CN109209505B - 土石混合体隧道三维数字信息管理系统构建方法 - Google Patents

Abstract

本发明涉及一种土石混合体隧道三维数字信息管理系统构建方法，属于土木工程领域。步骤为：S1：信息输入：施工人员输入断面的照片、基本情况、施工支护参数，量测人员输入量测数据，管理人员输入管理评分、控制标准。S2：数据处理：首先断面照片数字图像，其次量测数据回归分析，最后围岩智能分级，以及支护智能辅助设计。S3：可视化输出：首先断面地质、监测、支护信息一体化，其次施工、监测评分和管理，最后结合断面里程，实现三维数字信息化。S4：智能隧道设计：基于S2、S3结果，进行隧道智能辅助设计。本发明可以实现隧道施工的数字信息一体化，从而进行客观、安全、高效，智能的土石混合体隧道设计、施工、管理。

Description

土石混合体隧道三维数字信息管理系统构建方法

技术领域

本发明属于岩土试验领域，涉及一种土石混合体隧道三维数字信息管理系统构建方法。

背景技术

隧道穿越深厚土石混合体区是近年来山地城镇发展过程中出现的新工程地质问题，缺乏类似的工程经验，且由于土石混合体的非均匀性、时空变异性，以及土石间极端的物理性质差异，使得穿越土石混合体的隧道工程施工设计难度极大。同时实际隧道施工中，建设管理部门整体控制工程质量、现场施工部门负责具体施工支护、监控量测部门监测支护效果，三个部门统一协作完成隧道开挖施工，但由于没有统一信息平台，断面开挖地质信息、支护参数信息、监测量测信息通常难以保持实时同步，难以实时根据断面地质信息，结合已有施工支护经验和监测量测成果进行交互设计施工。为此，需构建符合土石混合体开挖断面特性，能够利用广泛应用的移动通信设备和具有强大计算功能的数据处理后台，将建设管理部门、现场施工部门、监控量测部门三方实时紧密联系的土石混合体三维数字信息管理系统，进而对土石混合体隧道隧道进行科学、客观、高效的交互动态设计施工。

但由于土石混合体隧道是当前山地城市发展中出现的新型工程地质，类似的工程经验少，实际建设中没有土石混合体三维数字信息管理系统。其他类型隧道建设的信息管理系统，多针对单独的地质信息、监控量测信息，并未将隧道地质信息、支护信息、量测信息统一，且未能充分利用当前便捷的移动通信设备和具有强大计算能力的数据处理后台，建设管理部门、现场施工部门、监控量测部门无法通过网络进行实时高效的沟通交流。更重要的是未能充分利用系统产生了隧道施工中的一体化信息大数据，实现智能化的隧道辅助设计。

1.土石混合体隧道缺乏类似工程经验和没有三维数字信息管理系统

由于土石混合体隧道是当前城市化进程中出现新型工程地质问题，当前缺乏类似的工程经验。同时由于土石混合体强烈的时空变异性、以及块石粒径组成、基质土性质的复杂多变，建设管理部门、现场施工部门、监控量测部门难以做到实时、高效的沟通，从而难以进行准确的围岩分级，进而进行安全可靠、合理经济的隧道施工设计。

2.常规隧道信息管理系统难以获取准确的土石混合体地质信息

相比其他类型隧道，土石混合体隧道施工主要受块石影响，但由于块石组成的复杂性和空间变异性，一般的隧道信息管理系统难以准确反映隧道的土石混合体地质信息，例如块石含量、块石粒径等。同时由于土石混合体的强烈时空变异性，不同断面里程下土石混合体信息差别巨大，因此需对所有断面进行信息采集，做到所有断面实时、高效的沟通，才能获取准确的土石混合体地质信息。

3.常规隧道信息管理系统难以做到集成、高效的信息一体化

常规隧道信息管理系统并未通过便携的移动设备、计算机网络，以及高计算效率的云端将隧道建设管理部门、现场施工部门、监控量测部门集成和高效的联系起来，且实时将土石混合体体断面地质信息、支护参数信息、监测数据信息相统一，无法建立整个隧道的三维一体化施工信息模型，进而有效的用于隧道施工和科学研究。

4.常规隧道信息管理系统无法提供客观的隧道智能辅助设计

当前常规隧道信息管理系统难以海量的有效有效信息，进行隧道智能辅助设计。其仅提供单独地质信息、监控量测模型，虽然获取的数量可观，但由于无法做到断面地质、支护、监测数据信息的统一，因此难以利用得到的大数据，基于人工智能进行隧道的智能辅助设计。

发明内容

有鉴于此，本发明的目的在于提供一种土石混合体隧道三维数字信息管理系统构建方法。

为达到上述目的，本发明提供如下技术方案：

土石混合体隧道三维数字信息管理系统构建方法，包括以下步骤：

S1.系统信息输入；

S2.系统数据处理；

S3.系统可视化输出；

S4.隧道人工智能辅助设计。

进一步，所述步骤S1为：

首先，断面开挖时，施工人员应24h内输入断面高清照片，描述断面基本情况、支护类型、参数；

其次，支护施工后，监测人员应24h内输入采集到的监测数据，以及支护变形形态；

最后，整个过程，管理人员应按时对施工、监测人员进行打分，并输入施工、监测标准与要求；

具体包括以下内容：

①施工人员信息输入，为保证输入信息的及时性和客观性，输入信息必须在断面开工后 24h内完成，且仅能单向输入，无法修改；

首先，断面高清数码照片，其主要通过布置在隧道中心轴线上的数码相机、固定数码相机并可测定高度的支座、人工光源、以及用作几何尺寸参照的十字形标杆和标定参照物进行；断面开挖出露时，先采用标定参照物标定相机，然后调整光源，拍摄包含几何尺寸参照物的土石混合体开挖出露面；

其次，断面基本信息，难以通过高清图像反映的土石混合体断面信息，需采用人工调查或相关试验确定；如土石混合体基质土的组成、密实度、含水率，断面出水情况，对需进行室内试验的参数，还需选用一定直径的钻机在隧道掌子面附近，随机钻取3～4个一定深度的圆孔，取出孔内的土石混合体，并分别放入样品袋中，带回实验室进行室内试验，再输入试验参数；

最后，断面施工支护类型和参数，如采用的施工方法，支护类型，支护中衬砌厚度、钢拱架的型号和锚杆间距；观察开挖面附近的出水情况，并做好相应的记录；

②监测人员信息输入；断面支护后，根据对应的断面里程，输入监控变形数据和支护变形形态特征，为保证输入信息的及时性和客观性，输入信息须在监测后24h内完成，且仅能单向输入，无法修改；

③管理人员信息输入；管理人员应结合当前规范、工程经验，以及实际情况，对当前施工、监测监测人员的工作进行评分，评分将最终计入工作量评定，进而对整个隧道施工进行科学、信息化的管理；同时制定保守、安全、警戒、危险的施工、监测标准与要求，即

保守时，数据<0.1倍允许值；

安全时，数据<0.8倍允许值；

警戒时，0.8倍允许值<数据<1.2倍允许值；

危险时，数据>1.2倍允许值。

进一步，所述步骤S2为：

首先，断面块石数字信息化，对断面照片数字图像处理得到含石量、粒径、长轴比和块石形态土石混合体断面信息，并由傅立叶级数得到断面块石的数字形态矩阵；

其次，量测数据回归分析，得到监测数据累计量、速率，并基于管理标准和要求进行分级；

然后，基于BP神经网络，对多变量监测的断面进行综合分类，将断面支护分为保守、安全、警戒、危险4类；

具体包括以下内容：

①断面块石数字信息化

首先照片数字图像处理，将开挖断面照片进行图像二值化、滤波和图像分割，基于人工智能编程快速提取所有块石的形态轮廓和平面分布，并对获取的块石形态轮廓和分布进行分析统计，获得土石混合体中块石的含石量，以及块石级配、倾角和长轴比分布信息；

其次断面块石形态矩阵，对单个平面块石轮廓进行平移、旋转和缩放标准化处理，输出原点为块石中心点，块石长短轴与x、y轴重合，且块石面积等于1的标准块石轮廓；在极坐标系下，如式(1)所示，对土石混合体标准石轮廓进行傅里叶级数展开：

其中x,y分别为块石几何中心的坐标，r₀代表颗粒的尺寸大小，A_n、B_n代表特定形态的傅里叶形态指数，具有唯一性；A_n、B_n分别选取前10项描述颗粒形态，形成单个颗粒形态向量：

α₁＝[x,y,r₀,A₁…A_n,B₁…B_n]' (2)

进而对整个块石形态库的所有块石形态进行傅里叶级数展开，生成形态库矩阵，对N个颗粒进行形态描述，得到形态向量矩阵：

M＝[α₁ α₂ … α_N] (3)

断面形态矩阵包含断面上所有的块石形态、粒径、位置信息，表征断面上的所有块石颗粒；

②量测数据回归分析，对断面量测信息进行回归分析，得到量测数据的累计值、速率，如累计沉降、沉降速率；并通过管理制定的监测标准与要求，对断面支护进行初步分级；判断支护的安全性和适用性；且基于断面里程，结合断面地质信息，对监测数据进行三维纵向分析，经验总结发现土石混合体隧道开挖规律；

③断面智能分级，对于含有多个监测数据，如收敛、沉降、内力的断面；此时，同断面，不同类型的监测数据下，可能出现不同的支护判断结果，通过人工智能训练，结合现场工程师判断支护的分级。

进一步，所述步骤S3为：

首先，对单个断面，将断面地质信息、施工支护、量测数据三者进行统一显示，实现断面信息一体化；

然后，输出仅施工、监测人员可见的执行评分，评分由签到和管理人员综合给定，并动态显示；

其次，如有突发或紧急情况，置顶输出断面突发情况信息；

最后，基于隧道里程，建立和完善三维隧道的地质信息、施工支护信息和监测信息；

具体包括以下内容：

①断面信息一体化，编写可视化输出界面，在统一界面内将断面地质信息、施工支护类型参数、量测数据三者进行统一显示，实现单一断面的信息一体化；断面地质信息包括石量、基质土密实度和含水量；

