基于粗糙集和云模型的隧道地质预报方法及系统与流程

1.本发明涉及地质预报技术领域，具体地说是基于粗糙集和云模型的隧道地质预报方法及系统。

背景技术：

2.隧道工程具有隐蔽工程量大、作业空间受限、地质条件复杂等诸多特点。为了保障隧道施工的安全，隧道施工过程中常采用超前地质预报的方法去降低工程风险。超前地质预报方法很多，针对特定的工程地质灾害，不同预报方法得出的结果往往存在较大差异。同一工程由于地质条件的复杂性，常存在多种地质灾害，对这类地质情况复杂的工程，为确保施工安全，需采用多种方法对预报结果进行补充，以保证预报结果的科学性和准确性。
3.当下对隧道综合超前地质预报，多为在分析预报结果的基础上，经超前地质预报组多位专家结合个人经验，讨论后得出最终结论。对于得出的结论，由于超前地质预报的多解性和个人主观认知的不同，预报结果的准确率会受到较大的影响。因此需要建立一个科学合理的客观评价体系对多种超前地质预报方法开展一个系统准确的评价。
4.如何降低综合超前地质预报数据多解性和人为主观因素带来的误差，提高复杂地质条件下、超前预报结果的准确性，是需要解决的技术问题。

技术实现要素：

5.本发明的技术任务是针对以上不足，提供基于粗糙集和云模型的隧道地质预报方法及系统，来解决如何降低综合超前地质预报数据多解性和人为主观因素带来的误差，提高复杂地质条件下、超前预报结果的准确性的技术问题。
6.第一方面，本发明的一种基于粗糙集和云模型的隧道地质预报方法，包括如下步骤：
7.通过目测观察和罗盘观测相结合的方式，对隧道工程的地面地质条件进行调查，得到不良地质体区域；
8.通过超前地质预报方法对不良地质体区域进行探测，并对掌子面前方的地质条件和岩石特性进行探测，得到对应的探测数据以及评价指标；
9.对不良地质体区域进行风险等级划分，对于每个评价指标，设定所述评价指标在各个风险等级的参数取值范围；
10.以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，基于所述决策表，计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客观权重集合；
11.基于每个评价指标在各风险等级下的期望、熵和超熵，通过正态云模型生成云模型数据图，所述云模型数据图用于计算每个评价指标在各风险等级下的确定度，并基于所述云模型数据图搜寻待评价案例中待评估指标的确定度；
12.将各评价指标的客观权重赋予待评价案例中各项评估指标的确定度，将各评价指
标结合权重后的确定度进行求和，得到各评价案例关于风险等级的综合确定度。
13.作为优选，基于隧道工程的检测长度以及检测精确度对隧道工程的地面地质条件进行调查；
14.对于检测精度高于阈值、且检测长度高于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行重复检查；
15.对于检测精度低于阈值、或者检测长度低于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行全面检查。
16.作为优选，通过目测观察和罗盘观测相结合的方式，对隧道工程的地面地质条件进行调查，调查内容包括掌子面及周边岩石种类和产状、岩石特性、节理裂隙发育程度及方向、断层及破碎带宽度及特征、地下水状况、掌子面稳定状况、洞内有无渗漏水、衬砌有无开裂、有无底鼓现象、地表变异、开裂分布、植被状况、水系状况。
17.作为优选，以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，包括如下步骤：
18.对于所述决策表，每个评价指标在各风险等级下的参数取值范围为属性值域，对连续属性值域进行离散化处理，将连续属性值域划分为多个区间，对不易于量化区间的连续属性值域采用模糊语言进行描述、且其分类区间数量与连续属性值域的分类区间数量一致；
19.以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，所述决策表的每一行描述一个待评价案例，对于每一行，第一列用于描述待评价案例的样本编号，最后一列表示风险等级，第一列和最后一列之外的其它每一列表示一个评价指标；
