有效
基于BIM的隧道软岩变形数据处理方法及系统
白皓、裴非飞、周凤岗、刘勇、杨自成、王飞、杨文波、徐海铭、刘凯文、向宝山、徐迪、李涛、曾楠
四川高速公路建设开发集团有限公司
白
白皓 专利 129
西南交通大学计量设备三维建模几何尺寸测量
裴
裴非飞 专利 3
四川高速公路建设开发集团有限公司三维建模图像处理计算技术
周
周凤岗 专利 3
四川高速公路建设开发集团有限公司三维建模物理仪器图像处理
刘
刘勇 专利 27
四川高速公路建设开发集团有限公司物理仪器计算技术图像处理
杨
杨自成 专利 10
四川高速公路建设开发集团有限公司支护锚杆固定建筑安装锚杆
王
王飞 专利 10
四川高速公路建设开发集团有限公司物理仪器计算技术电子数据处理

杨文波 专利 79
西南交通大学材料测试分析固定建筑测量与测试
徐
徐海铭 专利 14
四川高速公路建设开发集团有限公司道路铁路桥梁工程固定建筑道路施工辅助设备

刘凯文 专利 184
西南交通大学三维建模CAD技术细节分析优化类型
向
向宝山 专利 18
广东冠粤路桥有限公司固定建筑物理仪器通用测量技术
徐
徐迪 专利 12
广东冠粤路桥有限公司测量与测试物理仪器几何尺寸测量
李
李涛 专利 24
四川高速公路建设开发集团有限公司物理仪器计算技术电子数据处理
曾
曾楠 专利 15
四川绵九高速公路有限责任公司固定建筑三维建模计算机辅助设计
摘要
本发明提供一种基于BIM的隧道软岩变形数据处理方法及系统,首先获取多个隧道软岩监测数据,并对其进行特征编码,转化为可用于机器学习模型处理的第一编码表示矢量。接着,利用包含多个形变推导网络和特征传递控制网络的第一机器学习模型,对第一编码表示矢量进行深度分析和推导,输出与BIM变形模拟条件及监测数据相关联的变形关联矢量。进一步地,通过第二机器学习模型对变形关联矢量进行再次编码,得到更加精炼的第三编码表示矢量。最后,将第三编码表示矢量输入至变形风险推导模型,准确推导出目标隧道段在不同BIM变形模拟条件下的变形风险趋势,从而不仅提高了隧道软岩变形数据处理的效率和准确性。
1.一种基于BIM的隧道软岩变形数据处理方法,其特征在于,所述方法包括:获取多个隧道软岩监测数据,所述隧道软岩监测数据用于推导目标隧道段对软岩变形控制方案的、针对多个BIM变形模拟条件的变形风险趋势;将多个所述隧道软岩监测数据进行特征编码表示,输出多个第一编码表示矢量;将每个所述第一编码表示矢量加载至与所述第一编码表示矢量对应的第一机器学习模型,所述第一机器学习模型包括关联于多个所述BIM变形模拟条件的多个第一形变推导网络以及多个第一特征传递控制网络,所述第一特征传递控制网络依据所述第一形变推导网络的推导结果,输出与所述BIM变形模拟条件以及所述第一编码表示矢量对应的变形关联矢量;依据与所述BIM变形模拟条件以及多个所述第一编码表示矢量对应的多个所述变形关联矢量,输出所述BIM变形模拟条件的第二编码表示矢量,将所述第二编码表示矢量加载至与所述BIM变形模拟条件对应的第二机器学习模型,输出与所述BIM变形模拟条件对应的第三编码表示矢量;将与多个所述BIM变形模拟条件对应的第三编码表示矢量加载至与多个所述BIM变形模拟条件对应的变形风险推导模型,输出推导的所述目标隧道段对所述软岩变形控制方案的、针对多个所述BIM变形模拟条件的所述变形风险趋势;所述第二机器学习模型包括关联于所述BIM变形模拟条件的第二形变推导网络以及关联于所述BIM变形模拟条件的第二特征传递控制网络;所述将所述第二编码表示矢量加载至与所述BIM变形模拟条件对应的第二机器学习模型,输出与所述BIM变形模拟条件对应的第三编码表示矢量,包括:将所述第二编码表示矢量加载至与所述BIM变形模拟条件对应的第二形变推导网络,输出所述第二形变推导网络的推导结果;调用所述第二特征传递控制网络依据所述第二形变推导网络的所述推导结果生成与所述BIM变形模拟条件对应的所述第三编码表示矢量。