②断面施工、监测执行评分，输出仅施工、监测人员可见的施工、监测执行评分，以及当前管理人员制定施工、监测要求，评分由签到和管理人员综合给定，并动态显示；

③断面突发情况置顶，将有管理人员输入的断面突发情况，以图片或文字形式置顶；

④三维隧道信息一体化，基于隧道开挖里程，对整个三维隧道的地质信息、施工支护类型参数、量测数据，以及施工监测评分、突发情况进行纵向可视化；进而建立和完善三维隧道的整体施工设计信息；通过整体施工设计信息能够空间观察，前后开挖断面间支护性能的相互影响，且能够分析不同土石混合体地质信息下合理支护类型，提高后续支护结构的可靠性，并为类似的土石混合体工程提供重要参考。

进一步，所述步骤S4为：

首先，对智能分类后的断面进行支护等级调整，其中安全类支护级别不变，警戒类支护提高一级，危险类暂停施工，进行综合讨论确定方案；

其次，由信息一体化模型，判定好的地质信息为样本，其中地质信息为输入、支护类型编号为输出，并选择BP神经网络算法进行训练和验证；

最后，将以上整合编入一个统一软件中辅助确定支护类型，进行土石混合体隧道智能辅助设计；

具体包括以下内容：

①支护等级调整，根据已有的保守、安全、警戒和危险支护分类，对支护级别进行调整；其中保守表示支护过于安全支护级别能够降低1级，安全表示支护满足安全要求支护级别不变，警戒表示虽基本满足但支护级别能够提高一级，危险表示当前应暂停施工，需对支护方案进行专家讨论加强；

规范中围岩级别对应支护级别，反之将支护级别与掌子面的围岩级别进行统一，将围岩级别数值等于支护类型编号，即围岩级别通过支护类型编号进行表征；

②新开挖断面人工智能围岩级别判定，以①中已有断面围岩级别判定结果为训练样本，以掌子面的地质信息，包括含石量、最大块石粒径、含水率、基质土内摩擦角和基质土粘聚力性质为样本输入，以实际验证的支护类型编号为样本输出；并选择可靠度较高的BP神经网络进行掌子面围岩级别判定训练学习和验证，建立的BP神经网络是一个动态不断学习的网络，其能够随着施工开挖进行，不断更新训练样本库，从而更为精准的根据地质信息确定所需的支护类型；

③最终，将S1、S2、S3，以及①、②设计的BP神经网络整合，设计一套完整的土石混合体隧道实时设计软件，软件作为信息管理系统的隧道辅助设计软件，其运行流程如下：

首先，初始样本信息生成；先根据现场岩土勘察结果判断实际隧道开挖过程中可能出现地质因素种类，并基于规范和工程经验进行隧道初步设计，随后对初步设计进行数值验证和优化支护，优化后的支护采用唯一的编号进行表征；且根据工程经验对所有支护类型，进行从弱到强进行唯一编号；最后将对应的地质情况和支护级别作为人工智能支护选定的初始样本信息；

其次，基于样本，构建BP神经网络；

随后，实际支护级别判定，将S2中得到断面地质信息输入BP神经网络中，BP神经网络将智能输出支护级别，即围岩级别；

最后，BP神经网络动态更新，采用输出支护施工后实时监测断面数据，并基于规范和实际工程需要，对数据采用①所述方法分为保守、安全、警戒、危险；并根据分类，采用不同样本更新策略；如下所示：

1)安全，直接产生新的BP神经网络样本，BP神经网络样本库更新；

2)警戒，需将支护级别调高1级，生成新的BP神经网络样本，BP神经网络样本库更新；

3)保守，经工程师讨论后，决定是否需将支护级别降低1级，同时生成新的BP神经网络样本，BP神经网络样本库更新；

4)危险，需停止施工、加强监测处理，并采用S3所述的方法对支护进行数值优化加强，生成新的支护级别，进而更新BP神经网络的输入层。

本发明的有益效果在于：

(1)开发用于实际隧道工程，做到实时、高效、强计算、智能的土石混合体隧道三维数字信息管理系统，用于实际土石混合体隧道的施工和管理；

(2)开发可以根据断面照片准确获取块石信息的土石混合体隧道三维数字信息管理系统，并实时记录，用于实现断面信息一体化。

(3)开发将隧道断面信息一体化、集成化的土石混合体隧道三维数字信息管理系统，提供全面、有效、客观的施工经验数据，提高设计施工的准确性。

(4)开发可以人工智能辅助设计的土石混合体隧道三维数字信息管理系统，通过隧道三维信息一体化提供的训练样本，采用人工智能实现隧道智能辅助设计。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明关系图；

