申请/专利权人：中交第二公路勘察设计研究院有限公司

申请日：2023-09-05

公开（公告）日：2024-06-07

公开（公告）号：CN117351109B

主分类号：G06T11/20

分类号：G06T11/20;G06N3/0455;G06N3/0499;G06N3/08;G06V10/40;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明公开了一种盾构隧道的截面曲线重构方法，涉及隧道界面曲线研究评估领域，S1：整合各个插值点曲率信息；S2：分别以各插值点为起点进行曲线拟合，得到若干拟合曲线向量；S3：将各拟合曲线向量传入神经网络，获取拟合曲线总特征向量；S4：为特征向量进行编码并传入Transformer神经网络进行训练；S5：最终得到修正后的拟合点信息。本发明采用上述的一种盾构隧道的截面曲线重构方法，以各插值点曲率信息为基准，通过将各点作为起始插入点依次拟合获取曲线信息并传入Transformer神经网络提取各条拟合曲线的信息，整合得到近似于真实曲线的方法。该方法较传统离散曲率点拟合曲线方法重构精度提升5％左右，有着明显的性能优势。

主权项：1.一种盾构隧道的截面曲线重构方法，其特征在于：包括以下步骤：S1：整合各个插值点曲率信息；S2：以每个插值点为插值起点进行盾构隧道断面曲线拟合，得到等同于插值点数量的若干条拟合曲线向量；在步骤S2中，将每个插值点都作为曲线拟合起始位置并拟合出对应曲线特征向量记为P1、P2、…、Pn；S3：将各个拟合曲线向量传入神经网络，获取拟合曲线整体的线性特征向量与插值点的特征向量；在步骤S3中，将拟合曲线特征向量信息整合为拟合曲线总特征向量Pt；S4：为特征向量进行位置编码并传入Transformer神经网络进行训练；设定Transforer神经网络相关超参数：编码器层数Lenc、解码器层数Ldec、注意力多头数量H、前馈神经网络维度dmlp、编码器网络维度de、学习率λ、全连接层层数Llinear、全连接层维度dlinear；在步骤S4中将拟合曲线总特征向量Pt传入全连接网络获取拟合曲线点的特征向量Tenc，对拟合曲线点的特征向量Tenc进行位置编码得到包含位置信息的特征向量Ts_p，通过矩阵变化将Ts_p转换为对应的查询矩阵、键矩阵与值矩阵；将实际曲线特征向量Pr传入全连接网络获取实际曲线点的特征向量，对实际曲线点的特征向量进行位置编码得到包含位置信息的特征向量，通过矩阵变化将转换为对应的查询矩阵、键矩阵与值矩阵；对拟合曲线点的特征向量进行位置编码得到包含位置信息的特征向量；模型进行迭代训练，执行以下操作；通过矩阵变化将转换为对应查询矩阵、键矩阵与值矩阵；迭代计算公式如下：进行多头注意力计算，；向量LayerNorm归一化，；进行前向传播，；向量LayerNorm再次归一化，；编码迭代结束；进行Transformer解码，对实际曲线点的特征向量进行位置编码得到包含位置信息的特征向量；并进行迭代计算：模型进行迭代训练，执行以下操作；通过矩阵变化将转换为对应查询矩阵、键矩阵与值矩阵计算公式如下：进行掩码多头注意力计算： ；向量LayerNorm归一化，；将分解为和；多头注意力计算得到后进行LayerNorm归一化： ；进行前向传播，；将解码结果向量归一化，；解码迭代结束，Transformer输出结果：线性特征向量；S5：最终得到修正后的拟合点信息。

全文数据：

权利要求：

百度查询： 中交第二公路勘察设计研究院有限公司 一种盾构隧道的截面曲线重构方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD