一种基于时空解耦网络的基坑邻近运营隧道状态预测方法

1.一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，包括以下步骤：获取历史隧道变化数据，所述历史隧道变化数据包括各预设隧道节点的变形、收敛和位移数据及对应的变化时刻；对基坑实时监测获取基坑变化数据，所述基坑变化数据包括多个基坑特征；根据历史隧道变化数据中的每一变化时刻，获取对应的基坑特征数据；基于历史隧道变化数据及对应的基坑特征数据，通过DirectLiNGAM因果解释方法对基坑特征进行筛选，获得用于建模的关键基坑特征集合；基于关键基坑特征集合、历史隧道变化数据、基坑与隧道间的空间关系及受力传导关系，构建时序图网络集合；构建基于图卷积网络和Transformer架构的时空解耦网络，基于时序图网络集合对时空解耦网络进行训练，获得训练后的时空解耦网络；获取基坑当前时刻的关键基坑特征数据，基于当前时刻的关键基坑特征数据与训练后的时空解耦网络，实现基坑邻近运营隧道状态的预测。 2.根据权利要求1所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述历史隧道变化数据为通过对常规监测数据按预设阈值筛选得到的阈值超限事件数据，具体为：所述历史隧道变化数据仅包含当任一预设隧道节点的变形值、收敛值或位移值的绝对值超过相应预设阈值时的监测记录及该监测记录对应的变化时刻。 3.根据权利要求1所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述基坑特征包括支护结构位移、支护结构变形、锚杆拉力、支护结构应力、注浆压力与注浆量、开挖深度、地表沉降、侧向位移、地下水位、孔隙水压力、土体应力、土体应变、临时荷载或周边荷载变化。 4.根据权利要求1所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述根据历史隧道变化数据中的每一变化时刻，获取对应的基坑特征数据，具体包括：以历史隧道变化数据中的每一变化时刻为起点，向前采集预设时间窗内的基坑变化数据，并将预设时间窗内的基坑变化数据中的各个基坑特征值，进行排序，对于每个基坑特征，选取其在预设时间窗内的最大值作为历史隧道变化数据中的每一变化时刻对于的基坑特征数据。 5.根据权利要求1所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述基于历史隧道变化数据及对应的基坑特征数据，通过DirectLiNGAM因果解释方法对基坑特征进行筛选，获得用于建模的关键基坑特征集合，具体包括：将历史隧道变化数据及对应的基坑特征数据组织为样本集合 ：其中， 表示第 i 个时刻的基坑特征向量，每个时刻对应历史隧道变化数据中的一个变化时刻， 为历史隧道变化数据中的总数，包括采集的历史隧道产生变化的时刻总数； 表示第 i 个时刻中第 个基坑特征值， 表示基坑特征总数； 表示第 i 个时刻的隧道变化向量， 表示第 i 个时刻第 q 个隧道节点的变形、收敛和位移值； q 表示预设隧道节点总数；将所有 按行堆叠构成特征矩阵 ；将所有的 按行堆叠构成响应矩阵 ，获得联合观测矩阵 ；对联合观测矩阵 应用DirectLiNGAM线性非高斯无环模型进行因果结构学习，建立线性因果模型：其中， 为随机变量列向量，对应联合观测矩阵 的列变量； 为直接效应系数矩阵； 为各分量相互独立且服从非高斯分布的扰动项；通过最小化残差独立性准则得到矩阵 的估计值 ，并确保矩阵 满足无环性约束；基于估计得到的直接效应矩阵 ，计算变量间的总因果效应矩阵 ：其中， 为单位矩阵， 为总因果效应矩阵；对于每个基坑特征变量索引 ，计算其对所有隧道响应变量索引集合 的综合因果影响度：其中， 表示第 j 个基坑特征的总因果影响度； 表示总因果效应矩阵 中第 行第 列的元素；依据预设筛选准则，从所有基坑特征中选取关键基坑特征集合 ：其中， 为预设因果影响阈值。 6.根据权利要求1所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述基于关键基坑特征集合、历史隧道变化数据、基坑与隧道间的空间关系及受力传导关系，构建时序图网络集合，具体包括：将基坑节点和预设隧道节点定义为图网络中的节点集合，其中基坑节点记为 ，隧道节点集合记为 ，节点集合为 ； q 表示预设隧道节点总数；根据基坑与隧道各个节点之间的空间关系及受力传导关系建立图网络边集 与边权重集 W ；对于每个变化时刻 ，构建一个时刻对应的图网络，基坑节点 在每一变化时刻的节点特征 为对应的关键基坑特征向量，记为：其中， 表示节点 在时刻 t 的节点特征； 表示第 个时刻的第 个关键基坑特征值， 为筛选后的关键基坑特征总数；对于每个隧道节点 ，隧道节点的节点特征为对应的隧道变化数据：其中， ； 表示节点 在时刻 t 的节点特征， 表示第 个时刻第 i 个隧道节点的变形、收敛和位移值；对每一变化时刻 t ，将节点集合 、边集 及该时刻的节点特征集合 ，组合构成时刻 t 的图网络：其中， 表示与历史隧道变化时刻 t 对应的图网络；针对所有变化时刻 ，依次构建对应的图网络 ，并形成时序图网络集合 ：其中， N 表示历史隧道变化数据中的总变化时刻数。 