图2开挖断面地质信息获取示意图；

图3单个块石轮廓处理示意图；

图4断面块石长轴比统计规律分布图；

图5断面块石倾角统计规律分布图；

图6断面块石粒径统计规律分布图；

图7系统组成示意图；

图8系统功能模块示意图；

图9系统登录界面；

图10系统主页面；

图11系统隧道断面信息页；

图12支护BP神经网络算法流程；

图13土石混合体隧道设计流程。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

如图1所示，本发明分为4个部分：

(1)系统信息输入

首先，断面开挖时，施工人员应24h内输入断面高清照片，描述断面基本情况、支护类型、参数。其次，支护施工后，监测人员应24h内输入采集到的监测数据，以及支护变形形态。最后，整个过程，管理人员应按时对施工、监测人员进行打分，并输入施工、监测标准与要求。

包括以下内容：

①施工人员信息输入，为保证输入信息的及时性和客观性，输入信息必须在断面开工后 24h内完成，且仅能单向输入，无法修改。

首先，断面高清数码照片，其主要通过布置在隧道中心轴线上的数码相机、固定数码相机并可测定高度的支座、人工光源、以及用作几何尺寸参照的十字形标杆和标定参照物进行。断面开挖出露时，先采用标定参照物标定相机，然后调整光源，拍摄包含几何尺寸参照物的土石混合体开挖出露面；

其次，断面基本信息，为难以通过高清图像反映的土石混合体断面信息，需采用人工调查或相关试验确定。如土石混合体基质土的组成、密实度、含水率，断面出水情况，对需进行室内试验的参数，还需选用一定直径的钻机在隧道掌子面附近，随机钻取3～4个一定深度的圆孔，取出孔内的土石混合体，并分别放入样品袋中，带回实验室进行室内试验，再输入试验参数；

最后，断面施工支护类型和参数，如采用的施工方法，支护类型，支护中衬砌厚度、钢拱架的型号、锚杆间距等。观察开挖面附近的出水情况，并做好相应的记录。

②监测人员信息输入。断面支护后，根据对应的断面里程，输入监控变形数据和支护变形形态特征，为保证输入信息的及时性和客观性，输入信息须在监测后24h内完成，且仅能单向输入，无法修改。

③管理人员信息输入。管理人员应结合当前规范、工程经验，以及实际情况，对当前施工、监测监测人员的工作进行评分，评分将最终计入工作量评定，进而对整个隧道施工进行科学、信息化的管理。制定保守、安全、警戒、危险的施工、监测标准与要求，例如

保守时，数据<0.1倍允许值；

安全时，数据<0.8倍允许值；

警戒时，0.8倍允许值<数据<1.2倍允许值；

危险时，数据>1.2倍允许值；

(2)系统数据处理

首先断面块石数字信息化，对断面照片数字图像处理得到含石量、粒径、长轴比、块石形态等土石混合体断面信息，并由傅立叶级数得到断面块石的数字形态矩阵。其次量测数据回归分析，得到监测数据累计量、速率，并基于管理标准和要求进行分级。然后基于BP神经网络，对多变量监测的断面进行综合分类，将断面支护分为保守、安全、警戒、危险4类。

包括以下内容：

①断面块石数字信息化

首先照片数字图像处理，将开挖断面照片进行图像二值化、滤波、图像分割等方法，基于人工智能编程快速提取所有块石的形态轮廓和平面分布，并对获取的块石形态轮廓和分布进行分析统计，获得土石混合体中块石的含石量，以及块石级配、倾角、长轴比等分布信息；

其次断面块石形态矩阵，对单个平面块石轮廓进行平移、旋转、缩放等标准化处理，可以输出原点为块石中心点，块石长短轴与x、y轴重合，且块石面积等于1的标准块石轮廓。在极坐标系下，如式(1)所示，可以对土石混合体标准石轮廓进行傅里叶级数展开：

其中x,y分别为块石几何中心的坐标，r₀代表了颗粒的尺寸大小，A_n、B_n代表特定形态的傅里叶形态指数，具有唯一性。A_n、B_n分别选取前10项描述颗粒形态，形成单个颗粒形态向量：

α₁＝[x,y,r₀,A₁…A_n,B₁…B_n]' (2)

进而对整个块石形态库的所有块石形态进行傅里叶级数展开，生成形态库矩阵，如对N 个颗粒进行形态描述，得到形态向量矩阵：

M＝[α₁ α₂ … α_N] (3)

断面形态矩阵包含了断面上所有的块石形态、粒径、位置信息，可以精确简单的表征断面上的所有块石颗粒。

②量测数据回归分析，对断面量测信息进行回归分析，得到量测数据的累计值、速率，如累计沉降、沉降速率。并通过管理制定的监测标准与要求，对断面支护进行初步分级。判断支护的安全性和适用性。且基于断面里程，结合断面地质信息，对监测数据进行三维纵向分析，经验总结发现土石混合体隧道开挖规律。

③断面智能分级，对于含有多个监测数据，如收敛、沉降、内力的断面。此时，同断面，不同类型的监测数据下，可能出现不同的支护判断结果，因此通过人工智能训练，结合现场工程师判断支护的分级。

