(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 202210621997.7 (22)申请日 2022.06.02 (71)申请人 深圳市市政设计 研究院有限公司 地址 518000 广东省深圳市福田区笋岗西 路3007号市政设计大厦 申请人 中铁十六局集团北京轨道交通工程 建设有限公司 　 中铁十六局集团有限公司 　 深圳地铁建 设集团有限公司 (72)发明人 王建新　朱益海　齐卫国　余世为　 王健　宋程鹏　崔松涛　罗杰　 韩君　王志新　牛本亮　黄帮兴　 马敏　王峥峥　张立伟　陈师杰　 储志坚　范印高　马昌盛　韩琪　(74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 周芸婵 (51)Int.Cl. G01N 33/24(2006.01) G01D 21/02(2006.01) G06T 17/05(2011.01) G06T 17/20(2006.01) (54)发明名称 一种基于大数据的岩溶隧道突水风险识别 方法 (57)摘要 本发明公开了一种基于大数据的岩溶隧道 突水风险识别方法， 通过既有突水灾害事故报告 中的突水预兆数据和地质数据建立不同的地质 模型， 在不同的地质模型并划分网格， 利用随机 突水预兆数据在不同网格中进行参数更新， 使 得 模型参数具有普适性， 同时利用更新的地质模型 进行突水危害性评分， 根据评分结果得到突水风 险等级并进行干预， 该方法利用大数据模式， 使 得数据的普适性更高， 且能够适应各种类型的突 水预兆， 对不同的预兆所带来的结果通过分级使 得灾害等级划分更加精确， 保障安全的同时能够 提高人为干预的效率。 权利要求书2页 说明书6页 附图1页 CN 115128245 A 2022.09.30 CN 115128245 A 1.一种基于大 数据的岩溶隧道突水风险识别方法， 其特 征在于， 包括如下步骤： S1、 获取既有突水事故报告中突水 预兆数据和地质构造数据； S2、 根据地质构造数据对同一地段岩溶隧道构建多个相同的底层初始三维模型， 并对 不同地段的岩溶隧道的底层初始 三维模型加权突水预兆数据， 得到不同地段岩溶隧道的二 级地质模型； S3、 对所述二级地质模型网格化， 根据不同突水预兆数据计算不同网格点内突水危害 性评分并根据评分进行并对所有二级地质模型进行突水危害性 排序； S4、 根据排序由高到低建立隧道突水风险预测图， 根据所建立的预测图进行施工监测。 2.根据权利要求1所述的基于大数据的岩溶隧道突水风险识别方法， 其特征在于， 所述 S1中突水 预兆数据一级预兆数据、 二级预兆数据和三级预兆数据， 其中， 所述一级预兆数据包括隧道内土层湿度、 松软度、 滴水率、 温度和硫化氢浓度； 所述二级预兆数据包括工作面压力指数、 底板凹凸度、 底垫量厚度和土层裂度； 所述三级预兆数据包括水流含砂率、 局部冒顶率、 顶板溃水和溃砂率。 3.根据权利要求1所述的基于大数据的岩溶隧道突水风险识别方法， 其特征在于， 所述 S1中地质构造数据包括岩溶类型、 地质层位数据和地质断层数据。 4.根据权利要求1所述的基于大数据的岩溶隧道突水风险识别方法， 其特征在于， 所述 S1中底层 初始三维模型构建方式为： S11、 根据地质层位数据进行构造面建模， 得到断块 地质模型； S12、 根据地质断层数据进行断层建模， 得到断层模型； S13、 根据断块地质模型和断层模型分析断层和层面交接关系， 生成层面和断层的交 线； S14、 将满足预设条件的层面和断线作为约束条件， 对断块地质模型进行重建， 更新的 断块地质模型 得到底层 初始三维模型。 5.根据权利要求4所述的基于大数据的岩溶隧道突水风险识别方法， 其特征在于， 所述 S2中对不同地段的岩溶隧道的底层初始 三维模型加权突水预兆数据， 得到不同地段岩溶隧 道的二级地质模型的具体方式为： S21、 将任意 一种突水 预兆数据添加至任意 一个底层 初始三维模型的断层模型中； S22、 根据 所添加的预兆数据对构造面模型进行矫正， 根据 校正后的层位数据采用高斯 差值进行构造面建模， 得到加权突水 预兆数据后的断块 地质模型； S23、 将S02得到的加权突水预兆数据后的断块地质模型与断层模型融合， 得到二级地 质模型。 6.根据权利要求1所述的基于大数据的岩溶隧道突水风险识别方法， 其特征在于， 所述 S3具体包括： S31、 将所述二级地质模型按照15m*15m*10m规格进行网格化并编号， 对每个网格单元 的中按照突水数据等级依 次进行赋值， 其中， 一级突水预兆数据、 二级突水预兆数据、 三级 突水预兆数据所 赋值大小依次升高， 每一级突水 预兆数据中赋值相同； S32、 利用真值 算法计算每 个网格单 元的三维地质模型 可靠度； S33、 根据各网格单 元的三维地质模型 可靠度计算每 个网格单 元的突水危害性评分； S34、 对不同地段的岩溶隧道的二级地质模型按照分数由高到低进行排序。权　利　要　求　书 1/2 页 2 CN 115128245 A 27.根据权利要求6所述的基于大数据的岩溶隧道突水风险识别方法， 其特征在于， 所述 S32中可靠度计算方式为： S321、 将各网格单元的三维地质模型输入到LCA算法中， 利用LCA算法构 建源参数模型， 并初始化原 始置信度； S322、 利用EM算法求解每个网格单元的三维地质模型的隐藏变量的置信度， 其 中， 隐藏 变量为天气指数及人为破坏指数； S323、 对源参数模型中的所有隐藏变量的置信度进行与原始置信度进行差值运算， 若 差值小于设定阈值则定义该网格内的置信度与 原始置信度相同， 若差值大于等于设定阈值 则定义该网格内的置信度为隐藏变量的置信度。 8.根据权利要求6所述的基于大数据的岩溶隧道突水风险识别方法， 其特征在于， 所述 S33中突水危害性评分的计算方式为： 其中， δi为第i个网格中添加的突水预兆 数据权重， Xi为第i个网格的赋值， μi为第i个网 格的置信度， n为同一个二级网格数量中的网格数量， m为二级地质模型的数量， Pl为第l个 二级地质模型区域大小权 重。 9.根据权利要求1所述的基于大数据的岩溶隧道突水风险识别方法， 其特征在于， 所述 S4中具体包括： S41、 根据突水危害性评分由高到低对不同区段的二级地质模型进行排序； S42、 设定危害等级， 按照 每20％为一个等级由上至下对所有区段发生突水风险的概率 进行分级， 对排名前2个等级的区段进行全天候监控评估， 同时对排名后3个等级区段进行 分时段监控评估。权　利　要　求　书 2/2 页 3 CN 115128245 A 3