开云优惠体育网页版入口

专利名称：一种隧道整体性防水施工方法

专利类型：发明专利

专利申请号：CN202410583298.7

专利申请（专利权）人：广东省水利水电第三工程局有限公司
权利人地址：广东省东莞市塘厦镇塘厦大道中67号1栋、2栋

专利发明（设计）人：赖建珍,钟达聪,黄汉滔,冯祥钒,李露露,谭啟丰,程芳泽,岳彭,梅杰,冯南斯,李凌峰,刘梓杰,杨斌泽,陈昆龄,彭林,廖晟志,彭茂华

专利摘要：本发明属于施工仿真技术领域，提供了一种隧道整体性防水施工方法，使用三维激光扫描获取隧道三维模型，与设计资料对比得到工作面预处理区域数据；使用图像采集设备获取隧道表面图像，通过图像识别得到防水重点区域数据；使用现场勘察数据、三维模型、防水重点区域数据，构建有限元分析模型，获得风险区域数据；根据工作面预处理区域数据、防水重点区域数据进行预处理作业；之后进行常规防水作业。本发明依托三维激光扫描、图像采集设备可以快速确定隧道防水施工工作面上存在的缺陷、识别渗水区域，之后通过有限元分析获得风险区域数据，之后针对缺陷、渗水区域、风险区域进行针对性的预处理，可以提高施工的精细化水平，提供防水工程的有效性。

主权利要求：
1.一种隧道整体性防水施工方法，其特征在于，所述方法包括以下步骤：S100，使用三维激光扫描装置获取隧道三维模型，将其与设计资料对比，得到工作面预处理区域数据；
S200，使用图像采集设备获取隧道表面图像，通过图像处理识别渗水区域得到防水重点区域数据；
S300，使用现场勘察获得隧道周围水文数据、隧道地质数据，步骤S100获得的隧道三维模型及工作面预处理区域数据、步骤200获得的防水重点区域数据，构建有限元分析模型，获得风险区域数据；
S400，根据步骤S100获得的工作面预处理区域数据进行工作面预处理施工作业；
S500，根据步骤S200、S300获得的防水重点区域数据、风险区域数据进行防水重点区域预处理施工作业；
S600，进行常规防水作业；
所述步骤S200中图像处理识别步骤如下：S2001、在隧道表面图像获取中，针对同一位置，图像采集设备在同一位置，同一补光条件下，间隔一定时间后获得若干图像，图像数据中包括图像数据、位置数据、采集次数数据；S2002、将采集到的图像，统一选定某次采集数据，导入图像处理软件，对图像进行去噪、增强对比度预处理操作，通过颜色空间转换和阈值设定来识别第一渗水区域，通过边缘检测、形态学操作获得第一渗水区域边缘；S2003、对于第一渗水区域的图像获得同一位置多次采集的若干图像，对多张图像采用统一的预处理，包括去噪、对比度增强；S2004、采用光流法的Lucas?Kanade方法评估图像序列中图像中特征点的运动矢量，如存在运动的特征点中出现一致运动模式的特征点超过预设比例，则确定该区域存在渗水问题，标记为防水重点区域；所述特征点包括但不限于第一渗水区域边缘上的点；
或者所述步骤S200中图像处理识别步骤如下：S2001、在隧道表面图像获取中，图像采集设备按照移动距离a逐步获取图像，图像画幅在隧道方向尺寸为3a，图像数据中包括图像数据、位置数据；补光灯为矩形补光，发光面尺寸小于等于a；S2002、将采集到的图像在隧道方向分隔为距离为a的3张图像，由此同一位置获得3张图像，分别为前斜视图像、正视图像、后斜视图像；S2003、将同一位置的正视图像导入图像处理软件，对图像进行去噪、增强对比度预处理操作，通过颜色空间转换和阈值设定来识别第一渗水区域；S2004、对于第一渗水区域的图像获得前斜视图像、正视图像、后斜视图像，分析其阴影、高光区域数据，通过比对前斜视图像、正视图像、后斜视图阴影、高光区域数据的差异，如差异超过预设阈值，则判断该区域存在渗水问题，标记为防水重点区域。
2.根据权利要求1所述的隧道整体性防水施工方法，其特征在于，所述步骤S100、S200中所述工作面预处理区域数据包括但不限于凸出部、凹陷部、裂缝部的缺陷类型、缺陷位置、缺陷面积；所述防水重点区域数据包括渗水区域位置、渗水区域面积。
3.根据权利要求1所述的隧道整体性防水施工方法，其特征在于，所述步骤S2004中阴影、高光区域数据差异判断包括如下步骤：对于前斜视图像、正视图像、后斜视图像使用阈值分割、边缘检测来识别阴影和高光区域；对比三张图像中同一渗水区域的阴影和高光区域，如其大小和位置的变化超过预设阈值，则判断该区域存在渗水问题。
4.根据权利要求1所述的隧道整体性防水施工方法，其特征在于，所述步骤S300中有限元分析包括如下步骤：S3001.导入三维模型，将步骤S100中获得的隧道三维模型导入PLAXIS软件中；
S3002.根据现场勘察得到的隧道地质数据，定义模型中不同地质层的材料属性；
S3003.水压力载荷施加，利用隧道周围的水文数据确定水压力，对模型中的相应位置施加水压力载荷；
S3004.网格划分，对隧道三维模型进行网格划分，针对工作面预处理区域和渗水区域进行网格细化；
S3005.渗水模拟，通过水压力载荷的施加，通过有限元分析获得模型网格的形变量，当形变量超过阈值后该网格标记为风险网格，对于多个相邻的风险网格以及间隔网格数量小于预设数量的风险网格以及间隔的网格作为一个连续的风险区域，并根据风险区域内各网格变形数据获得风险等级。
5.根据权利要求4所述的隧道整体性防水施工方法，其特征在于，所述步骤S300中有限元分析还包括如下步骤：S3006.模型校验和参数调整，将渗水模拟得到的风险区域与防水重点区域进行比对，如偏差在设定范围内，则认为模型准确；如果不一致，则调整渗水模拟中相关参数，之后重复步骤S3005和S3006；
S3007.模型准确后，根据现场需要对水文数据进行放大处理，获得极端预设情况下的风险区域数据。 说明书 : 一种隧道整体性防水施工方法技术领域[0001] 本发明属于施工仿真技术领域，具体涉及一种隧道整体性防水施工方法。背景技术[0002] 隧道是地下工程，受地下水、地表水等多种外部因素的影响，如果隧道内部没有有效的防水措施，地下水可能渗入隧道内部，导致隧道结构受损，甚至发生渗水、渗漏等问题，危及隧道的安全性。隧道整体性防水施工有效防止了地下水渗漏和侵蚀隧道结构，延长了隧道的使用寿命，减少了维修和加固成本。[0003] 目前隧道防水施工中多采用通铺防水材料方式进行，往往不能充分考虑现场条件、作业面平整度、现场渗水情况等对于防水性能的影响，容易导致施工的针对性不足，容易在完工后出现渗水的情况。[0004] 随着检测技术、数字化技术的发展，三维建模、风险分析等施工仿真相关技术可以在施工前对进行针对性检测以指导工程作业，相关技术在边坡变形监测、岩体碎石识别、隧道病害识别量测等土木工程领域中得到广泛使用，不过在隧道整体防水施工中并未获得使用。发明内容[0005] 本发明的目的在于提出一种隧道整体性防水施工方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。[0006] 为了实现上述目的，根据本发明的一方面，提供一种隧道整体性防水施工方法，所述方法包括以下步骤：所述方法包括以下步骤：S100，使用三维激光扫描装置获取隧道三维模型，将其与设计资料对比，得到工作面预处理区域数据；S200，使用图像采集设备获取隧道表面图像，通过图像处理识别渗水区域得到防水重点区域数据；S300，使用现场勘察获得隧道周围水文数据、隧道地质数据，步骤S100获得的隧道三维模型及工作面预处理区域数据、步骤200获得的防水重点区域数据，构建有限元分析模型，获得风险区域数据；S400，根据步骤S100获得的工作面预处理区域数据进行工作面预处理施工作业；S500，根据步骤S200、S300获得的防水重点区域数据、风险区域数据进行防水重点区域预处理施工作业；S600，进行常规防水作业。[0007] 进一步的，所述步骤S100、S200中所述工作面预处理区域数据包括但不限于凸出部、凹陷部、裂缝部的缺陷类型、缺陷位置、缺陷面积；所述防水重点区域数据包括渗水区域位置、渗水区域面积。[0008] 进一步的，步骤S200中图像采集设备包括高清相机、补光灯；所述步骤S200中图像处理识别如下：将采集到的图像导入图像处理软件，对图像进行去噪、增强对比度预处理操作，通过颜色空间转换和阈值设定来识别渗水区域，通过边缘检测、形态学操作获得渗水区域面积。[0009] 进一步的，所述步骤S200中图像处理识别步骤如下：S2001、在隧道表面图像获取中，针对同一位置，图像采集设备在同一位置，同一补光条件下，间隔一定时间后获得若干图像，图像数据中包括图像数据、位置数据、采集次数数据；S2002、将采集到的图像，统一选定某次采集数据，导入图像处理软件，对图像进行去噪、增强对比度预处理操作，通过颜色空间转换和阈值设定来识别第一渗水区域，通过边缘检测、形态学操作获得第一渗水区域边缘；S2003、对于第一渗水区域的图像获得同一位置多次采集的若干图像，对多张图像采用统一的预处理，包括去噪、对比度增强；S2004、采用光流法的Lucas?Kanade方法对于评估图像序列中图像中特征点的运动矢量，如存在运动的特征点中出现一致运动模式的特征点超过预设比例，则确定该区域存在渗水问题，标记为防水重点区域；所述特征点包括但不限于第一渗水区域边缘上的点。[0010] 进一步的，所述步骤S200中图像处理识别步骤如下：S2001、在隧道表面图像获取中，图像采集设备按照移动距离a逐步获取图像，图像画幅在隧道方向尺寸为3a，图像数据中包括图像数据、位置数据；补光灯为矩形补光，发光面尺寸小于等于a；S2002、将采集到的图像在隧道方向按照分隔为距离为a的3张图像，由此同一位置获得3张图像，分别为前斜视图像、正视图像、后斜视图像；S2003、将同一位置的正视图像导入图像处理软件，对图像进行去噪、增强对比度预处理操作，通过颜色空间转换和阈值设定来识别第一渗水区域；S2004、对于第一渗水区域的图像获得前斜视图像、正视图像、后斜视图像，分析其阴影、高光区域数据，通过比对前斜视图像、正视图像、后斜视图阴影、高光区域数据的差异，如差异超过预设阈值，则判断该区域存在渗水问题，标记为防水重点区域。[0011] 进一步的，所述步骤S2004中阴影、高光区域数据差异判断包括如下步骤：对于前斜视图像、正视图像、后斜视图像使用阈值分割、边缘检测来识别阴影和高光区域；对比三张图像中同一渗水区域的阴影和高光区域，如其大小和位置的变化超过预设阈值，则判断该区域存在渗水问题。[0012] 进一步的，所述步骤S300中有限元分析包括如下步骤：S3001.导入三维模型，将步骤S100中获得的隧道三维模型导入PLAXIS软件中；S3002.根据现场勘察得到的隧道地质数据，定义模型中不同地质层的材料属性；S3003.水压力载荷施加，利用隧道周围的水文数据确定水压力，对模型中的相应位置施加水压力载荷；S3004.网格划分，对隧道三维模型进行网格划分，针对工作面预处理区域和渗水区域进行网格细化；S3005.渗水模拟，通过水压力载荷的施加，通过有限元分析获得模型网格的形变量，当形变量超过阈值后该网格标记为风险网格，对于多个相邻的风险网格以及间隔网格数量小于预设数量的风险网格以及间隔的网格作为一个连续的风险区域，并根据风险区域内各网格变形数据获得风险等级。[0013] 进一步的，所述步骤S300中有限元分析还包括如下步骤：S3006.模型校验和参数调整，将渗水模拟得到的风险区域与防水重点区域进行比对，如偏差在设定范围内，则认为模型准确；如果不一致，则调整渗水模拟中相关参数，之后重复步骤S3005和S3006；S3007.模型准确后，根据现场需要对水文数据进行放大处理，获得极端预设情况下的风险区域数据。[0014] 本发明提供了一种隧道整体性防水施工方法，依托三维激光扫描、图像采集设备可以快速确定隧道防水施工工作面上存在的缺陷、识别渗水区域，之后通过有限元分析获得风险区域数据，之后针对缺陷、渗水区域、风险区域进行针对性的预处理，可以提高施工的精细化水平，提供防水工程的有效性。[0015] 在渗水区域识别上，本申请在图像分析中，通过光流法或多角度图像法可以提高识别的精确度。附图说明[0016] 通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：[0017] 图1所示为本发明隧道整体性防水施工方法的流程图；[0018] 图2所示为本发明一种实施例渗水区域识别中图像采集方案示意图；[0019] 图3所示为本发明另一种实施例渗水区域识别中图像采集方案示意图。具体实施方式[0020] 以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。[0021] 如图1所示为一种隧道整体性防水施工方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种隧道整体性防水施工方法，所述方法包括以下步骤：[0022] S100，使用三维激光扫描装置沿隧道纵向移动扫描，获取隧道三维模型，将现场采集的三维模型与设计资料进行详细对比，分析隧道实际表面形状与设计的差异，得到工作面预处理区域数据，包括但不限于凸出部、凹陷部、裂缝部的缺陷类型、缺陷位置、缺陷面积；[0023] S200，使用图像采集设备沿隧道纵向移动扫描，获取隧道表面图像，通过图像处理识别渗水区域得到防水重点区域数据，包括渗水区域位置、渗水区域面积；[0024] S300，使用现场勘察获得隧道周围水文数据、隧道地质、结构(裂缝)相关数据；步骤S100获得的隧道三维模型及工作面预处理区域数据、步骤200获得的防水重点区域数据，构建有限元分析模型，获得风险区域数据；[0025] S400，根据步骤S100获得的工作面预处理区域数据进行工作面预处理施工作业；[0026] S500，根据步骤S200、S300获得的防水重点区域数据、风险区域数据进行防水重点区域预处理施工作业；[0027] S600，进行常规防水作业。[0028] 步骤S100中三维激光扫描装置为领域内常规的三维激光扫描装置，为提高工作效率可以使用多台设备同时进行。通过三维激光扫描装置采集隧道表面形貌数据获得隧道三维模型L1；设计资料为原始设计中隧道设计三维模型L2，通过比对隧道三维模型L1、隧道设计三维模型L2获得两模型之间的差异，识别出隧道施工中出现的缺陷，缺陷类型包括但不限于凸出部、凹陷部、裂缝部，并确定缺陷位置、缺陷面积。[0029] 采用三维激光扫描装置获得隧道三维模型L1采用领域内常规知识，市售的三维激光扫描装置一般内置相关的软件。隧道三维模型L1、隧道设计三维模型L2的比对可以采用领域内常规方法。[0030] 本申请的一个实施例中通过直接点云比较，通过计算点云之间的距离和分布差异识别缺陷。首先对于采集获得的隧道三维模型L1进行滤波处理，去除细小的波动，比如2cm以内的波动，之后通过隧道三维模型L1、隧道设计三维模型L2的直接点云比较，当两个点之间距离差异超过预设值时为缺陷区域。[0031] 步骤S200中图像采集设备可以为领域内常见的高清相机，为避免光照的变化，还设置有补光灯，沿隧道纵向移动扫描，为提高工作效率可以使用多台设备同时进行。[0032] 对获取隧道表面图像处理和识别过程可以采用如下方案：将采集到的图像导入图像处理软件，对图像进行去噪、增强对比度等预处理操作，以突出渗水区域的特征。利用渗水区域较周围一般颜色较深的特点，通过颜色空间转换(如从RGB到灰度图)和阈值设定来识别渗水区域，通过边缘检测、形态学操作(如开运算和闭运算，来去除噪声和填充小的空洞)等方法获得渗水区域面积。[0033] 如附图2所示，为进一步地提高识别质量，本申请还提供一种基于光流法的识别方法，针对同一位置，间隔一定时间后获得若干图像，对于渗水区域，水面会在岩石表面发生流动，其在图像中的亮度数据也会发生变化，通过对多张图像的光流法分析可以图像内光流场变化数据，根据光流场变化数据辅助确定该区域是否存在渗水问题。