20.对于所述决策表，由rsdida算法进行补齐，进行知识约简去除重复列，并分别按条件属性和决策属性对其论域进行分类，论域为条件属性和决策属性的集合。
21.作为优选，计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客观权重集合，包括如下步骤：
22.计算所有决策属性d对条件属性c的依赖程度γc(d)，计算公式为：
[0023][0024]
其中，d为n个待评价案例的集合，u＝{u1,u2,
…
,un}，un表示第n个待评价案例，di表示第i个风险等级对应的决策属性，m为拟定的风险等级数量；
[0025]
对于每个评价指标ci，计算决策属性d对条件属性c-ci的依赖程度计算公式为：
[0026][0027]
计算第i种评价指标在所有评价指标集合中的重要性σ
cd
(ci)，计算公式为：
[0028]
[0029]
确定权重系数，第i种评价指标的权重系数为：
[0030][0031]
第二方面，本发明的一种基于粗糙集和云模型的隧道地质预报系统，用于通过如实施例1任一项所述的一种基于粗糙集和云模型的隧道地质预报方法对隧道工程进行地质预报，所述系统包括：
[0032]
地质初探测模块，所述地质初探测模块用于获取不良地质体区域，所述不良地质体区域为通过目测观察和罗盘观测相结合的方式、对隧道工程的地面地质条件进行调查得到的；
[0033]
地质超前预报模块，所述地质超前预报模块用于通过超前地质预报方法对不良地质体区域进行探测，并对掌子面前方的地质条件和岩石特性进行探测，得到对应的探测数据以及评价指标；
[0034]
风险等级配置模块，所述风险等级配置模块用于对不良地质体区域进行风险等级划分，对于每个评价指标，设定所述评价指标在各个风险等级的参数取值范围；
[0035]
评价指标权重计算模块，所述评价指标权重计算模块用于以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，用于基于所述决策表，计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客观权重集合；
[0036]
评价指标确定度计算模块，所述评价指标确定度计算模块用于基于每个评价指标在各风险等级下的期望、熵和超熵，通过正态云模型生成云模型数据图，所述云模型数据图用于计算每个评价指标在各风险等级下的确定度，并基于所述云模型数据图搜寻待评价案例中待评估指标的确定度；
[0037]
综合确定度计算模块，所述综合确定度计算模块用于将各评价指标的客观权重赋予待评价案例中各项评估指标的确定度，将各评价指标结合权重后的确定度进行求和，得到各评价案例关于风险等级的综合确定度。
[0038]
作为优选，所述地质初探测模块用于基于隧道工程的检测长度以及检测精确度对隧道工程的地面地质条件进行调查；
[0039]
对于检测精度高于阈值、且检测长度高于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行重复检查；
[0040]
对于检测精度低于阈值、或者检测长度低于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行全面检查。
[0041]
作为优选，通过目测观察和罗盘观测相结合的方式，对隧道工程的地面地质条件进行调查，调查内容包括掌子面及周边岩石种类和产状、岩石特性、节理裂隙发育程度及方向、断层及破碎带宽度及特征、地下水状况、掌子面稳定状况、洞内有无渗漏水、衬砌有无开裂、有无底鼓现象、地表变异、开裂分布、植被状况、水系状况。
[0042]
作为优选，所述评价指标权重计算模块用于通过如下步骤基于粗糙集理论构建决策表：
[0043]
对于所述决策表，每个评价指标在各风险等级下的参数取值范围为属性值域，对连续属性值域进行离散化处理，将连续属性值域划分为多个区间，对不易于量化区间的连
续属性值域采用模糊语言进行描述、且其分类区间数量与连续属性值域的分类区间数量一致；
[0044]
以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，所述决策表的每一行描述一个待评价案例，对于每一行，第一列用于描述待评价案例的样本编号，最后一列表示风险等级，第一列和最后一列之外的其它每一列表示一个评价指标；
[0045]
