一种固废材料的注浆效果评价方法及系统

1.本公开属于土木工程技术领域，具体涉及一种固废材料的注浆效果评价方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
3.与传统水泥材料相比，固废材料能有效节约资源和减少碳排放，近年来已在盾构隧道的同步注浆中有所应用。然而，由于同步注浆的隐蔽性，因无法及时了解注浆加固的效果而易形成安全隐患；且固废注浆效果受到施工地层、材料性质以及注浆压力等多种因素的影响，如何考虑这些因素与固废注浆效果的关系并在施工中及时评价，具有重要意义。
4.目前，针对固废材料的同步注浆，只能通过前期试验观察注浆效果，即在一定压力下将固废材料注入装有土样的模具，拆模后观察浆土混合情况。这样的试验需要配制不同比例的注浆材料、制备不同的土样模具并消耗大量人力，且难以适应施工过程中多变的地层情况。
5.近年来以神经网络为代表的智能算法、物联网等技术已广泛应用于土木工程技术领域，形成各种智能计算和工程实践的新方案，但目前在固废注浆效果评价及其工程实践上尚未加以应用。
6.据发明人了解，在固废材料注浆效果评价上存在以下问题：注浆效果影响因素众多而造成评价困难；施工前期的试验消耗大量的人力物力且工程适用性差；施工过程中无法及时评价注浆效果而造成隐患。


技术实现要素：

7.为了解决上述问题，本公开提出了一种固废材料的注浆效果评价方法及系统，综合考虑地形、固废材料和注浆压力多种因素，构建通用性强、兼顾多种参数、准确性高的预测模型，参考注浆过程中的实时参数，预测注浆充填度，完成对注浆效果的实时评价。
8.根据一些实施例，本公开的第一方案提供了一种固废材料的注浆效果评价方法，采用如下技术方案：
9.一种固废材料的注浆效果评价方法,包括:
10.获取特定地层的粒径范围参数和固废材料的性能参数；
11.根据所获取的参数和预测模型，预测固废材料的注浆填充度；
12.根据所预测的注浆填充度，评价固废材料的注浆效果；
13.所述固废材料的注浆填充度是注浆工程效果的评价指标，反映注浆材料对岩土体的填充程度，与土体质量和被固废注浆材料填充的土体质量相关，其取值范围为[0,1]；
[0014]
若所述注浆填充度为1，则注浆材料完全充入土体，注浆加固效果良好；若所述注浆填充度为0，则浆液无法充填岩土体，注浆无加固效果；所述注浆填充度为(0,1)，则部分
岩土体被浆液充填。
[0015]
作为进一步的技术限定，所获取的固废材料的性能参数包括水灰比和注浆压力；所述水灰比为材料用水含量与固废组分含量的比值。
[0016]
作为进一步的技术限定，所述预测模型采用由神经单元构成的神经网络预测模型，包括一个输入层、多个隐藏层和一个输出层。
[0017]
进一步的，所述预测模型的评价指标为r2、mse和mae，其计算公式如下：
[0018][0019][0020][0021]
其中，n是样本数；fi是第i个样本的预测值；yi是第i个样本的试验值(i＝1,2,...,n)；y是所有试验值的平均值。
[0022]
进一步的，所述预测固废材料的注浆填充度的过程为：将所获取的固废材料的性能参数输入到输入层，通过线性映射函数映射到隐藏层，在激活函数的作用下映射到输出层得到预测结果，所得到的预测结果为固废材料的注浆填充度。
[0023]
根据一些实施例，本公开的第二方案提供了一种固废材料的注浆效果评价系统，采用如下技术方案：
[0024]
一种固废材料的注浆效果评价系统，包括：
[0025]
获取模块，其被配置为获取特定地层的粒径范围参数和固废材料的性能参数；
[0026]
预测模块，其被配置为根据所获取的参数和预设的预测模型，预测固废材料的注浆填充度；
[0027]
评价模块，其被配置为根据所预测的注浆填充度，评价固废材料的注浆效果；
[0028]
所述固废材料的注浆填充度是注浆工程效果的评价指标，反映注浆材料对岩土体的填充程度，与土体质量和被固废注浆材料填充的土体质量相关，其取值范围为[0,1]；
[0029]
若所述注浆填充度为1，则注浆材料完全充入土体，注浆加固效果良好；若所述注浆填充度为0，则浆液无法充填岩土体，注浆无加固效果；所述注浆填充度为(0,1)，则部分岩土体被浆液充填。
[0030]
根据一些实施例，本公开的第三方案提供了一种固废材料的注浆效果评价设备，采用如下技术方案：
[0031]
一种固废材料的注浆效果评价设备，包括：
[0032]
采集模块，设置在盾构机操作室，用于实时采集固废材料的性能参数；
[0033]
计算模块，设置在远程终端，采用了如本公开第一方面所述的固废材料的注浆效果评价方法中的步骤，用于对采集模块所得到的数据的计算和注浆效果的实时评价；
[0034]
决策模块，设置在远程终端，根据所述计算模块的计算结果和评价结果实时调整注浆过程。
[0035]
作为进一步的技术限定，所述采集模块采用物联网感知层，将实时采集到的性能
参数按照预设的时间间隔，通过物联网的网络层传输到远程终端的计算模块。
[0036]
作为进一步的技术限定，在实时调整注浆过程的过程中，根据所得到的评价结果输出决策信息，所述评价结果为注浆填充度；
[0037]
当0.8《注浆填充度《1时,所输出的决策信息为：注浆效果良好，继续推进；
[0038]
当0.5《注浆填充度《0.8时,所输出的决策信息为：建议缩短数据传输频率，关注决策变化；
[0039]
当0《注浆填充度《0.5时，所输出的决策信息为：请及时调整注浆压力或材料水灰比。
[0040]
根据一些实施例，本公开的第四方案提供了一种计算机可读存储介质，采用如下技术方案：
[0041]
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的固废材料的注浆效果评价方法中的步骤。
[0042]
与现有技术相比，本公开的有益效果为：
[0043]
本公开基于多参数的神经网络预测模型，建立考虑地层、材料、注浆压力等多种因素的注浆效果评价模型，将其结果用于工程参考可以有效减少试验成本。
[0044]
本公开将不同类型的地层看作不同粒径范围土颗粒的组合，例如断层破碎带主要由巨型颗粒(6～10mm)和细小颗粒填充组成；砂层主要由细粒(0.075～0.25mm)构成；创新性地选取不同粒径范围的土颗粒百分含量作为输入参数，各种地层情况均可有效进行表征，适用于各种地层的注浆评价而通用性极强。
[0045]
本公开提供了在工程中及时、高效评价固废注浆效果的方法，通过对实时传输的数据进行神经网络计算，进而对现场传达及时的决策，可以有效消除以往固废注浆过程的风险隐患。
附图说明
[0046]
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0047]
图1是本公开实施例一中的固废材料的注浆效果评价方法的流程图；
[0048]
图2是本公开实施例一中的神经网络模型迭代过程示意图；
[0049]
图3是本公开实施例一中的模型对训练集的预测值和真实值的拟合效果图；
[0050]
图4是本公开实施例一中的模型对测试集的预测值和真实值的拟合效果图；
[0051]
图5是本公开实施例二中的固废材料的注浆效果评价系统的结构框图；
[0052]
图6是本公开实施例三中的固废材料的注浆效果评价系统的框架图。
具体实施方式
[0053]
下面结合附图与实施例对本公开作进一步说明。
[0054]
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
[0055]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根
据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0056]
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0057]
实施例一
[0058]
本公开实施例一介绍了一种固废材料的注浆效果评价方法。
[0059]
如图1所示的一种固废材料的注浆效果评价方法，包括：
[0060]
获取特定地层的粒径范围参数和固废材料的性能参数；
[0061]
根据所获取的参数和预测模型，预测固废材料的注浆填充度；
[0062]
根据所预测的注浆填充度，评价固废材料的注浆效果。
[0063]
作为一种或多种实施方式，将不同粒径范围(0.075～0.25mm、0.25～0.5mm、0.5～1mm、1～3mm、3～6mm、6～10mm)的土颗粒百分含量、水灰比、注浆压力作为输入参数，将注浆充填度α作为输出参数。以此为依据收集到了2400条数据，形成数据集如表1所示：
[0064]
表1性能参数数据集
[0065][0066]
具体的，将注浆充填度α作为输出参数，作为注浆工程效果的评价指标，该指标可以在注浆试验中得到。α反映了注浆材料对岩土体的充填程度，如果α＝1则表示注浆材料完全充入土体，凝结后形成良好的注浆加固效果；如果α＝0则表示浆液无法充填岩土体，对岩土体无加固效果；如果0《α《1,则认为部分岩土体被浆液充填，α数值越大则认为注浆加固效果越好。α的定义式如下：
[0067][0068]
式中，m
土
为土体质量，m
混土
是被固废注浆材料充填的土体质量。
[0069]
作为一种或多种实施方式，将数据集随机划分为7：3的训练集(1680组数据)和测试集(720组数据)，在仿真软件中基于训练集建立神经网络模型，并通过贝叶斯算法调整影
响模型性能的超参数。
[0070]
具体的，神经网络模型可供调整的超参数包括：隐藏层层数、隐藏层神经单元个数和激活函数类型(re l u、tanh、sigmoid)。以指标mse最小为目标，通过贝叶斯算法进行30次迭代计算，迭代过程如图2所示；最优超参数最终被确定为：3层隐藏层，分别包含47、2，298个神经元，激活函数选择sigmoid函数。
[0071]
作为一种或多种实施方式，将建立好的神经网络模型在训练集和测试集数据上应用，采用评价指标r2、mse和mae，评价模型预测性能；
[0072]
具体的，本实施例所采用的评价指标r2、mse和mae，计算公式如下：
[0073][0074][0075][0076]
其中，n是样本数；fi是第i个样本的预测值；yi是第i个样本的试验值(i＝1,2,...,n)；y是所有试验值的平均值。
[0077]
r2的范围是-1到1，越接近1则表示预测模型的拟合效果越好。mse和mae大于0，当mse和mae越接近0时模型预测越精准。通过以上指标，可以衡量本实施例中神经网络模型的性能。
[0078]
具体的，在最优超参数下，模型在训练集和测试集上的预测表现如图3和图4所示，具体的计算指标如表2所示。无论是在训练集或测试集上r2都超过0.9，mse、mae都接近0，因此神经网络模型在注浆性能评估问题中展现了良好的性能，其预测结果可以作为工程参考。
[0079]
表2神经网络模型在训练集和测试集的表现
[0080][0081]
基于物联网思路将建立的预测模型应用于施工过程的方案，实现固废注浆效果的实时评价与智能决策，在工程现场高度适用。
[0082]
实施例二
[0083]
本公开实施例二介绍了一种固废材料的注浆效果评价系统。
[0084]
如图5所示的一种固废材料的注浆效果评价系统，其特征在于，包括：
[0085]
获取模块，其被配置为获取特定地层的粒径范围参数和固废材料的性能参数；
[0086]
预测模块，其被配置为根据所获取的参数和预设的预测模型，预测固废材料的注浆填充度；
[0087]
评价模块，其被配置为根据所预测的注浆填充度，评价固废材料的注浆效果。
[0088]
详细步骤与实施例一提供的固废材料的注浆效果评价方法相同，在此不再赘述。
[0089]
实施例三
[0090]
本公开实施例三提供了一种固废材料的注浆效果评价设备。
[0091]
一种固废材料的注浆效果评价设备，包括：
[0092]
采集模块，设置在盾构机操作室，用于实时采集固废材料的性能参数；
[0093]
计算模块，设置在远程终端，采用了如本公开实施例一所述的固废材料的注浆效果评价方法中的步骤，用于对采集模块所得到的数据的计算和注浆效果的实时评价；
[0094]
决策模块，设置在远程终端，根据所述计算模块的计算结果和评价结果实时调整注浆过程。
[0095]
如图6所示，固废材料的注浆效果评价设备具体包括：
[0096]
安装在盾构机操作室计算机终端中的实时数据采集模块作为物联网感知层，按一定预设时间间隔，通过物联网网络层传输工程数据至远程计算机终端。这些工程数据包括运行区段的地层因素数据(由前期工程勘察报告提供)、采用的固废材料水灰比数据(实时方案)、注浆压力数据(由注浆传感器实时记录)；
[0097]
具体的，物联网网络层的传输可通过蓝牙、无线自组网等方式实现。
[0098]
神经网络计算模块被安装在远程计算机终端中，由实施例一的神经网络模型构成，对网络层实时传输的数据进行计算而实时评价注浆效果。
[0099]
与神经网络安装于同一终端的智能决策模块，共同构成物联网的应用层，根据神经网络计算模块的计算结果，传输对应的决策至盾构操作室的计算机终端，实现实时调整工程实践。
[0100]
具体的，神经网络计算结果和智能决策之间的对应关系如下：
[0101]
0.8《α《1,输出决策信息：“注浆效果良好，继续推进”；
[0102]
0.5《α《0.8,输出决策信息：“建议缩短数据传输频率，关注决策变化”；
[0103]
0《α《0.5，输出决策信息：“请及时调整注浆压力或材料水灰比”。
[0104]
详细步骤与实施例一提供的固废材料的注浆效果评价方法相同，在此不再赘述。
[0105]
实施例四
[0106]
本公开实施例四提供了一种计算机可读存储介质。
[0107]
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的固废材料的注浆效果评价方法中的步骤。
[0108]
详细步骤与实施例一提供的固废材料的注浆效果评价方法相同，在此不再赘述。
[0109]