该方法的具体步骤如下：[0034] 1、在隧道表面图像获取中，针对同一位置，图像采集设备在同一位置，同一补光条件下，间隔一定时间后获得若干图像，图像数据中包括图像数据、位置数据、采集次数数据；[0035] 2、将采集到的图像，统一选定某次采集数据，导入图像处理软件，对图像进行去噪、增强对比度等预处理操作，通过颜色空间转换(如从RGB到灰度图)和阈值设定来识别第一渗水区域，通过边缘检测、形态学操作获得第一渗水区域边缘；[0036] 3、对于第一渗水区域的图像获得同一位置多次采集的若干图像，对多张图像采用统一的预处理，包括去噪、对比度增强等；[0037] 4、采用光流法的对于第一渗水区域是否存在渗水问题进行判断，具体的采用Lucas?Kanade方法对于评估图像序列中图像中特征点的运动矢量，如存在运动的特征点中出现一致运动模式的特征点超过预设比例，则确定该区域存在渗水问题，标记为防水重点区域。特征点包括但不限于第一渗水区域边缘上的点。[0038] 对于一致运动模式的判断，对所有特征点的运动矢量进行统计分析，计算它们的平均值和协方差。如果大部分特征点的运动矢量集中在某个方向，这可以被视为一致运动模式。[0039] 如附图3所示，为进一步地提高识别质量，本申请还提供另一种识别方法，图像采集设备沿隧道方向移动拍摄，某一个位置拍摄画面在隧道方向尺寸为3a，拍摄完成后图像采集设备向前移动距离a再次拍摄，将尺寸为a隧道面作为一个判断区域，针对同一区域，会形成3张不同角度的图像，分别位于拍摄画面的前方、中央、后方，成像角度不同，通过分析不同角度光照造成的阴影和高光区域，以提高识别效果。该方法的具体步骤如下：[0040] 1、在隧道表面图像获取中，图像采集设备按照移动距离a逐步获取图像，图像画幅在隧道方向尺寸为3a，图像数据中包括图像数据、位置数据；补光灯为矩形补光，发光面尺寸小于等于a。[0041] 2、将采集到的图像在隧道方向按照分隔为距离为a的3张图像，由此同一位置获得3张图像，分别为前斜视图像、正视图像、后斜视图像；[0042] 3、将同一位置的正视图像导入图像处理软件，对图像进行去噪、增强对比度等预处理操作，通过颜色空间转换(如从RGB到灰度图)和阈值设定来识别第一渗水区域；[0043] 4、对于第一渗水区域的图像获得前斜视图像、正视图像、后斜视图像分析其阴影、高光区域数据，通过比对前斜视图像、正视图像、后斜视图阴影、高光区域数据的差异，如阴影、高光区域数据差异超过预设阈值，则判断这确定该区域存在渗水问题，标记为防水重点区域。由于水面对于补光光源反射具有明确的方向，而岩石表面一般呈现漫反射，其反射方向同水面存在明显差异。[0044] 阴影、高光区域数据差异判断过程如下：对于前斜视图像、正视图像、后斜视图像使用阈值分割、边缘检测来识别阴影和高光区域。阴影区域通常表现为图像中的暗区，而高光区域则表现为亮度较高的区域。对比三张图像中同一渗水区域的阴影和高光区域，如其大小和位置的变化超过预设阈值，则判断该区域存在渗水问题。[0045] 具体的可以包括如下步骤：[0046] 1、确定阈值，为阴影和高光区域设定亮度阈值。阴影阈值通常低于图像的平均亮度值，高光阈值则高于平均亮度值。使用确定的阈值对每张图像进行二值化处理，将阴影和高光区域分离出来。[0047] 2、边缘检测，对二值化处理的图像应用边缘检测算法(如Canny、Sobel或Laplacian算法)来确定阴影和高光区域的边界。[0048] 3、计算每个阴影和高光区域的像素数量，以量化其大小。[0049] 4、大小和位置比较，对于阴影区域、高光区域的大小通过比较相应区域像素总数量的差异获得，对于位置比较通过区域重叠方法计算重叠区域占比获得。重叠区域占比通过软件，如MATLAB，获得两图像阴影区域、高光区域的交集中像素总数量，然后将其两图像阴影区域、高光区域像素总数量获得。对于前斜视图像、正视图像、后斜视图像两两比较获得3组像素数量差值、重叠区域占比数据，取上述三组数据的平均值表征差异。[0050] 5、如上步骤的差异大于预设值，则认为该区域存在渗水问题。