对于所述决策表，由rsdida算法进行补齐，进行知识约简去除重复列，并分别按条件属性和决策属性对其论域进行分类，论域为条件属性和决策属性的集合。
[0046]
作为优选，所述评价指标权重计算模块用于通过如下步骤得到各个评价指标的客观权重集合：
[0047]
计算所有决策属性d对条件属性c的依赖程度γc(d)，计算公式为：
[0048][0049]
其中，d为n个待评价案例的集合，u＝{u1,u2,
…
,un}，un表示第n个待评价案例，di表示第i个风险等级对应的决策属性，m为拟定的风险等级数量；
[0050]
对于每个评价指标ci，计算决策属性d对条件属性c-ci的依赖程度计算公式为：
[0051][0052]
计算第i种评价指标在所有评价指标集合中的重要性σ
cd
(ci)，计算公式为：
[0053][0054]
确定权重系数，第i种评价指标的权重系数为：
[0055][0056]
本发明的基于粗糙集和云模型的隧道地质预报方法及系统具有以下优点：通过超前地质预报法获取评价指标，并划分风险等级，基于粗糙集理论计算各个评价指标的客观权重集合，基于云模型计算待评价案例中待评估指标的确定度，将将各评价指标的客观权重赋予待评价案例中各项评估指标的确定度，将各评价指标结合权重后的确定度进行求和，得到各评价案例关于风险等级的综合确定度，选择综合确定度值最大的风险等级作为待评价案例的风险等级，通过粗糙集和与云模型结合对一定范围内的评价指标进行综合分析和客观评价，能较好的降低综合超前地质评价多解性和人为主观因素带来的误差，对多种指标进行指标重要性分析，可对指标进行约简，提高了评价计算的效率及复杂地质条件下、超前预报结果的准确性。。
附图说明
[0057]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述
中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0058]
下面结合附图对本发明进一步说明。
[0059]
图1为实施例1一种基于粗糙集和云模型的隧道地质预报方法的流程框图；
[0060]
图2为实施例1一种基于粗糙集和云模型的隧道地质预报方法中待评案例wigglemode图；
[0061]
图3为实施例1一种基于粗糙集和云模型的隧道地质预报方法中待评案例pointmode图(彩灰度图)；
[0062]
图4为实施例1一种基于粗糙集和云模型的隧道地质预报方法中待评案例pointmode图(灰度图)；
[0063]
图5为实施例1一种基于粗糙集和云模型的隧道地质预报方法中一个案例tst波形图；
[0064]
图6为实施例1一种基于粗糙集和云模型的隧道地质预报方法中地下水出水状况的云图。
具体实施方式
[0065]
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互结合。
[0066]
本发明实施例提供基于粗糙集和云模型的隧道地质预报方法及系统，用于解决如何降低综合超前地质预报数据多解性和人为主观因素带来的误差，提高复杂地质条件下、超前预报结果的准确性技术问题。
[0067]
实施例1：
[0068]
本发明的一种基于粗糙集和云模型的隧道地质预报方法，包括如下步骤：
[0069]
s100、通过目测观察和罗盘观测相结合的方式，对隧道工程的地面地质条件进行调查，得到不良地质体区域；
[0070]
s200、通过超前地质预报方法对不良地质体区域进行探测，并对掌子面前方的地质条件和岩石特性进行探测，得到对应的探测数据以及评价指标；
[0071]
s300、对不良地质体区域进行风险等级划分，对于每个评价指标，设定所述评价指标在各个风险等级的参数取值范围；
[0072]
s400、以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，基于所述决策表，计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客观权重集合；
[0073]
s500、基于每个评价指标在各风险等级下的期望、熵和超熵，通过正态云模型生成云模型数据图，所述云模型数据图用于计算每个评价指标在各风险等级下的确定度，并基于所述云模型数据图搜寻待评价案例中各待评估指标的确定度；
