炮孔参数自适应的隧道光面效应预测方法

1.炮孔参数自适应的隧道光面效应预测方法，其特征在于，包括如下步骤：基于图神经网络，构建光面效应预测模型；利用光面效应预测模型对岩体位移数据进行预测；结合岩体位移数据的预测结果，计算隧道光面效应；光面效应预测模型构建步骤包括：构建包括训练数据集和验证数据集的光面爆破效应图数据库；基于图神经网络，构建神经网络模型；神经网络模型包括特征压缩编码层、异步特征关联层和光面效应解码层；特征压缩编码层中，利用堆叠的若干图卷积网络GCN对输入数据 进行特征提取，得到压缩特征数据 ，其中，每个GCN之后连接一个ReLU激活函数，n表示炮孔数量；异步特征关联层中， 分别输入n个transformer编码器进行计算，每个transformer 编码器的计算结果分别输入一个门控循环单元GRU，使用残差连接将 与对应的GRU输出结果相加得到隐藏状态 ；将 一并作为 对应的GRU的输入，同样使用残差连接将 与对应的GRU输出结果相加得到隐藏状态 ；将 和 一并作为 对应的GRU的输入，同样使用残差连接将 与对应的GRU输出结果相加得到隐藏状态 ；以此类推，将 至 一并作为 对应的GRU的输入，同样使用残差连接将 与对应的GRU输出结果相加，得到隐藏状态 ；光面效应解码层：使用堆叠的GCN对隐藏状态 进行扩张还原，得到岩体位移图数据 ，其中，每个GCN之后连接一个ReLU激活函数；利用训练数据集和验证数据集对神经网络模型进行训练和优化，得到光面效应预测模型。 2.根据权利要求1所述的方法，其特征在于，包括训练数据集和验证数据集的光面爆破效应图数据库构建步骤包括：对隧道掌子面的三维几何模型进行网格划分，得到掌子面网格数据；对炮孔三维位置数据、炮孔爆破孔深数据、炮孔爆破时序数据、炮孔爆破药量数据依次编码处理为向量，并在向量归一化后进行拼接，得到炮孔参数矩阵；将掌子面网格数据中的网格作为图数据节点，以网格间的面作为图数据节点间的边，生成邻接矩阵；在图数据节点内，存储网格位置数据和炮孔参数矩阵作为图数据样本，存储对应的岩体位移数据作为图数据标签；获取不同爆破炮孔参数下岩体位移数据，得到若干不同的图数据样本和图数据标签，堆叠形成图结构数据集合，其中爆破炮孔参数包括爆破药量、爆破顺序、炮孔位置、炮孔深度的光面爆破场景；划分图结构数据集合，录入库系统，完成光面爆破效应图数据库构建。 3.根据权利要求1所述的方法，其特征在于，利用修正的有限元仿真模型获取不同爆破药量、爆破顺序、炮孔位置、炮孔深度的光面爆破场景下岩体位移数据，其中，修正的有限元仿真模型获取步骤包括：通过三维激光扫描方式对掌子面进行全覆盖式的扫描，获取掌子面的三维数据，三维数据经过预处理后，重建得到掌子面的三维几何模型；在掌子面内设置互不重叠的三个点作为基准点，依次测量炮孔与基准点的距离，得到炮孔三维位置数据；使用激光测距仪，获得炮孔爆破孔深数据；按照设定的爆破时序信息为炮孔编号，得到炮孔爆破时序数据；依据炮孔的设定爆破当量，收集炮孔爆破药量数据；对光面爆破进行有限元仿真，得到至少包括岩体位移数据和超欠挖量的光面爆破仿真数据；开展光面爆破试验，得到至少包括岩体位移数据和超欠挖量的光面爆破试验数据；以光面爆破仿真数据和光面爆破试验数据作为光面效应修正数据，使用基于SGMD及LWOA-ELM的有限元模型修正方法，对有限元结构本构模型进行修正，得到修正的有限元仿真模型。 4.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，其特征在于，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1-3中任一所述的方法。 5.一种电子设备，其特征在于，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1-3中任一所述的方法的指令。