本發(fā)明涉及建筑施工，具體涉及一種水利工程隧洞施工安全評估方法。

背景技術(shù)：

1、水利工程隧洞施工過程中，地質(zhì)條件復(fù)雜、施工環(huán)境嚴(yán)苛，面臨著巖體不穩(wěn)定、應(yīng)力變化頻繁、溫濕度波動大等一系列安全風(fēng)險。為了確保施工的安全性和效率，需要對隧洞內(nèi)部環(huán)境及結(jié)構(gòu)狀態(tài)進(jìn)行全面監(jiān)測，以評估可能的安全隱患。然而，隧洞施工的動態(tài)性和環(huán)境復(fù)雜性，使得對數(shù)據(jù)的采集、處理和分析提出了較高要求。

2、現(xiàn)有技術(shù)(如公開(告)號cn118886720a、cn118691096b、cn118862225a)存在以下不足：

3、1、現(xiàn)有技術(shù)在數(shù)據(jù)擴充方面未能有效解決因樣本不足導(dǎo)致的泛化能力差問題，生成數(shù)據(jù)的穩(wěn)定性和質(zhì)量也難以滿足要求，導(dǎo)致模型訓(xùn)練數(shù)據(jù)不足。

4、2、在特征提取過程中，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)面臨梯度消失和梯度爆炸問題，導(dǎo)致特征提取的穩(wěn)定性不足，影響了模型在高維參數(shù)空間中的有效探索和訓(xùn)練效率。

5、3、現(xiàn)有特征降維方法缺乏有效的動態(tài)特征權(quán)重調(diào)整機制，無法在降維過程中強化重要特征的表達(dá)能力，存在數(shù)據(jù)冗余，導(dǎo)致降維效果不足和后續(xù)分類模型計算負(fù)擔(dān)加重。

6、4、現(xiàn)有分類器模型在處理非線性復(fù)雜特征時適應(yīng)能力有限，難以在保證分類精度的同時減少模型過擬合現(xiàn)象，導(dǎo)致分類效果受限。

技術(shù)實現(xiàn)思路

1、為克服現(xiàn)有技術(shù)所存在的缺陷，現(xiàn)提供一種水利工程隧洞施工安全評估方法，以解決現(xiàn)有的工程施工安全評估方法存在數(shù)據(jù)樣本不足導(dǎo)致泛化能力差的問題。

2、為實現(xiàn)上述目的，提供一種水利工程隧洞施工安全評估方法，包括以下步驟：

3、采集隧洞的監(jiān)測數(shù)據(jù)并標(biāo)注安全評估等級；

4、通過歷史迭代的生成對抗網(wǎng)絡(luò)進(jìn)行所述監(jiān)測數(shù)據(jù)的擴充；

5、將擴充后的所述監(jiān)測數(shù)據(jù)輸入到特征提取模型中進(jìn)行特征提取模型的訓(xùn)練，所述特征提取模型為基于動態(tài)自適應(yīng)振蕩的全連接神經(jīng)網(wǎng)絡(luò)；

6、將特征提取后的所述監(jiān)測數(shù)據(jù)輸入到特征降維模型中進(jìn)行特征降維模型的訓(xùn)練，所述特征降維模型為基于特征細(xì)化的自編碼神經(jīng)網(wǎng)絡(luò)；

7、將降維后的所述監(jiān)測數(shù)據(jù)輸入到分類器中進(jìn)行分類器模型的訓(xùn)練，所述分類器為基于分?jǐn)?shù)秩的動態(tài)剪枝的分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)；

8、使用訓(xùn)練完成的特征提取模型、特征降維模型中進(jìn)行特征處理，再將處理得到的特征輸入到所述分類器模型中進(jìn)行分類以獲得分類結(jié)果。

9、進(jìn)一步的，所述通過歷史迭代的生成對抗網(wǎng)絡(luò)進(jìn)行所述監(jiān)測數(shù)據(jù)的擴充的步驟包括：

10、初始化所述生成對抗網(wǎng)絡(luò)的生成器和判別器的網(wǎng)絡(luò)參數(shù)；

11、所述生成器接收隨機噪聲信號，通過前饋神經(jīng)網(wǎng)絡(luò)產(chǎn)生數(shù)據(jù)樣本；

12、根據(jù)所述生成器的參數(shù)更新量更新生成器的參數(shù)；

13、重復(fù)迭代上述步驟，直至滿足預(yù)設(shè)的停止迭代條件。

14、進(jìn)一步的，所述數(shù)據(jù)樣本通過前饋神經(jīng)網(wǎng)絡(luò)產(chǎn)生的過程表示為：

15、z～pzc(z)，

16、xgenc＝gc(z+nc(t)；wgc,bgc)，

17、式中，z為隨機噪聲，～表示服從于特定分布，pzc(z)表示先驗噪聲分布；gc()為生成器函數(shù)，xgenc為生成器生成的數(shù)據(jù)，nc(t)為第t次迭代的生成器增強噪聲。