[0074]
s600、将各评价指标的客观权重赋予待评价案例中各项评估指标的确定度，将各评价指标结合权重后的确定度进行求和，得到各评价案例关于风险等级的综合确定度。
[0075]
步骤s100调查的目的是观察隧道施工区域范围内有无肉眼可见的明显不良地质体区域，并记录不良地质体分布区域。为后续超前地质预报的重点检测区域提供参考范围。调查方式包括目测观察和采用地质罗盘。调查结果为洞内外观察记录表，具体内容包括掌子面及周边岩石种类和产状、岩石特性、节理裂隙发育程度及方向、断层及破碎带宽度及特征、地下水状况、掌子面稳定状况、洞内有无渗漏水、衬砌有无开裂、有无底鼓现象、地表变异、开裂分布、植被状况、水系状况。
[0076]
在调查时，地面地质情况的调查方法根据要检测的隧道工程的长短和需要检测的精度来进行适当的选择。对于精度要求高的长大隧道，应采取重复检查的方式。对于精度要求粗略或设计图纸与施工时的实际状况严重不符的中长或中小隧道应采取全面检查的方式。
[0077]
不良地质体的获得方式包括两种，一种是通过上述地质调查法观察得出明显的不良地质体区域，一种是通过常规定期超前地质预报如地质雷达的电磁波形图或者tst的地震波波形图得出的重点不良地质体区域的大致范围。本实施例针对隧道工程进行地质检测，通过地质雷法或tst法等其他的超前预报方法对隧道工程的不良地质体区域进行探测并对掌子面前方的地质条件和岩石特性进行初步的探测，探测结果包含数据图像和根据数据图像人为判断得出的超前地质预报结论。具体图2和图3所示。
[0078]
步骤s200在实施前应结合步骤s100的初步判断，优先选择针对地面地质情况调查后已识别的不良地质体探测效果较好的超前地质预报方法，后选取成低成本，易操作的超前地质预报方法辅助探测。例如经过地面地质情况调查发现工程的中存在不良地质带和断层破碎带，则先选取探测效果较好的tst方法得出相应的数据及评价指标，然后选取成本低，易操作的地质雷达法得出基于该所测方法的探测数据及评价指标。
[0079]
步骤s300结合步骤200与步骤100中的评价指标和对应探测数据，对工程不良地质体的风险等级进行划分，并拟定每个评价指标在各风险等级下参数取值范围。通过选定的超前预报方法，总结每个方法对应的各评价指标对某一地质灾害的评价等级，进而分析和确定多个评价指标的综合风险等级。
[0080]
步骤s400综合工程地质资料和现场实际地质条件，采用粗糙集理论计算各评价指标的权重。
[0081]
工程地质资料包括工程施工设计图、工程施工组织设计书、工程超前地质预报及监控量测专项方案、工程地质勘查说明等工程相关文件。因为工程地质资料多为隧道开挖前的进行踏勘而得出，是隧道开挖前根据地质观察等手段得出的经验判断，与隧道实际工程地质状况多少会有出入，因此在针对已开挖一部分的隧道，应结合工程地质资料和实际开挖后的隧道工程地质状况对各个评价指标的权重进行拟定。工程地质资料是通过隧道洞内外观察所得，当然步骤100也可对工程地质资料进行补充，因为每个人观测时工程地质状况由于人为认知和环境改变的影响会产生差异。步骤200的重点不良地质体区域可以通过步骤100(即现场观测实际地质条件)和工程地质资料进行范围的明确。
[0082]
本实施例步骤s400包括如下操作三个操作：
[0083]
步骤s410、连续属性值域的离散化处理，将连续属性值域划分为多个区间，对不易于量化区间的连续属性值域采用模糊语言进行描述、且其分类区间数量与连续属性值域的分类区间数量一致；
[0084]
步骤s420、以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，所述决策表的每一行描述一个待评价案例，对于每一行，第一列用于描述待评价案例的样本编号，最后一列表示风险等级，第一列和最后一列之外的其它每一列表示一个评价指标；
[0085]
步骤s430、计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客观权重集合。
[0086]
对于步骤s410，连续属性值包括地质雷达不良地质体占比、围岩弹性波波速等，这些数值都是定量分级的，如不良地质体占比，即不良地质体数量占检测区域总数的百分比，可根据检测区域对应的风险等级进行划分。连续属性值每个等级对应的区间范围是衔接的。具体见表1，而不易量化的离散区间多为定性分析，需对定性分析定量化。一般定性分析定量化的指标量化区间不连续，如围岩风化程度分为：未风化、微风化、中风化、强风化、全风化。
