(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 202210904673.4 (22)申请日 2022.07.29 (71)申请人 招商局重庆交通科研设计院有限公 司 地址 400060 重庆市南岸区学府大道3 3号 申请人 广西新发展交通 集团有限公司 　 重庆交通大 学 (72)发明人 李科　韦勇克　张中哲　郭鸿雁　 胡居义　何廷全　廖志鹏　向小祥　 (74)专利代理 机构 重庆鼎慧峰合知识产权代理 事务所(普通 合伙) 50236 专利代理师 徐璞 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/13(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/00(2006.01) G06F 111/04(2020.01) (54)发明名称 一种隧道围岩变形 预测方法及装置 (57)摘要 本发明提供一种隧道围岩变形预测方法及 装置， 该方案基于麻雀搜索算法求解VMD的参数 τ和参数σ的最优组合， 避免了人工寻参的繁重 及经验设置参数的主观影 响， 提高了围岩变形序 列的分解质量； 采用GRU模型预测的方式， 可以充 分挖掘围岩变形历史数据中的有效信息， 相比静 态模型更能体现围岩变形演化中的动态系统本 质； 具有更优异地预测精度及工程实用性。 权利要求书2页 说明书8页 附图5页 CN 115221793 A 2022.10.21 CN 115221793 A 1.一种隧道围岩变形 预测方法， 其特 征在于， 包括： 采集围岩变形的监测数据， 并判断所述 监测数据是否为 等间距； 若是， 则将所述 监测数据划分为训练集和预测集； 定义VMD的分解评价标准， 并基于麻雀搜索算法求 解VMD的参数τ和参数σ 的最优组合； 将得到的参数τ和参数σ 的最优组合用于VMD中得到目标VMD； 采用目标VMD将所述监测数据中的训练集和预测集分别分解为趋势项位移和随机项位 移； 建立GRU模型， 并采用训练集对所述GRU模型进行训练， 得到目标GRU模型； 根据所述目标GRU模型进行位移预测， 并对预测结果进行反归一化处理， 得到目标位移 预测结果， 所述目标位移预测结果包括趋势项位移预测结果和随机项位移预测结果； 根据所述目标 预测结果， 叠加计算得到围岩变形 预测值。 2.根据权利要求1所述的方法， 其特征在于， 所述采集围岩变形的监测数据， 并判断所 述监测数据是否为 等间距步骤之后， 还 包括： 若否， 则采用三次样条差值法进行等间距处理， 并对处理后的监测数据进行划分为训 练集和预测集。 3.根据权利要求1所述的方法， 其特 征在于， 所述定义VMD的分解评价标准 步骤， 包括： 选择均方根 误差作为衡量分解后信息 完整度的指标； 引入样本熵作为评价分解效果的指标； 结合所述均方根 误差和所述样本熵构建VMD的评价标准。 4.根据权利要求1所述的方法， 其特征在于， 所述并基于麻雀搜索算法求解VMD的参数τ 和参数σ 的最优组合 步骤， 包括： 将所述评价标准 转化为约束优化问题； 采用麻雀搜索算法解决所述约束优化问题， 得到参数τ和参数σ 的最优组合。 5.根据权利要求1所述的方法， 其特征在于， 所述采用目标VMD将所述监测数据中的训 练集和预测集分别分解 为趋势项位移和随机项位移步骤之后， 还 包括： 对分解为的趋势项位移和随机项位移的监测数据进行归一 化处理。 6.根据权利要求1所述的方法， 其特征在于， 所述建立GRU模型， 并采用训练集对所述 GRU模型进行训练， 得到目标GRU模型步骤， 包括： 建立第一GRU模型， 采用趋势项位移中的训练集对所述第一GRU模型进行训练， 得到第 一目标GRU模型； 建立第二GRU模型， 采用随机项位移中的训练集对所述第二GRU模型进行训练， 得到第 二目标GRU模型。 7.根据权利要求6所述的方法， 其特征在于， 根据所述目标GRU模型进行位移预测， 并对 预测结果进行反归一化处理， 得到目标位移预测结果， 所述 目标位移预测结果包括趋势项 位移预测结果和随机项位移预测结果 步骤， 包括： 根据第一目标GRU模型预测趋势项位移， 对预测的趋势项位移进行反归一化操作得到 趋势项位移预测结果； 根据第二目标GRU模型预测随机项位移， 对预测的随机项位移进行反归一化操作得到 随机项位移预测结果。权　利　要　求　书 1/2 页 2 CN 115221793 A 28.根据权利要求1所述的方法， 其特征在于， 根据所述目标预测结果， 叠加计算得到围 岩变形预测值步骤， 包括： 基于时序叠加原 理将所述趋势项位移预测结果和所述随机项预测结果累加， 计算得到 围岩变形 预测值。 9.根据权利要求1所述的方法， 其特征在于， 根据所述目标预测结果， 叠加计算得到围 岩变形预测值步骤之后， 还 包括： 获取围岩变形的实 际值， 并根据所述围岩变形预测值计算目标决定系数、 目标平均绝 对误差和目标均方根 误差； 采用所述目标 决定系数、 所述目标平均绝对误差和所述目标均方根误差对所述围岩变 形预测值进行定量评价。 10.一种隧道围岩变形预测装置， 其特征在于， 包括： 数据采集判断模块、 VMD分解模块、 GRU预测处 理模块和计算预测值模块， 其中， 所述数据采集判断模块用于， 采集围岩变形的监测数据， 并判断所述监测数据是否为 等间距； 若是， 则将所述 监测数据划分为训练集和预测集； 所述VMD分解模块用于， 定义VMD的分解评价标准， 并求解VMD的参数τ和参数σ 的最优 组 合； 将得到的参数τ和参数σ 的最优组合用于VMD中得到目标VMD； 采用目标VMD将所述监测数 据中的训练集和预测集分别分解 为趋势项位移和随机项位移； 所述GRU预测处理模块用于， 建立GRU模型， 并采用训练集对所述GRU模型进行训练， 得 到目标GRU模 型； 根据所述目标GRU模 型进行位移预测， 并对 预测结果进 行反归一化处理， 得 到目标位移预测结果， 所述目标位移预测结果包括趋势项位移预测结果和随机项位移预测 结果； 所述计算预测值模块用于， 根据所述目标 预测结果， 叠加计算得到围岩变形 预测值。权　利　要　求　书 2/2 页 3 CN 115221793 A 3