18、進(jìn)一步的，所述將擴充后的所述監(jiān)測數(shù)據(jù)輸入到特征提取模型中進(jìn)行特征提取模型的訓(xùn)練的步驟包括：

19、初始化所述全連接神經(jīng)網(wǎng)絡(luò)的參數(shù)和動態(tài)自適應(yīng)振蕩的超參數(shù)；

20、基于當(dāng)前損失函數(shù)計算每個參數(shù)的振蕩頻率；

21、更新每個參數(shù)和振蕩的相位；

22、根據(jù)迭代中參數(shù)更新的效果，自適應(yīng)調(diào)整振蕩的振幅大??；

23、計算每個全連接神經(jīng)網(wǎng)絡(luò)的參數(shù)的更新值；

24、重復(fù)迭代上述步驟，直至滿足預(yù)設(shè)的停止迭代條件。

25、進(jìn)一步的，所述自適應(yīng)調(diào)整方式表示為：

26、

27、式中，ap是振蕩的振幅，是第t次迭代的振蕩的振幅；是第t-1次迭代的振蕩的振幅；γp是振幅調(diào)整系數(shù)。

28、進(jìn)一步的，所述將特征提取后的所述監(jiān)測數(shù)據(jù)輸入到特征降維模型中進(jìn)行特征降維模型的訓(xùn)練的步驟包括：

29、所述自編碼神經(jīng)網(wǎng)絡(luò)的編碼器采用多層非線性映射結(jié)構(gòu)，將高維數(shù)據(jù)映射到初始的低維特征空間；

30、在低維特征生成后，所述自編碼神經(jīng)網(wǎng)絡(luò)的特征調(diào)整模塊根據(jù)當(dāng)前特征空間中的特征重要性，自動生成特征權(quán)重；

31、所述特征調(diào)整模塊對初步生成的低維特征進(jìn)行遞歸優(yōu)化；

32、所述自編碼神經(jīng)網(wǎng)絡(luò)的解碼器將低維特征重新映射回高維空間；

33、重復(fù)迭代上述步驟，直至滿足預(yù)設(shè)的停止迭代條件。

34、進(jìn)一步的，所述特征調(diào)整模塊對初步生成的低維特征進(jìn)行遞歸優(yōu)化的步驟包括在每一輪迭代中，所述特征調(diào)整模塊根據(jù)前一輪特征的表現(xiàn)，調(diào)整各個特征的權(quán)重，逐步增強那些有重要影響的特征，并逐步削弱冗余或噪聲特征，權(quán)重的更新規(guī)則如下：

35、

36、式中，表示第t+1輪迭代的特征權(quán)重，表示第t輪迭代的特征權(quán)重，ηr為自編碼神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率，lr()為自編碼神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，yr為標(biāo)簽數(shù)據(jù)，表示損失函數(shù)對特征權(quán)重的梯度。

37、進(jìn)一步的，所述將降維后的所述監(jiān)測數(shù)據(jù)輸入到分類器中進(jìn)行分類器模型的訓(xùn)練的步驟包括：

38、初始化所述分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)；

39、輸入到所述分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)的監(jiān)測數(shù)據(jù)通過網(wǎng)絡(luò)進(jìn)行前向傳播，每個神經(jīng)元使用分?jǐn)?shù)階激活函數(shù)處理輸入信號；

40、在所述分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)的輸出端計算損失函數(shù)；

41、在反向傳播過程中，基于所述損失函數(shù)更新所述分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置，并結(jié)合偏微分動態(tài)修正策略實現(xiàn)更新；

42、重復(fù)迭代上述步驟，直至滿足預(yù)設(shè)的停止迭代條件。

43、本發(fā)明的有益效果在于，本發(fā)明的水利工程隧洞施工安全評估方法，通過數(shù)據(jù)擴充方法生成真實且多樣的樣本，提升了模型訓(xùn)練數(shù)據(jù)量和數(shù)據(jù)集覆蓋范圍，有效提高了模型的泛化能力，保證了數(shù)據(jù)質(zhì)量。

44、本發(fā)明的水利工程隧洞施工安全評估方法，采用動態(tài)自適應(yīng)振蕩算法的特征提取方法提升了模型在高維數(shù)據(jù)中的特征提取效率，同時在特征提取過程中有效避免了梯度消失和梯度爆炸，使模型訓(xùn)練更加穩(wěn)定。