具体获得对于前斜视图像、正视图像、后斜视图像图像两两比较后的像素数量差值、重叠区域占比的平均值，设定像素数量差值、重叠区域占比的预设值，如其中一个数值超过预设值即判断其存在渗水问题。[0051] 上述图像处理可以采用MATLAB、OpenCV、Python进行，上述方案中提到的阈值分割、边缘检测以及其他方案的具体实现过程在领域内是常规知识。[0052] 步骤S300中有限元分析模型处理具体过程如下：将步骤S100获得模型导入到有限元分析软件中，本申请的一个实施例中采用采用PLAXIS有限元软件，也可以采用Visual?modflow、ABAQUS或其他有限元软件。使用现场勘察获得隧道地质数据，包括但不限于不同地质层的材料属性，如土层、岩层等定义材料属性，使用现场勘察获得隧道周围水文数据确定边界条件和水压力载荷。进行网格划分，对于渗水区域进行网格细化，进行渗水模拟，确定风险区域数据。具体包括如下步骤：1.导入三维模型，将步骤S100中获得的隧道三维模型导入PLAXIS软件中。[0053] 2.根据现场勘察得到的隧道地质数据，定义模型中不同地质层的材料属性，本申请的一个实施例中地质数据包括土层、岩层类型，基于现场采样获得土层、岩层的弹性模量、泊松比、内摩擦力、粘聚力、渗透系数、孔隙度等。[0054] 3.水压力载荷施加，利用隧道周围的水文数据，对模型中的相应位置施加水压力载荷。本申请的一个实施例中地质数据包括包括地下水高程数据、地下河位置数据，根据水文数据设置模型的边界条件，具体的根据现场水文数据确定水流动方向，设置一侧(或多侧)的边界为自由渗流边界，表示隧道周围的地下水可以自由流动。另一侧(或多侧)的边界可以设置为固定水位边界/水头边界条件，表示这一侧的地下水位固定在某个高程值上，然后通过地下水流数值模拟(如采用MODFLOW等水文地质软件模拟地下水位和水压力)。也可以现场测量获得水压力分布。[0055] 4.网格划分，对隧道三维模型进行网格划分，针对工作面预处理区域(工作面预处理区域包括但不限于凸出部、凹陷部、裂缝部等存在缺陷的区域)和重点防水区域进行网格细化，以提高分析的精度。[0056] 5.渗水模拟，通过水压力载荷的施加，通过有限元分析获得模型网格的形变量，当形变量超过阈值后该网格标记为风险网格，对于多个相邻的风险网格以及间隔网格数量小于预设数量的风险网格以及间隔的网格作为一个连续的风险区域，并根据风险区域内各网格变形数据获得风险等级，所述风险等级包括各网格变形总量、网格平均变形量、网格最大变形量，通过上述数据的加权平均获得风险等级数据。该风险等级数据为相对值，用于表征去渗水风险性，用于匹配后续的预处理作业。[0057] 还可以将有限元分析获得的网格变形分布图通过颜色空间转换和阈值设定来识别风险网格，通过边缘检测、形态学操作(如开运算和闭运算，来去除噪声和填充小的空洞)等方法获得风险区域。[0058] 更进一步，由于进行上述有限元分析需要大量的现场数据，相关数据在实践中经常存在不完整，收集困难的问题，因此本申请还提供一种使用识别到的防水重点区域对于上述有限元分析结果进行模型校验和参数调整的方案。[0059] 在上述方案的基础上，还包括有步骤5：6、模型校验和参数调整将渗水模拟得到的风险区域与防水重点区域进行比对，如偏差在设定范围内，则认为模型准确；如果不一致，则调整渗水模拟中相关参数，之后重复步骤5和6。[0060] 7、模型准确后，根据现场需要对水文数据进行放大处理，获得极端预设情况下的风险区域数据。[0061] 本申请中采用水压力下网格变形数据表征渗水风险，可以简化渗水分析流程。步骤5中的渗水模拟可以采用如下步骤：[0062] ΔVx＝k(Fx*Ax*(1?2v))/E[0063] ΔVy＝k(Fy*Ay*(1?2v))/E[0064] ΔVz＝k(Fz*Az*(1?2v))/E[0065] K＝f(n,i)[0066][0067] 其中ΔV是网格的体积形变量，Fx、Fy、Fz是网格在x、y、z方向受到的水压力，ΔVx、ΔVz、ΔVz为网格在x、y、z方向的形变量，Ax、Ay、Az是x、y、z方向受水压力作用的网格面积；E是材料的弹性模量，ν是材料的泊松比。