(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210816626.4 (22)申请日 2022.07.12 (71)申请人 西南交通大 学 地址 610000 四川省成 都市二环路北一段 (72)发明人 杨成　尹炜浩　黄滟雯　 (74)专利代理 机构 成都乐易联创专利代理有限 公司 51269 专利代理师 赵何婷 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06Q 10/06(2012.01) G06Q 50/08(2012.01) (54)发明名称 基于主动学习的高斯过程元模型的盾构隧 道风险评估方法 (57)摘要 本发明提供了一种基于改进的高斯过程元 模型的盾构隧道风险评估方法， 包括(1)建立有 限元模型； (2)采用基于主动学习的高斯过程元 模型算法对有限元模型进行分析计算， 采用搜索 函数找到 学习函数的阈值， 再利用学习函数找到 最佳训练点， 并将找到的训练点更新至初始训练 集中； (3)利用matlab进行数据可视化处理。 本发 明采用搜索函数和学习函数找 寻最佳训练点， 对 高斯过程元模 型进行改进， 使 算法更适合有潜在 尾部风险的非线性 函数的分析。 权利要求书2页 说明书7页 附图2页 CN 115098928 A 2022.09.23 CN 115098928 A 1.基于改进的高斯过程元模型的盾构隧道风险评估方法， 其特 征在于， 包括如下步骤： (1)建立有限元模型 基于混凝土塑性开裂本构、 预埋螺栓与混凝土的非线性粘结滑移机制建立了隧道管 片‑车站环梁连接段 的局部精细化有限元模型， 通过在混凝土与螺栓的交界面植入可发生 剪切错动的界面单 元来表征相对滑 移和粘结传力作用； (2)基于主动学习的高斯过程元模型算法对有限元模型进行分析计算 (2‑1)生成初始训练集Xs和侯选样本集Xc， 并计算所述初始训练集的输出变量Ys； (2‑2)使用初始训练集{Xs,Ys}训练高斯过程元模型， 采用训练后的高斯过程元模型计 算候选样本集Xc的输出量Y， 再计算输出量Y三重估算的失效概率， 并根据失效概率预测其 状态； (2‑3)设置阈值ε， 计算失效概率的损失函数， 并将损失函数与阈值ε 比较， 当损失函数 小于阈值时结束， 否则执 行下一步骤； (2‑4)采用搜索函数找到学习函数的阈值， 再利用学习函数找到最佳训练点， 并将找到 的最佳训练点更新至初始训练集中， 重新 开始步骤(2 ‑1)～步骤(2 ‑3)； 其中， 搜索函数 是通过调用激活函数对损失函数的加权形成的， 式中 ， 为搜索函数 ， α(y ′)为激活函数 ， 为三重预测模型的分布函数， ψ(y|y ’,ω)为一个以训练点y'为 中心参数为ω的核函数； (3)利用matlab生成样本候选集， 再用批量化计算得到初始训练集， 最后有限元软件实 现步骤(2)的过程， 保存需要的结果或中间数据， 并对数据做可视化处 理。 2.根据权利要求1所述的基于改进的高斯过程元模型的盾构隧道风险评估方法， 其特 征在于， 步骤(1)中所述有限元模 型包括带锚固板模型和不带锚固板模 型， 不带锚固板模型 包括锚固长度充分模型、 锚固长度不足模型。 3.根据权利要求1所述的基于改进的高斯过程元模型的盾构隧道风险评估方法， 其特 征在于， 步骤(2 ‑1)中采用分层抽样法生 成初始训练集， 并通过有限元软件计算出所述初始 训练集的输出量Ys。 4.根据权利要求1所述的基于改进的高斯过程元模型的盾构隧道风险评估方法， 其特 征在于， 步骤(2 ‑1)中所述侯选样 本集Xc可根据变量的概率密度函数采用直接抽样法得到， 样本规模为106， 失效概率Pf≥10‑3， 变异系数小于 5％。 5.根据权利要求1所述的基于改进的高斯过程元模型的盾构隧道风险评估方法， 其特 征在于， 所述损失函数的积分范围为[ylow,yupper]， 阈值 为高斯 过程元模型的预测值， yupper为对输出量Y中估计范围上限值， ylow为对输出量Y中估计范围下 限值， 当损失函数的平均值小于 时停止。 6.根据权利要求1所述的基于改进的高斯过程元模型的盾构隧道风险评估方法， 其特权　利　要　求　书 1/2 页 2 CN 115098928 A 2征在于， 所述激活函数采用Sigmoid、 tanh和ReLU三种激活函数， 三种 激活函数的值域上限 均为0.95 。权　利　要　求　书 2/2 页 3 CN 115098928 A 3