45、本發(fā)明的水利工程隧洞施工安全評估方法，基于特征細(xì)化的自編碼神經(jīng)網(wǎng)絡(luò)降維技術(shù)，通過特征權(quán)重的遞歸優(yōu)化，有效增強了重要特征的表達(dá)能力，減少了數(shù)據(jù)冗余，簡化了后續(xù)模型的計算復(fù)雜度。

46、本發(fā)明的水利工程隧洞施工安全評估方法，分?jǐn)?shù)階動態(tài)剪枝分類器模型通過優(yōu)化的分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)提高了分類精度，增強了模型對復(fù)雜數(shù)據(jù)的適應(yīng)能力，同時通過正則化控制減少過擬合現(xiàn)象，提升了模型在不同狀態(tài)類別下的預(yù)測準(zhǔn)確性。

技術(shù)特征：

1.一種水利工程隧洞施工安全評估方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的水利工程隧洞施工安全評估方法，其特征在于，所述通過歷史迭代的生成對抗網(wǎng)絡(luò)進(jìn)行所述監(jiān)測數(shù)據(jù)的擴充的步驟包括：

3.根據(jù)權(quán)利要求2所述的水利工程隧洞施工安全評估方法，其特征在于，所述數(shù)據(jù)樣本通過前饋神經(jīng)網(wǎng)絡(luò)產(chǎn)生的過程表示為：

4.根據(jù)權(quán)利要求1所述的水利工程隧洞施工安全評估方法，其特征在于，所述將擴充后的所述監(jiān)測數(shù)據(jù)輸入到特征提取模型中進(jìn)行特征提取模型的訓(xùn)練的步驟包括：

5.根據(jù)權(quán)利要求4所述的水利工程隧洞施工安全評估方法，其特征在于，所述自適應(yīng)調(diào)整方式表示為：

6.根據(jù)權(quán)利要求1所述的水利工程隧洞施工安全評估方法，其特征在于，所述將特征提取后的所述監(jiān)測數(shù)據(jù)輸入到特征降維模型中進(jìn)行特征降維模型的訓(xùn)練的步驟包括：

7.根據(jù)權(quán)利要求6所述的水利工程隧洞施工安全評估方法，其特征在于，所述特征調(diào)整模塊對初步生成的低維特征進(jìn)行遞歸優(yōu)化的步驟包括在每一輪迭代中，所述特征調(diào)整模塊根據(jù)前一輪特征的表現(xiàn)，調(diào)整各個特征的權(quán)重，逐步增強那些有重要影響的特征，并逐步削弱冗余或噪聲特征，權(quán)重的更新規(guī)則如下：

8.根據(jù)權(quán)利要求1所述的水利工程隧洞施工安全評估方法，其特征在于，所述將降維后的所述監(jiān)測數(shù)據(jù)輸入到分類器中進(jìn)行分類器模型的訓(xùn)練的步驟包括：

技術(shù)總結(jié)
本發(fā)明公開了一種水利工程隧洞施工安全評估方法，包括：采集隧洞的監(jiān)測數(shù)據(jù)并標(biāo)注安全評估等級；通過歷史迭代的生成對抗網(wǎng)絡(luò)進(jìn)行監(jiān)測數(shù)據(jù)的擴充；將監(jiān)測數(shù)據(jù)輸入到特征提取模型中進(jìn)行特征提取模型的訓(xùn)練，特征提取模型為基于動態(tài)自適應(yīng)振蕩的全連接神經(jīng)網(wǎng)絡(luò)；將監(jiān)測數(shù)據(jù)輸入到特征降維模型中進(jìn)行特征降維模型的訓(xùn)練，特征降維模型為基于特征細(xì)化的自編碼神經(jīng)網(wǎng)絡(luò)；將監(jiān)測數(shù)據(jù)輸入到分類器中進(jìn)行分類器模型的訓(xùn)練，分類器為基于分?jǐn)?shù)秩的動態(tài)剪枝的分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)；使用訓(xùn)練完成的特征提取模型、特征降維模型、分類器模型中進(jìn)行處理分類以獲得分類結(jié)果。本發(fā)明解決了現(xiàn)有的工程施工安全評估方法存在數(shù)據(jù)樣本不足導(dǎo)致泛化能力差的問題。

技術(shù)研發(fā)人員：王浩偉,郭尚志,彭遠(yuǎn),馬義飛,劉奕,張宇希,陳杰,張君達(dá)
受保護(hù)的技術(shù)使用者：中建八局西北建設(shè)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15