(3)系统可视化输出

首先，对单个断面，将断面地质信息、施工支护、量测数据三者进行统一显示，实现断面信息一体化。然后，输出仅施工、监测人员可见的执行评分，评分由签到和管理人员综合给定，并动态显示。其次，如有突发或紧急情况，置顶输出断面突发情况信息。最后，基于隧道里程，建立和完善三维隧道的地质信息、施工支护信息、监测信息。

包括以下内容：

①断面信息一体化，编写可视化输出界面，在统一界面内将断面地质信息(含石量、基质土密实度、含水量)、施工支护类型参数、量测数据三者进行统一显示，实现单一断面的信息一体化；

②断面施工、监测执行评分，输出仅施工、监测人员可见的施工、监测执行评分，以及当前管理人员制定施工、监测要求，评分由签到和管理人员综合给定，并动态显示；

③断面突发情况置顶，将有管理人员输入的断面突发情况，以图片或文字形式置顶。

④三维隧道信息一体化，基于隧道开挖里程，对整个三维隧道的地质信息、施工支护类型参数、量测数据，以及施工监测评分、突发情况进行纵向可视化。进而建立和完善三维隧道的整体施工设计信息。通过整体施工设计信息能够空间观察，前后开挖断面间支护性能的相互影响，且能够分析不同土石混合体地质信息下合理支护类型，提高后续支护结构的可靠性，并为类似的土石混合体工程提供重要参考。

(4)隧道人工智能设计

首先，对智能分类后的断面进行支护等级调整，其中安全类支护级别不变，警戒类支护提高一级，危险类暂停施工，进行综合讨论确定方案；其次，由信息一体化模型，判定好的地质信息为样本，其中地质信息为输入、支护类型编号为输出，并选择BP神经网络算法进行训练和验证；最后，将以上整合编入一个统一软件中辅助确定支护类型，进行土石混合体隧道智能辅助设计；

包括以下内容：

①支护等级调整，根据已有的支护分类(保守、安全、警戒和危险)对支护级别进行调整。其中保守表示支护过于安全支护级别能够降低1级，安全表示支护满足安全要求支护级别不变，警戒表示虽基本满足但支护级别能够提高一级，危险表示当前应暂停施工，需对支护方案进行专家讨论加强；

规范中围岩级别对应支护级别，反之可以将支护级别与掌子面的围岩级别进行统一，将围岩级别数值等于支护类型编号，即围岩级别通过支护类型编号进行表征；

②新开挖断面人工智能围岩级别判定，以①中已有断面围岩级别判定结果为训练样本，以掌子面的地质信息，包括含石量、最大块石粒径、含水率、基质土内摩擦角和基质土粘聚力性质为样本输入，以实际验证的支护类型编号为样本输出；并选择可靠度较高的BP神经网络进行掌子面围岩级别判定训练学习和验证，建立的BP神经网络是一个动态不断学习的网络，其能够随着施工开挖进行，不断更新训练样本库，从而更为精准的根据地质信息确定所需的支护类型；

③最终，将S1、S2、S3，以及①、②设计的BP神经网络整合，编程设计一套完整的土石混合体隧道实时设计软件，软件的运行流程如下：

首先，初始样本信息生成；先根据现场岩土勘察结果判断实际隧道开挖过程中可能出现地质因素种类，并基于规范和工程经验进行隧道初步设计，随后对初步设计进行数值验证和优化支护，优化后的支护采用唯一的编号进行表征；且根据工程经验对所有支护类型，进行从弱到强进行唯一编号；最后将对应的地质情况和支护级别作为人工智能支护选定的初始样本信息；

其次，基于样本，构建BP神经网络；

随后，实际支护级别判定，将S2中得到断面地质信息输入BP神经网络中，BP神经网络将智能输出支护级别，即围岩级别；

最后，BP神经网络动态更新，采用输出支护施工后实时监测断面数据，并基于规范和实际工程需要，对数据采用①所述方法分为保守、安全、警戒、危险；并根据分类，采用不同样本更新策略；如下所示：

1)安全，直接产生新的BP神经网络样本，BP神经网络样本库更新；

2)警戒，需将支护级别调高1级，生成新的BP神经网络样本，BP神经网络样本库更新；

3)保守，经工程师讨论后，决定是否需将支护级别降低1级，同时生成新的BP神经网络样本，BP神经网络样本库更新；

4)危险，需停止施工、加强监测处理，并采用S3所述的方法对支护进行数值优化加强，生成新的支护级别，进而更新BP神经网络的输入层。

可达到相同目的的其他替换方案：

第1部分中，块石形态和分布也可以在数码图片上，通过人工绘制边界获取，而不用数字图像处理进行二值化、滤波、图像分割等操作。

如图2的隧道开挖断面情况获取示意图，首先通过布置在隧道中心轴线上的数码相机、人工光源获取隧道开挖断面出露的高清地质照片，并通过用作几何尺寸参照的十字形标杆和标定参照物，确定照片内的尺寸信息。随后采用数字图像处理中的进行图像二值化、滤波、图像分割等获取断面所有的块石轮廓形态，并对块石形态轮廓进行分析得到，块石级配、体积含石量，以及大块石粒径尺寸。