2.根据权利要求1所述的基于BIM的隧道软岩变形数据处理方法,其特征在于,所述第一机器学习模型还包括第一协同网络,所述第二机器学习模型还包括第二协同网络;所述第一特征传递控制网络依据所述第一形变推导网络的推导结果,输出与所述BIM变形模拟条件以及所述第一编码表示矢量对应的变形关联矢量,包括:若所述第一特征传递控制网络关联于一个所述第一形变推导网络,所述第一特征传递控制网络将所述第一协同网络的推导结果、与所述第一特征传递控制网络所关联的所述第一形变推导网络的推导结果进行融合结果,输出与所述BIM变形模拟条件以及所述第一编码表示矢量对应的所述变形关联矢量;若所述第一特征传递控制网络关联于所述第一协同网络,所述第一特征传递控制网络将所述第一协同网络的推导结果、各个所述第一形变推导网络的推导结果进行融合结果,输出与所述第一编码表示矢量对应的第一协同矢量;所述调用所述第二特征传递控制网络依据所述第二形变推导网络的所述推导结果生成与所述BIM变形模拟条件对应的所述第三编码表示矢量,包括:依据多个所述第一编码表示矢量对应的多个所述第一协同矢量,输出第一协同编码表示矢量,加载至所述第二协同网络;依据所述第二特征传递控制网络,将所述第二协同网络的推导结果、与所述第二特征传递控制网络所关联的所述第二形变推导网络的推导结果进行融合结果,输出与所述BIM变形模拟条件对应的所述第三编码表示矢量。
3.根据权利要求2所述的基于BIM的隧道软岩变形数据处理方法,其特征在于,所述将所述第一协同网络的推导结果、与所述第一特征传递控制网络所关联的所述第一形变推导网络的推导结果进行融合结果,输出与所述BIM变形模拟条件以及所述第一编码表示矢量对应的所述变形关联矢量,包括:依据所述第一编码表示矢量,获取所述第一协同网络以及各个所述第一形变推导网络分别对应的第一影响系数;依据所述第一协同网络以及与所述第一特征传递控制网络所关联的所述第一形变推导网络的所述第一影响系数,对所述第一协同网络的推导结果、与所述第一特征传递控制网络所关联的所述第一形变推导网络的推导结果进行融合结果,输出与所述BIM变形模拟条件以及所述第一编码表示矢量对应的所述变形关联矢量;所述将所述第一协同网络的推导结果、各个所述第一形变推导网络的推导结果进行融合结果,输出与所述第一编码表示矢量对应的第一协同矢量,包括:依据所述第一协同网络以及各个所述第一形变推导网络分别对应的所述第一影响系数,对所述第一协同网络的推导结果、各个所述第一形变推导网络的推导结果进行融合结果,输出与所述第一编码表示矢量对应的第一协同矢量;其中,所述依据所述第一编码表示矢量,获取所述第一协同网络以及各个所述第一形变推导网络分别对应的第一影响系数,包括:获取所述第一协同网络以及各个所述第一形变推导网络分别对应的第一网络参数阵列,所述第一网络参数阵列的纵列量为所述第一形变推导网络和所述第一协同网络的网络数量,所述第一网络参数阵列的横行量为所述第一编码表示矢量的特征类别数量;对所述第一网络参数阵列与所述第一编码表示矢量的逆向排列矢量进行第一点积计算;对所述第一点积计算的计算结果进行激活函数处理,输出所述第一影响系数。
4.根据权利要求2所述的基于BIM的隧道软岩变形数据处理方法,其特征在于,所述依据所述第二特征传递控制网络,将所述第二协同网络的推导结果、与所述第二特征传递控制网络所关联的所述第二形变推导网络的推导结果进行融合结果,输出与所述BIM变形模拟条件对应的所述第三编码表示矢量,包括:将多个所述第一编码表示矢量进行串联组合,输出第一组合编码表示矢量;依据所述第一组合编码表示矢量,获取所述第二协同网络、与所述第二特征传递控制网络所关联的所述第二形变推导网络分别对应的第二影响系数;依据所述第二协同网络、与所述第二特征传递控制网络所关联的所述第二形变推导网络分别对应的第二影响系数,对所述第二协同网络的推导结果、与所述第二特征传递控制网络所关联的所述第二形变推导网络的推导结果进行融合结果,输出与所述BIM变形模拟条件对应的所述第三编码表示矢量;其中,所述依据所述第一组合编码表示矢量,获取所述第二协同网络、与所述第二特征传递控制网络所关联的所述第二形变推导网络分别对应的第二影响系数,包括:获取所述第二协同网络以及各个所述第二形变推导网络分别对应的第二网络参数阵列,所述第二网络参数阵列的纵列量为所述第二形变推导网络和所述第二协同网络的网络数量,所述第二网络参数阵列的横行量为所述第一组合编码表示矢量的特征类别数量;对所述第二网络参数阵列与所述第一组合编码表示矢量的逆向排列矢量进行第二点积计算;对所述第二点积计算的计算结果进行激活函数处理,输出所述第二影响系数。