n、i分别是网格对应材料的孔隙率、渗透率。K为修正系数用来反映材料渗水性能对变形的影响。[0068] 相应的步骤5中，对于模型校验和参数调整包括如下过程：[0069] 6.1根据步骤S200获得的防水重点区域数据，将防水重点区域对应的网格；[0070] 6.2将步骤5获得的风险网格同步骤6.1获得的防水重点区域对应的网格进行比对，通过比对结果对步骤5的模拟效果进行评价；可以通过步骤5预测获得风险网格正确率来评价模拟效果；[0071] 6.3根据评价结果对步骤5模型中的参数设置进行调整。[0072] 更进一步的，可以通过神经网络辅助上述步骤6.3，具体包括如下步骤：[0073] 6.3.1，在隧道中选取典型段，获得该段隧道三维模型网格划分后各网格的网格对应的物理参数作为输入值，物理参数包括但不限于材料的弹性模量(E)，泊松比(ν)、孔隙率(n)、渗透率(i)，该网格是否属于防水重点区域对应的网格作为输出值，如是记为1，如不是记为0；具体的将上述数据集分为训练集、验证集。[0074] 6.3.2，构建BP神经网络模型并进行模型训练，当模型误差值收敛时，确定输入值之间的相互比重，根据该比重对步骤5模型中的参数设置进行调整。[0075] 具体的，可以选择反向传播的神经网络模型，设置有输入层、隐藏层和输出层，其中输入层神经元数量同物理参数数量相等，隐藏层为其2倍。通过迭代训练和模型验证获得误差在设定范围内的模型，由此获得输入值之间的相互比重。[0076] 在损失函数上，本申请采用如下损失函数：[0077] L＝入Lfn+(1?入)Lfp[0078] 其中Lfn为假阴性(模型错误地将防水重点区域预测为非重点区域)损失，可以定义为假阴性预测的数量与总预测数量的比例。Lfp是假阳性(模型错误地将非重点区域预测为重点区域)损失，可以定义为假阳性预测的数量与总预测数量的比例。λ是一个权重参数，用于调整假阴性和假阳性之间的相对重要性。具体的，假阴性损失、假阳性损失如下：[0079][0080] 其中，I是指示函数，yi是真实标签，即是否属于防水重点区域对应的网格， 是预测值，t是分类阈值，本申请的一个实施例中取0.5。可以根据风险倾向性设置λ值，如更关注假阴性的出现，λ值可以大于0.5。[0081] 步骤S400工作面预处理施工作业根据工作面预处理区域数据中的缺陷类型进行针对性的处理，如凸出部进行打磨平整、凹陷部、裂缝部进行混凝土填充，具体工艺为领域内常规知识、[0082] 步骤S500中针对S200、S300获得的防水重点区域数据、风险区域数据进行防水重点区域预处理施工作业。在具体施工作业时需要根据防水重点区域、风险区域的具体情况选择不同的施工方案：对于裂缝导致的渗水，可以使用注浆技术，如水泥浆、环氧树脂或其他化学浆材，注入裂缝中以封闭裂缝。对于无明显裂缝的渗水面，在防水施工前进行清洗作业，去除松散颗粒、灰尘和其他杂质，为后续防水材料的粘接提供干净表面并在施工前进行吹风干燥处理；对于大流量渗水区域，设置引流系统，将水引导至隧道排水系统，减少水对隧道表面的压力。[0083] 另外针对不同的风险等级，采用不同的应对方法，在高风险位置的预处理中设置多层防水膜，加强衬垫等。[0084] 步骤S600中常规防水作业为领域内常规知识，以下是本申请一个实施例的工艺步骤：在初期支护表面施工防水层，常见的有喷涂防水膜、铺设防水板、涂抹防水涂料等。在防水层施工完成后，进行二次衬砌，通常是浇筑混凝土内衬，以形成最终的隧道内表面。对施工缝、变形缝等部位进行密封处理，安装止水带、止水条等。之后安装排水管道、盲沟等，形成隧道的排水系统，引导渗水流向隧道外部。[0085] 尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

专利地区：广东

专利申请日期：2024-05-11

专利公开日期：2024-11-29

专利公告号：CN118499029B