如图3所示，对获取的单个块石轮廓进行处理可以求得

1.边框矩形，完全包裹块石的最小矩形，用于求解块石的倾角、长短轴、长轴比。

2.等效椭圆，内切于边框矩形，且长轴比与边框矩形相等的椭圆，其倾角、长短轴、长轴比与块石形同，用于等效块石。

3.堆叠椭圆，基于含石量缩放的等效椭圆，其倾角、长短轴、长轴比与块石形同，用于地层的椭圆堆叠生成特定含石量的土石混合体。，

由上获取块石中心点坐标(x,y)，块石面积A，块石长轴与x方向夹角α(作为块石倾角)，块石边框矩形的长轴a，短轴b(块石粒径)，以及长轴比a/b。最后对所有土石混合体中的块石进行处理，得到块石的长轴比、倾角、粒径的统计分布规律如图4、5、6所示。

如图7系统设备组成示意图所示，整个系统以移动便携设备和web完成UI可视化交互终端，为此需分别开发web网页和便携设备APP。整个系统通过Internet进行便捷、快速的连接，为保证数据传输的安全性需采用SSL加密，在客户端与服务器端进行加解密，并且在服务器端加上防火墙过滤数据，以保证内网的服务器安全。计算服务器主要实现业务逻辑，进行大量的计算，数据服务器专用于存储数据，终端只能通过访问计算服务器，由计算服务器计算审核数据后，再由计算服务器与数据服务器进行数据存储与删除操作，因此可以实时将管理、施工、监测高效、紧密联系起来。

如图8系统功能模块示意图所示，分为数据分析、数据上传与储存、报警系统、用户管理系统4个部分，不同的用户对应着不同的权限。数据分析：服务器端接受到终端请求时，计算并生成图表返回给终端，并且服务器定时对数据进行检测，出现异常时，对工程人员推送报警信息；数据的上传与存储：工程管理员可生成项目，由监测员和施工员対项目进行数据上传，并由计算服务器处理，数据库服务器进行存储。报警系统：系统根据上传的数据，定时自动进行分析检测，出现异常时，推送异常报警给工程人员，也可由管理员审核数据，推送报警信息给其他项目相关的工程人员。用户管理：admin为系统最高权限用户，可删除、增加、修改数据并修改相关系统设置。工程管理员、监测员、施工员对项目数据仅有上传、查看权限，无修改权限。

如图9拟开发的web、APP系统平台登录界面所示，设置了施工、管理、监测三种用户登录，不同的用户对应不同的权限级别，提供可视化的UI交互，其权限如图8所示的功能模块图。

如图10拟开发系统平台主页面，通过隧道断面里程，可以实时显示整个隧道开挖过程中，隧道的安全变化、危险断面位置、围岩支护级别，并可以实时显示当前管理要求和标准。通过主页，管理人员可以通过签到、打分，公告等形式对整个隧道施工过程进行有效的管理，并和施工、监测人员人员进行高效沟通。

如图11拟开发系统平台断面信息化显示，断面可以实时对应显示，断面的支护方法，围岩解绑级别，以及对应产生支护变形内力监测数据。结合图10的断面里程，可以有效的进行围岩分析和支护智能设计。

如图12示的BP神经网络构建算法流程图，其中BP神经网络构建根据系统输入输出数据特点进行确定，假定输入8种地质信息，输出5种支护级别，此时神经网络结构为8-9-5,即输入层为8个节点、隐含层为9个点，输出层4个节点。最后从已有的断面信息一化中选择3/4的数据作为训练数据，剩下1/4数据为测试数据，测试训练网格的支护分级能力。

如图13示的土石混合体隧道设计方法流程图所示，

首先，初始样本信息生成。先根据现场岩土勘察结果判断实际隧道开挖过程中可能出现地质因素种类，并基于规范和工程经验进行隧道初步设计，随后对初步设计进行数值验证和优化支护，优化后的支护采用唯一的编号进行表征。且根据工程经验对所有支护类型，进行从弱到强进行唯一编号。最后将对应的地质情况和支护级别作为人工智能支护选定的初始样本信息。

其次，BP神经网络构建。基于样本，构建如图1所示的BP神经网络，

随后，实际支护级别判定，将S2中得到断面地质信息输入BP神经网络中，BP神经网络将智能输出支护级别(围岩级别)。

最后，BP神经网络动态更新，采用输出支护施工后实时监测断面数据，并基于规范和实际工程需要，对数据采用①所述方法分为保守、安全、警戒、危险四类。并根据分类，采用不同样本更新策略。如下所示：