5.根据权利要求1所述的基于BIM的隧道软岩变形数据处理方法,其特征在于,所述将多个所述隧道软岩监测数据进行特征编码表示,输出多个第一编码表示矢量,包括:对所述隧道软岩监测数据进行初步分类,生成不同类型数据的子集,针对每个类型的数据子集进行特征识别,生成每个类型的数据子集的基本特征,所述基本特征包括最大应力值、最小应力值、应力变化频率、应变峰值、应变谷值、应变的平均变化率;根据所述基本特征的重要性和相关性,对所述基本特征进行分层,生成主要特征层和次要特征层的特征,并分别所述主要特征层和次要特征层的特征,采用各自对应的转换方式进行特征转换,将经过转换的不同层次的特征按照特征之间的内在关联进行组合,生成具有关联关系的特征组合数据;基于预先设定的编码规则,为每个特征组合数据建立编码映射关系;所述编码规则是根据软岩变形数据的特征范围和预期的编码表示要求确定的;根据所述编码映射关系,将每个特征组合数据映射到一个对应的编码空间中,在所述编码空间中,不同的编码段代表不同的特征组合情况;将各个编码段按照预设逻辑顺序进行组合,构建编码表示矢量。
6.根据权利要求1所述的基于BIM的隧道软岩变形数据处理方法,其特征在于,在将与多个所述BIM变形模拟条件对应的第三编码表示矢量加载至与多个所述BIM变形模拟条件对应的变形风险推导模型,输出推导的所述目标隧道段对所述软岩变形控制方案的、针对多个所述BIM变形模拟条件的所述变形风险趋势之后,所述方法还包括:获取所述目标隧道段的重点监测条件;从所述针对多个所述BIM变形模拟条件的所述变形风险趋势中,获取针对所述重点监测条件的变形风险趋势;依据所述针对所述重点监测条件的变形风险趋势,对所述软岩变形控制方案进行排列;依据排列结果将所述软岩变形控制方案应用于所述目标隧道段;其中,所述依据所述针对所述重点监测条件的变形风险趋势,对所述软岩变形控制方案进行排列,包括:若所述重点监测条件存在多个,依据多个所述重点监测条件的所述变形风险趋势,确定全局变形风险趋势;依据所述全局变形风险趋势,对所述软岩变形控制方案进行排列。
7.根据权利要求1所述的基于BIM的隧道软岩变形数据处理方法,其特征在于,多个所述隧道软岩监测数据来源于样例学习数据序列的一个样例学习数据,所述样例学习数据携带针对多个所述BIM变形模拟条件的多个监督数据,所述监督数据表征针对所述样例学习数据,所述BIM变形模拟条件下的变形风险标签数据;所述第一机器学习模型、所述第二机器学习模型以及所述变形风险推导模型的训练步骤,包括:对于每个所述BIM变形模拟条件,依据所述监督数据、以及针对所述BIM变形模拟条件的所述变形风险趋势,确定所述BIM变形模拟条件的训练损失值;依据所述训练损失值,确定所述样例学习数据的全局损失值;依据所述全局损失值,优化所述第一机器学习模型、所述第二机器学习模型以及所述变形风险推导模型;其中,所述依据所述训练损失值,确定所述样例学习数据的全局损失值,包括:获取多个所述BIM变形模拟条件的条件影响系数;依据所述条件影响系数,对多个所述BIM变形模拟条件的所述训练损失值进行融合结果,输出所述全局损失值。
8.根据权利要求1所述的基于BIM的隧道软岩变形数据处理方法,其特征在于,所述将每个所述第一编码表示矢量加载至与所述第一编码表示矢量对应的第一机器学习模型,包括:将每个所述第一编码表示矢量加载至与所述第一编码表示矢量对应的多个所述第一机器学习模型,输出与所述BIM变形模拟条件以及所述第一编码表示矢量对应的多个参考变形关联矢量;依据设定规则,依据多个所述参考变形关联矢量,确定与所述BIM变形模拟条件以及所述第一编码表示矢量对应的变形关联矢量。
9.一种基于BIM的隧道软岩变形数据处理系统,其特征在于,所述基于BIM的隧道软岩变形数据处理系统包括处理器和存储器,所述存储器和所述处理器连接,所述存储器用于存储程序、指令或代码,所述处理器用于执行所述存储器中的程序、指令或代码,以实现上述权利要求1-8任意一项所述的基于BIM的隧道软岩变形数据处理方法。



