买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南交通大学;中国国家铁路集团有限公司

摘要：本发明公开了一种基于Bayes‑Bi‑GRU模型的隧道施工期围岩变形预测方法，包括以下步骤：获取拱顶沉降与周边收敛数据；数据预处理；划分数据集；使用pytorch框架搭建Bi‑GRU拱部沉降与周边收敛预测模型；Hyperopt贝叶斯调参模块搭建参数优化模型，并设置Bayes优化参数以及搜索空间；优化Bi‑GRU模型；加载训练完成的Bi‑GRU拱顶沉降与周边收敛预测模型，对测试集数据进行预测；对步骤七中得到的预测数据进行反归一化，得到累计变形预测值y。本发明提出的利用Bayes‑Bi‑GRU模型预测公路隧道施工期围岩变形建模简单，精确度较好，满足工程要求，可为隧道设计及施工提供理论支撑，有着广阔的应用场景。

主权项：1.一种基于Bayes-Bi-GRU模型的隧道施工期围岩变形预测方法，其特征在于：包括以下步骤：步骤一：获取拱顶沉降与周边收敛数据：采用全站仪每日测量刚开挖隧道的拱顶、左右拱腰测点实际测量的连续沉降数据和连续收敛变形数据，直到变形不再发生变化，各测量断面间隔为10m-20m；步骤二：数据预处理：利用正态分布3σ准则判断异常值，对异常值和重复值进行删除处理；利用MinMaxScaler对数据进行最大最小归一化处理，将所有数据线性放缩到0-1；步骤三：划分数据集：采用随机划分方法将70％的数据作为训练集，剩下30％的作为预测集；步骤四：使用pytorch框架搭建Bi-GRU拱部沉降与周边收敛预测模型；步骤五：Hyperopt贝叶斯调参模块搭建参数优化模型，并设置Bayes优化参数以及搜索空间；步骤六：优化Bi-GRU模型：设置初始参数，训练Bi-GRU的拱部沉降与周边收敛预测模型，以MSE作为损失函数，采用步骤5中的参数优化模型对Bi-GRU进行反复训练，根据测试集损失判断模型拟合效果，并选取损失最小的一组超参数组合构建Bi-GRU模型；步骤七：加载训练完成的Bi-GRU拱顶沉降与周边收敛预测模型，对测试集数据进行预测；步骤八：对步骤七中得到的预测数据进行反归一化，得到累计变形预测值y。

全文数据：

权利要求：

百度查询： 西南交通大学 中国国家铁路集团有限公司 一种基于Bayes-Bi-GRU模型的隧道施工期围岩变形预测方法