(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 202210917562.7 (22)申请日 2022.08.01 (71)申请人 华中科技大 学 地址 430000 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 张立茂　吴贤国　刘琼　林鹏辉　 覃亚伟　徐文胜　张军　姚春桥　 王金峰　曾铁梅　陶文涛　熊朝辉　 (74)专利代理 机构 武汉知伯乐知识产权代理有 限公司 42 282 专利代理师 任苗苗 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/12(2006.01) G06N 7/00(2006.01) G06N 20/20(2019.01) G06F 111/04(2020.01) G06F 111/06(2020.01) G06F 111/08(2020.01) G06F 119/14(2020.01) (54)发明名称 近接隧道施工条件下新建隧道设计优化方 法及设备 (57)摘要 本发明属于隧道施工技术领域， 并具体公开 了一种近接隧道施工条件下新建隧道设计优化 方法及设备。 所述方法包括： 构建隧道施工参数 指标体系采用轻量化梯度促进机算法建立预测 极限支撑压力和地表变形的集 成学习模型； 利用 NSGA‑Ⅱ对极限支撑压力和地表 变形两个目标进 行优化， 同时考虑岩土条件的不确定性和元模型 的误差； 通过蒙特卡罗仿真， 建立概率约束进行 多目标优化， 生成Pareto前沿， 并以离理想点距 离最短的点为准则得到新隧道的最佳位置。 本发 明不仅能够预测和优化邻近既有隧道的开挖破 坏， 新隧道的最佳位置将在现有隧道的基础上确 定， 而且还考虑了地质条件和元模 型等各种类型 的不确定性， 使得结果更加可靠， 从而为决策提 供更保守的参 考。 权利要求书3页 说明书11页 附图4页 CN 114996829 A 2022.09.02 CN 114996829 A 1.一种近 接隧道施工条件下新建隧道设计优化方法， 其特 征在于， 包括以下步骤： S1构建隧道施工参数指标体系， 基于该隧道施工参数指标体系， 采用LightGBM回归模 型建立预测极限支撑 压力和地表变形的集成学习模型； S2以岩土条件的不确定性和集成学习模型的元模型误差为约束， 对极限支撑压力和地 表变形进行优化； S3建立概率约束， 对集成学习模型进行多目标优化， 生成Pareto前沿并以理想点距离 最短的点 为准则选择最优解， 该最优解即为 新隧道的最佳位置 。 2.根据权利要求1所述的一种近接隧道施工条件下新建隧道设计优化方法， 其特征在 于， 步骤S1具体包括： 采集现有数据集， 将现有数据集划分为训练集和测试集， 采用训练集 对LightGBM回归模 型进行预测精度分析， 采用均方误差和均方根误差对LightGBM回归模 型 预测的准确性进行评价。 3.根据权利要求2所述的一种近接隧道施工条件下新建隧道设计优化方法， 其特征在 于， 步骤S2中， 将现有数据集的数据作为y， Light GBM回归模型的预测值作为 ， 利用最小二 乘方法训练出如下的线性回归 模型: 式中， 为回归方程代入x得出的估计值， 为回归方程函数， 为现有数据集第 i个 数据， 为预测值第 i个数据， 为回归模型的预测值， 为现有数据集平均值， i为样本序 号。 4.根据权利要求3所述的一种近接隧道施工条件下新建隧道设计优化方法， 其特征在 于， LightGBM回归模型中， 用回归过程的预测区间对元模型的不确定性进行量化， 包括： 在 所述线性回归模 型中， 给定样 本容量为 n的样本， 现有数据集的数据作为 y， LightGBM回归模 型的预测值作为 x， 相应的预测区间 PI由下式计算： 其中， 为基于 回归模型的预测值， 为 自由度 显著水平下的 t 值， 为残差标准 误差， 和 分别为x的均值和方差， n为样本容 量。 5.根据权利要求1所述的一种近接隧道施工条件下新建隧道设计优化方法， 其特征在 于， 步骤S2中， 采用蒙特卡罗仿真方法对来自岩土条件的不确定性进行量化， 包括： 假设所 考虑的土壤参数服从特定的概率分布， 将产生 n个样本服从该分布， 在预测输入变量为 的 优化目标时， 蒙特卡罗仿真方法会用每一个样本计算输出值， 所有的结果都在定义的范围 内， 定义的范围表示 为m， 因此预测在限定范围内的概 率为 。 6.根据权利要求1所述的一种近接隧道施工条件下新建隧道设计优化方法， 其特征在权　利　要　求　书 1/3 页 2 CN 114996829 A 2于， 步骤S3中， 建立 概率约束， 对集成学习模型进行多目标优化， 包括： 其中， 是第j个约束函数， 是定义的概率极限， 为集成学习模型函数， 为第m个目标函数， 为数据集中第 i个输入变量， 为第i个输入变量最小值， 为第i个 输入变量 最大值。 7.根据权利要求1所述的一种近接隧道施工条件下新建隧道设计优化方法， 其特征在 于， 步骤S3中， 通过定义考虑岩土条件中土壤性质和元模型不确定性的概率约束， 利用 NSAG‑Ⅱ计算多目标优化问题的Pareto前沿， 包括： 表示第 t代的亲本种 群为 ， 经过选择、 交叉和突变， 将产生后代群体 ， 假设 和 的大小均为N， 将亲代种群和子代种群相结合 进行排序， 保证NSGA ‑Ⅱ的精英性， 所有成员将首先按非支配级排序， 并从最低的排序中选 出到下一代， 直到 N个位置都被填满， 其中， 由于种群大小的 限制， 属于上一阶的成员将根据 拥挤距离进行进一 步排序， 重复这个过程 直到最后一代， 将Pareto前沿选择为 ； 根据得到的Pareto前沿提供的一组最优解， 对Pareto最优解进行排序， 包括： 选取与理 想点距离最短的最佳点， 对于多目标优化问题， 将第 i个目标的理想值表示为 ， 则将帕累 托前方第j个解到理想点的距离 定义为: 其中，m为目标总数， 表示第j个Pareto解中第 个目标的值， 为第i个目标的理想 值。 8.一种近接 隧道施工条件下新建隧道设计优化系统， 其特征在于， 包括： 第一主模块， 用于构建盾构施工参数指标体系， 并获取现有 数据； 第二主模块， 用于构建并训练LightGBM 回归模型， 根据现有数据集， 采用LightGBM算法建立预测极限支撑压力和地表变形的集成 学习模型； 第三主模块， 用于利用NSGA ‑Ⅱ对极限支撑压力和地表变形两个目标进行优化， 同时以岩土条件的不确定性和集成学习模型 的元模型误差为约束； 第四主模块， 用于通过 蒙特卡罗仿 真方法建立概率约束， 对集 成学习模 型进行多目标优化， 生 成Pareto前沿， 并以 离理想点距离最短的点 为准则得到新隧道的最佳位置 。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器、 至少一个存 储器和通信接口； 其中， 所述处理器、 存储器和通信接口相互间进行通信； 所述存储器存储有可被所述处理器执行的程序指令， 所述处理器调用所述程序指令， 以执行权利要求1至7任一项权利要求所述的方法。 10.一种非暂态计算机可读存储介质， 其特征在于， 所述非暂态计算机可读存储介质存 储计算机指令， 所述计算机指 令使所述计算机执行权利要求 1至7中任一项权利要求所述的权　利　要　求　书 2/3 页 3 CN 114996829 A 3