若否，则判定该实时监测数据为正常数据，若是，则判定该实时监测数据为异常数据，并将当前时刻的预测监测数据作为修正后的实时监测数据。 3.根据权利要求2所述的一种水下隧道盾构掘进开挖面稳定性评价方法，其特征在于，所述利用贝叶斯优化算法求解基于卷积神经网络的双向长短时记忆模型的最佳组合参数，并结合数据集对基于卷积神经网络的双向长短时记忆模型进行训练包括以下步骤：S121、设定待优化的超参数，并为各超参数定义搜索空间；初始化贝叶斯优化器，设定初始的超参数值；S122、利用从贝叶斯优化器获取的初始超参数组构建基于卷积神经网络的双向长短时记忆模型，利用数据集对基于卷积神经网络的双向长短时记忆模型进行训练及验证；基于验证结果，贝叶斯优化器更新超参数的概率分布；S123、重复执行S122直至达到最大迭代次数、时间限制或性能指标达到预设阈值；根据贝叶斯优化器的最终结果，选择最佳的超参数组合，并利用最佳的超参数组合重新构建和训练基于卷积神经网络的双向长短时记忆模型。 4.根据权利要求1所述的一种水下隧道盾构掘进开挖面稳定性评价方法，其特征在于，所述构建基于开挖面的数值模型，设定模型参数；基于数值模型模拟不同工况下开挖面的稳定性，并根据模拟结果分析识别关键影响因素和潜在风险点包括以下步骤：S21、根据实际开挖面的几何形状和尺寸构建三维模型，并对三维模型进行网格划分，生成有限元网格或离散元网格；S22、基于地质勘察报告为三维模型中的土体赋予对应的物理和力学参数，并为支护结构赋予相应的材料属性；S23、根据实际地质条件和施工参数设定三维模型的边界条件及初始应力场，并模拟正常工况及极端工况下的开挖面稳定性；S24、利用有限元分析法模拟开挖过程，记录开挖面稳定性的相关指标，并分析模拟结果，识别开挖面稳定性的关键影响因素和潜在风险点；S25、对关键影响因素进行敏感性分析，评估其对开挖面稳定性的影响程度，并根据模拟结果和敏感性分析结果，评估开挖面的风险等级。 5.根据权利要求1所述的一种水下隧道盾构掘进开挖面稳定性评价方法，其特征在于，所述基于修正后的监测数据中的声波数据，识别开挖面的地质结构特征，并结合声波数据中的声波速度评估开挖面的稳定性包括以下步骤：S31、获取修正后的监测数据中的声波数据，根据声波传播时间计算声波速度，并分析声波速度的变换趋势；S32、基于声波的反射和折射特性分析地质体的结构特征，识别影响开挖面稳定性的潜在地质缺陷；S33、通过声波速度反演地质体的物理参数，并根据声波数据和相关地质参数构建声波风险指标，其中，声波风险指标包括声波速度变化率和地质缺陷密度；S34、利用层次分析法为声波风险指标分配权重，基于声波风险指标及对应的权重计算风险得分，并根据风险得分评估开挖面的风险等级。 6.根据权利要求1所述的一种水下隧道盾构掘进开挖面稳定性评价方法，其特征在于，所述根据识别得到的关键影响因素和潜在风险点确定影响开挖面稳定性的评估指标，并结合评估指标的实时监测数据评估开挖面的稳定性包括以下步骤：S41、根据关键影响因素和潜在风险点确定影响开挖面稳定性的评估指标；S42、利用层次分析法为评估指标分配权重，并根据评估指标和权重构建风险评估模型；S43、获取与评估指标相关的实时监测数据，根据风险评估模型计算每个评估指标的得分；S44、将每个评估指标的得分与其对应的权重相乘得到加权得分，并将所有评估指标的加权得分相加，得到开挖面的总风险得分；S45、根据开挖面的总风险得分评估开挖面的风险等级。 7.根据权利要求1所述的一种水下隧道盾构掘进开挖面稳定性评价方法，其特征在于，所述利用熵权法分别确定基于模拟的风险等级、基于声波的风险等级及基于指标的风险等级的权重包括以下步骤：S531、计算每个关键准则的信息熵，并根据每个关键准则的信息熵与最大信息熵的差值确定差异系数；S532、根据差异系数计算每个关键准则的权重，并对计算出的权重进行归一化处理。 8.根据权利要求7所述的一种水下隧道盾构掘进开挖面稳定性评价方法，其特征在于，所述信息熵的计算公式为：关键准则的权重计算公式为：归一化后权重的计算公式为：综合风险等级的计算公式为：式中，H(X)表示随机变量X的信息熵；n表示关键准则的数量；x i 表示第i个关键准则的值；p(x i )表示第i个关键准则的概率；ω i 表示第i个关键准则的权重；ω j 表示第j个关键准则的权重；ω i ′表示归一化后的关键准则i的权重；d i 表示第i个关键准则的差异系数；d j 表示第j个关键准则的差异系数；R表示综合风险等级；r i 表示第i个关键准则的评分。 9.一种水下隧道盾构掘进开挖面稳定性评价系统，用于实现权利要求1-8中任一所述的水下隧道盾构掘进开挖面稳定性评价方法的步骤，其特征在于，该水下隧道盾构掘进开挖面稳定性评价系统包括数据采集修正模块、基于模拟的风险等级评估模块、基于声波的风险等级评估模块、基于指标的风险等级评估模块及综合风险等级评估模块；其中，所述数据采集修正模块，用于采集水下隧道盾构掘进开挖面的监测数据，并基于掘进数据修正算法识别并修正监测数据中的异常数据；所述基于模拟的风险等级评估模块，用于构建基于开挖面的数值模型，设定模型参数；基于数值模型模拟不同工况下开挖面的稳定性，并根据模拟结果分析识别关键影响因素和潜在风险点；所述基于声波的风险等级评估模块，用于基于修正后的监测数据中的声波数据，识别开挖面的地质结构特征，并结合声波数据中的声波速度评估开挖面的稳定性；所述基于指标的风险等级评估模块，用于根据识别得到的关键影响因素和潜在风险点确定影响开挖面稳定性的评估指标，并结合评估指标的实时监测数据评估开挖面的稳定性；所述综合风险等级评估模块，用于基于模拟、声波及指标评估的结果，结合预设权重计算开挖面的综合风险得分，并根据综合风险得分确定开挖面的风险等级。