7.根据权利要求6所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述根据基坑与隧道各个节点之间的空间关系及受力传导关系建立图网络边集 与边权重集 W ，具体包括：对于基坑节点 与每个隧道节点 ，建立边 ，并根据空间距离及受力传导关系确定边权重 ，计算公式为：其中， 为基坑节点 与隧道节点 之间的边权重， 为权重归一化系数，用于调整整体权重的数值尺度； 为距离衰减系数，用于控制空间距离对影响强度的衰减速率； 为基坑节点 与隧道节点 之间的直线距离； 为基坑节点对隧道节点 的受力传递系数，用于表征基坑扰动向隧道节点传递的力学影响强度；对于任意两个隧道节点 ，若两节点之间存在空间邻近关系或受力传导路径，则建立边 ，其边权重 计算公式为：其中， 为隧道节点 与隧道节点 之间的边权重； 为隧道节点间权重归一化系数； 为隧道节点间距离衰减系数； 为隧道节点 与 的空间距离； 为隧道节点 间的受力传导系数，用于表征隧道结构之间的受力耦合程度；将所有建立的边 及其对应的边权重 组成边集 与边权重集 W ，其中， ，若节点 间不存在连接，则令 。 8.根据权利要求1所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述时空解耦网络包括图卷积网络、基于自注意力机制的时间编码器、特征解耦模块与预测输出模块；所述时间编码器包括多头注意力层与前馈映射层，用于对由图卷积网络模块输出的时序空间特征进行时间维度建模；所述特征解耦模块包括趋势提取单元与波动提取单元，用于对时间编码器模块输出的综合特征进行分解：趋势提取单元采用平滑滤波与递归结构提取长期变化特征，用于表征基坑施工过程引起的持续变形趋势；波动提取单元采用残差提取与短期卷积结构提取高频变化特征，用于表征环境扰动或瞬态荷载引起的短期波动；所述预测输出模块包括特征融合层与输出层，用于将趋势特征与波动特征进行融合，并通过全连接映射输出未来若干时刻各隧道节点的预测状态。 9.根据权利要求1所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述基于时序图网络集合对时空解耦网络进行训练，获得训练后的时空解耦网络，具体包括：按照预设的滑动窗口长度与预测时域，将时序图网络集合按滑动窗口切分，形成若干训练样本；每一训练样本由连续若干个时刻的图网络的节点特征序列作为输入与其后续若干时刻的隧道节点特征序列作为预测目标，滑动窗口长度及预测时域为可调超参数；对每一训练样本的节点特征序列进行统一处理，包括时间对齐、缺失值填补、数值归一化和维度映射，将基坑的关键基坑特征与各隧道节点的变形/收敛/位移特征按节点顺序组织成每一时刻 t 的节点特征矩阵；对于输入序列中的每一时刻 t ，基于图网络中的边集 与边权重集 W ，采用时空解耦网络中的图卷积网络对每一时刻 t 的节点特征矩阵进行邻域信息聚合与变换，得到每一时刻 t 的各节点的空间表示；将得到的各时刻各节点的空间表示按时间轴排列形成时间序列表示，并采用基于自注意力机制的时间编码器对时间序列表示进行时间特征抽取，捕获不同时间步之间的动态依赖关系，获得包含时序信息的节点级时空特征表示；特征解耦模块通过对节点级时空特征表示进行趋势分量与波动分量的分离，分别对长期变化趋势和短期扰动进行独立建模，其中趋势分量用于捕获基坑开挖和支护结构变化引起的整体变形趋势，波动分量用于表征受荷载变化或环境扰动影响下的局部时变响应；将趋势分量与波动分量在特征融合层进行整合，形成完整的节点级时空特征表示，并输入预测输出模块；所述预测输出模块通过全连接映射将节点级时空特征映射为未来若干时刻各隧道节点的变形、收敛和位移预测值；基于预测值与真实值之间的差异构建损失函数，对时空解耦网络的参数进行迭代优化，获得训练后的时空解耦网络。 10.根据权利要求9所述的一种基于时空解耦网络的基坑邻近运营隧道状态预测方法，其特征在于，所述损失函数，公式为：其中， 为损失函数， 为按滑动窗口切分得到的训练样本集合， 为训练样本总数， 为预测时域长度， 表示预设隧道节点总数； 为每个隧道节点的输出维数，包括变形、收敛、位移； 表示单个训练样本， 为输入节点特征序列， 为对应的隧道节点特征序列； 为模型预测值，表示第 时刻下第 i 个隧道节点、第 u 个输出维度的预测结果； 表示第 时刻下第 i 个隧道节点、第 u 个输出维度的真实测量值。