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
[0110]
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

技术特征：
1.一种固废材料的注浆效果评价方法，其特征在于，包括：获取特定地层的粒径范围参数和固废材料的性能参数；根据所获取的参数和预测模型，预测固废材料的注浆填充度；根据所预测的注浆填充度，评价固废材料的注浆效果；所述固废材料的注浆填充度是注浆工程效果的评价指标，反映注浆材料对岩土体的填充程度，与土体质量和被固废注浆材料填充的土体质量相关，其取值范围为[0,1]；若所述注浆填充度为1，则注浆材料完全充入土体，注浆加固效果良好；若所述注浆填充度为0，则浆液无法充填岩土体，注浆无加固效果；所述注浆填充度为(0,1)，则部分岩土体被浆液充填。2.如权利要求1中所述的一种固废材料的注浆效果评价方法，其特征在于，所获取的固废材料的性能参数包括水灰比和注浆压力；所述水灰比为材料用水含量与固废组分含量的比值。3.如权利要求1中所述的一种固废材料的注浆效果评价方法，其特征在于，所述预测模型采用由神经单元构成的神经网络预测模型，包括一个输入层、多个隐藏层和一个输出层。4.如权利要求3中所述的一种固废材料的注浆效果评价方法，其特征在于，所述预测模型的评价指标为r2、mse和mae，其计算公式如下：、mse和mae，其计算公式如下：、mse和mae，其计算公式如下：其中，n是样本数；f
i
是第i个样本的预测值；y
i
是第i个样本的试验值(i＝1,2,...,n)；是所有试验值的平均值。5.如权利要求4中所述的一种固废材料的注浆效果评价方法，其特征在于，所述预测固废材料的注浆填充度的过程为：将所获取的固废材料的性能参数输入到输入层，通过线性映射函数映射到隐藏层，在激活函数的作用下映射到输出层得到预测结果，所得到的预测结果为固废材料的注浆填充度。6.一种固废材料的注浆效果评价系统，其特征在于，包括：获取模块，其被配置为获取特定地层的粒径范围参数和固废材料的性能参数；预测模块，其被配置为根据所获取的参数和预设的预测模型，预测固废材料的注浆填充度；评价模块，其被配置为根据所预测的注浆填充度，评价固废材料的注浆效果；所述固废材料的注浆填充度是注浆工程效果的评价指标，反映注浆材料对岩土体的填充程度，与土体质量和被固废注浆材料填充的土体质量相关，其取值范围为[0,1]；若所述注浆填充度为1，则注浆材料完全充入土体，注浆加固效果良好；若所述注浆填充度为0，则浆液无法充填岩土体，注浆无加固效果；所述注浆填充度为(0,1)，则部分岩土
体被浆液充填。7.一种固废材料的注浆效果评价设备，其特征在于，包括：采集模块，设置在盾构机操作室，用于实时采集固废材料的性能参数；计算模块，设置在远程终端，采用了如权利要求1-5中任一项所述的固废材料的注浆效果评价方法中的步骤，用于对采集模块所得到的数据的计算和注浆效果的实时评价；决策模块，设置在远程终端，根据所述计算模块的计算结果和评价结果实时调整注浆过程。8.如权利要求7中所述的一种固废材料的注浆效果评价设备，其特征在于，所述采集模块采用物联网感知层，将实时采集到的性能参数按照预设的时间间隔，通过物联网的网络层传输到远程总算的计算模块。9.如权利要求7中所述的一种固废材料的注浆效果评价设备，其特征在于，在实时调整注浆过程的过程中，根据所得到的评价结果输出决策信息，所述评价结果为注浆填充度；当0.8<注浆填充度<1时,所输出的决策信息为：注浆效果良好，继续推进；当0.5<注浆填充度<0.8时,所输出的决策信息为：建议缩短数据传输频率，关注决策变化；当0<注浆填充度<0.5时，所输出的决策信息为：请及时调整注浆压力或材料水灰比。10.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的固废材料的注浆效果评价方法中的步骤。

技术总结
本公开属于土木工程技术领域，具体涉及一种固废材料的注浆效果评价方法及系统，包括：获取特定地层的粒径范围参数和固废材料的性能参数；根据所获取的参数和预设的预测模型，预测固废材料的注浆填充度；根据所预测的注浆填充度，评价固废材料的注浆效果。本公开综合考虑地形、固废材料和注浆压力多种因素，构建通用性强、兼顾多种参数、准确性高的预测模型，参考注浆过程中的实时参数，预测注浆充填度，完成对注浆效果的实时评价。完成对注浆效果的实时评价。完成对注浆效果的实时评价。


技术研发人员：刘人太 何越纪 朱志敬 郭焱旭 白继文 赵笃坤 闫佳 晏俊龙 刘鹏
受保护的技术使用者：山东大学
技术研发日：2023.03.24
技术公布日：2023/7/17