1)安全，直接产生新的BP神经网络样本，BP神经网络样本库更新；

2)警戒，需将支护级别调高1级，生成新的BP神经网络样本，BP神经网络样本库更新；

3)保守，经工程师讨论后，决定是否需将支护级别降低1级，同时生成新的BP神经网络样本，BP神经网络样本库更新；

4)危险，需停止施工、加强监测处理，并采用S3所述的方法对支护进行数值优化加强，生成新的支护级别，进而更新BP神经网络的输入层。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (4)

1.土石混合体隧道三维数字信息管理系统构建方法，其特征在于：该方法包括以下步骤：

S1.系统信息输入；

S2.系统数据处理；

S3.系统可视化输出；

S4.隧道人工智能辅助设计；

所述步骤S1为：

首先，断面开挖时，施工人员应24h内输入断面高清照片，描述断面基本情况、支护类型、参数；

其次，支护施工后，监测人员应24h内输入采集到的监测数据，以及支护变形形态；

最后，整个过程，管理人员应按时对施工、监测人员进行打分，并输入施工、监测标准与要求；

具体包括以下内容：

①施工人员信息输入，为保证输入信息的及时性和客观性，输入信息必须在断面开工后24h内完成，且仅能单向输入，无法修改；

首先，断面高清照片，其主要通过布置在隧道中心轴线上的数码相机、固定数码相机并可测定高度的支座、人工光源、以及用作几何尺寸参照的十字形标杆和标定参照物进行；断面开挖出露时，先采用标定参照物标定相机，然后调整光源，拍摄包含几何尺寸参照物的土石混合体开挖出露面；

其次，断面基本信息，为难以通过高清图像反映的土石混合体断面信息，需采用人工调查或相关试验确定；包括土石混合体基质土的组成、密实度、含水率，断面出水情况，对需进行室内试验的参数，还需选用一定直径的钻机在隧道掌子面附近，随机钻取3～4个一定深度的圆孔，取出孔内的土石混合体，并分别放入样品袋中，带回实验室进行室内试验，再输入试验参数；

最后，断面施工支护类型和参数，包括采用的施工方法，支护类型，支护中衬砌厚度、钢拱架的型号和锚杆间距；观察开挖面附近的出水情况，并做好相应的记录；

②监测人员信息输入；断面支护后，根据对应的断面里程，输入监控变形数据和支护变形形态特征，为保证输入信息的及时性和客观性，输入信息须在监测后24h内完成，且仅能单向输入，无法修改；

③管理人员信息输入；管理人员应结合当前规范、工程经验，以及实际情况，对当前施工、监测人员的工作进行评分，评分将最终计入工作量评定，进而对整个隧道施工进行科学、信息化的管理；同时制定保守、安全、警戒、危险的施工、监测标准与要求，即

保守时，数据<0.1倍允许值；

安全时，数据<0.8倍允许值；

警戒时，0.8倍允许值<数据<1.2倍允许值；

危险时，数据>1.2倍允许值。

2.根据权利要求1所述土石混合体隧道三维数字信息管理系统构建方法，其特征在于：所述步骤S2为：

首先，断面块石数字信息化，对断面照片数字图像处理得到含石量、粒径、长轴比和块石形态土石混合体断面信息，并由傅立叶级数得到断面块石的数字形态矩阵；

其次，量测数据回归分析，得到监测数据累计量、速率，并基于管理标准和要求进行分级；

然后，基于BP神经网络，对多变量监测的断面进行综合分类，将断面支护分为保守、安全、警戒、危险4类；

具体包括以下内容：

①断面块石数字信息化

首先照片数字图像处理，将开挖断面照片进行图像二值化、滤波和图像分割，基于人工智能编程快速提取所有块石的形态轮廓和平面分布，并对获取的块石形态轮廓和分布进行分析统计，获得土石混合体中块石的含石量，以及块石级配、倾角和长轴比分布信息；

其次断面块石形态矩阵，对单个平面块石轮廓进行平移、旋转和缩放标准化处理，输出原点为块石中心点，块石长短轴与x、y轴重合，且块石面积等于1的标准块石轮廓；在极坐标系下，如式(1)所示，对土石混合体标准石轮廓进行傅里叶级数展开：

其中x,y分别为块石几何中心的坐标，r₀代表颗粒的尺寸大小，A_n、B_n代表特定形态的傅里叶形态指数，具有唯一性；A_n、B_n分别选取前10项描述颗粒形态，形成单个颗粒形态向量：

α₁＝[x,y,r₀,A₁…A_n,B₁…B_n]' (2)

进而对整个块石形态库的所有块石形态进行傅里叶级数展开，生成形态库矩阵，对N个颗粒进行形态描述，得到形态向量矩阵：

M＝[α₁ α₂ … α_N] (3)

断面形态矩阵包含断面上所有的块石形态、粒径、位置信息，表征断面上的所有块石颗粒；

②量测数据回归分析，对断面量测信息进行回归分析，得到量测数据的累计值、速率，包括累计沉降、沉降速率；并通过管理制定的监测标准与要求，对断面支护进行初步分级；判断支护的安全性和适用性；且基于断面里程，结合断面地质信息，对监测数据进行三维纵向分析，经验总结发现土石混合体隧道开挖规律；

③断面智能分级，对于含有多个监测数据，包括收敛、沉降、内力的断面；此时，同断面，不同类型的监测数据下，可能出现不同的支护判断结果，通过人工智能训练，结合现场工程师判断支护的分级。

3.根据权利要求1所述土石混合体隧道三维数字信息管理系统构建方法，其特征在于：所述步骤S3为：

首先，对单个断面，将断面地质信息、施工支护、量测数据三者进行统一显示，实现断面信息一体化；

然后，输出仅施工、监测人员可见的执行评分，评分由签到和管理人员综合给定，并动态显示；

其次，如有突发或紧急情况，置顶输出断面突发情况信息；

最后，基于隧道里程，建立和完善三维隧道的地质信息、施工支护信息和监测信息；

具体包括以下内容：

①断面信息一体化，编写可视化输出界面，在统一界面内将断面地质信息、施工支护类型参数、量测数据三者进行统一显示，实现单一断面的信息一体化；断面地质信息包括石量、基质土密实度和含水量；

②断面施工、监测执行评分，输出仅施工、监测人员可见的施工、监测执行评分，以及当前管理人员制定施工、监测要求，评分由签到和管理人员综合给定，并动态显示；

③断面突发情况置顶，将有管理人员输入的断面突发情况，以图片或文字形式置顶；

④三维隧道信息一体化，基于隧道开挖里程，对整个三维隧道的地质信息、施工支护类型参数、量测数据，以及施工监测评分、突发情况进行纵向可视化；进而建立和完善三维隧道的整体施工设计信息；通过整体施工设计信息能够空间观察，前后开挖断面间支护性能的相互影响，且能够分析不同土石混合体地质信息下合理支护类型，提高后续支护结构的可靠性，并为类似的土石混合体工程提供重要参考。

4.根据权利要求1所述土石混合体隧道三维数字信息管理系统构建方法，其特征在于：所述步骤S4为：

首先，对智能分类后的断面进行支护等级调整，其中安全类支护级别不变，警戒类支护提高一级，危险类暂停施工，进行综合讨论确定方案；

其次，由信息一体化模型，判定好的地质信息为样本，其中地质信息为输入、支护类型编号为输出，并选择BP神经网络算法进行训练和验证；

最后，将以上整合编入一个统一软件中辅助确定支护类型，进行土石混合体隧道智能辅助设计；

具体包括以下内容：

①支护等级调整，根据已有的保守、安全、警戒和危险支护分类，对支护级别进行调整；其中保守表示支护过于安全支护级别能够降低1级，安全表示支护满足安全要求支护级别不变，警戒表示虽基本满足但支护级别能够提高一级，危险表示当前应暂停施工，需对支护方案进行专家讨论加强；

规范中围岩级别对应支护级别，反之将支护级别与掌子面的围岩级别进行统一，将围岩级别数值等于支护类型编号，即围岩级别通过支护类型编号进行表征；

②新开挖断面人工智能围岩级别判定，以①中已有断面围岩级别判定结果为训练样本，以掌子面的地质信息，包括含石量、最大块石粒径、含水率、基质土内摩擦角和基质土粘聚力性质为样本输入，以实际验证的支护类型编号为样本输出；并选择可靠度较高的BP神经网络进行掌子面围岩级别判定训练学习和验证，建立的BP神经网络是一个动态不断学习的网络，其能够随着施工开挖进行，不断更新训练样本库，从而更为精准的根据地质信息确定所需的支护类型；

③最终，将S1、S2、S3，以及①、②设计的BP神经网络整合，设计一套完整的土石混合体隧道实时设计软件，软件作为信息管理系统的隧道辅助设计软件，其运行流程如下：

首先，初始样本信息生成；先根据现场岩土勘察结果判断实际隧道开挖过程中可能出现地质因素种类，并基于规范和工程经验进行隧道初步设计，随后对初步设计进行数值验证和优化支护，优化后的支护采用唯一的编号进行表征；且根据工程经验对所有支护类型，进行从弱到强进行唯一编号；最后将对应的地质情况和支护级别作为人工智能支护选定的初始样本信息；

其次，基于样本，构建BP神经网络；

随后，实际支护级别判定，将S2中得到断面地质信息输入BP神经网络中，BP神经网络将智能输出支护级别，即围岩级别；

最后，BP神经网络动态更新，采用输出支护施工后实时监测断面数据，并基于规范和实际工程需要，对数据采用①所述方法分为保守、安全、警戒、危险；并根据分类，采用不同样本更新策略；如下所示：

1)安全，直接产生新的BP神经网络样本，BP神经网络样本库更新；

2)警戒，需将支护级别调高1级，生成新的BP神经网络样本，BP神经网络样本库更新；

3)保守，经工程师讨论后，决定是否需将支护级别降低1级，同时生成新的BP神经网络样本，BP神经网络样本库更新；

4)危险，需停止施工、加强监测处理，并采用S3所述的方法对支护进行数值优化加强，生成新的支护级别，进而更新BP神经网络的输入层。

Images