[0087]
连续属性值域为不同风险等级(即决策属性)所对应的评价指标的参数取值范围，如表2所示，对应不同评价指标，连续属性值域获取方式不同，有从规范经验中查取、如围岩弹性波速，也有根据现场检测情况和查阅研究文献自己总结得出、如不良地质体占比。
[0088]
(一般工程风险等级分为i-v级但有的工程地质条件较差，且为了保证施工安全，因此本案例以围岩风险等级ii-v级为例。)
[0089]
表1：
[0090]
[0091][0092]
表2：
[0093][0094][0095]
步骤s420按照粗糙集理论形成决策表，其中每一行描述一个待评价的工程案例，
每一列表示影响风险等级的一种条件属性，即评价指标。最后一列表示风险等级评价的决策属性，决策表格由rsdida算法进行补齐，进行知识约简去除重复列，并分别按条件和决策属性对其论域进行分类。在决策表中，不同的属性可能具有不同的重要性。为了出某些属性的重要性，从表中去掉一些属性，再来考察没有该属性后分类会怎样变化。决策表如表3所示，以样本编号1为例，围岩弹性波波速3的意思为iii级，表中的1、2、3、4代表i级，ii级，iii级，iv级。样本编号1的围岩弹性波波速3意思为样本1的围岩弹性波波速的实测值在2.5-4.0的范围内。其余同理。
[0096]
在已存在多种评价指标的前提下，增加一个指标或者减少一个指标后，看属性分类及各个指标的权重变化是否巨大，如变化大即该指标重要。若变化不大，则可以不考虑该指标，此为补齐。只有在进行补齐(增加或者去掉某些属性)后，才能明确哪些指标对分类影响大，才能更好的进行分类。
[0097]
决策表中，行代表不同的工程案例，但是去重复的范围不涉及不同行(不同案例)的去重复，而仅涉及不同列(不同评价指标)的去重复。去重复是去掉对分类结果影响小的评价指标，即对评价结果所占权重小的评价指标。条件属性即是各个评价指标，如表3中不良地质体数量，围岩弹性波速等。决策属性是风险等级(评价结果)。论域是由各种工程案例组成的知识库，即论域是条件属性和决策属性的集合，即上述表格的全体u＝{u1,u2,
…
,un}，也称为样本集合。
[0098]
步骤s430在不考虑决策属性的情况下，就考察每去除一列条件属性值后分类的变化情况.计算各条件属性相对决策属性的属性重要度，并进行归一化处理，可得到各评价指标的客观权重集。具体的计算过程如下：
[0099]
步骤s431、计算所有决策属性d对条件属性c的依赖程度γc(d)，计算公式为：
[0100][0101]
其中，d为n个待评价案例的集合，u＝{u1,u2,
…
,un}，m为拟定的风险等级数量；
[0102]
步骤s432、对于每个评价指标ci，计算决策属性d对条件属性c-ci的依赖程度计算公式为：
[0103][0104]
步骤s433、计算第i种评价指标在所有评价指标集合中的重要性σ
cd
(ci)，计算公式为：
[0105][0106]
步骤s434、确定权重系数，第i种评价指标的权重系数为：
[0107][0108]
步骤s500将步骤300中确定好的每个评价指标在各风险等级下的对应的参数取值
范围，对设定的参数取值范围及现场所测数据进行归一化处理，计算每个评价指标在各风险等级下对应的熵和超熵，结合程序生成云模型数据图。将待评案例的指标数据无量纲化处理后搜寻对应数据图中的该评价案例确定度的大致位置，后导出云模型计算数据，寻对应案例中待评数据的精确确定度。
[0109]
云模型是一种能将定性评价与定量计算相互转换的模型，可以将一个定性概念与定量数值相互转化。云模型主要用期望ex、熵en和超熵he表征，这三个参数反映了所分析问题的定性概念和定量特征。期望值ex表示云滴在论域空间分布的期望值，即概念量化最典型的样本。熵en表示定性概念的不确定性，由定性概念的随机性和模糊性共同决定。超熵he是熵的不确定性的度量。
[0110]
不确定性主要表现在以下三个方面：
[0111]
(1)反映了论域x中可以被这个定性概念接受的云滴范围，即模糊度；
[0112]
(2)反映了论域x中的云滴能够代表定性概念的随机性；
[0113]
(3)反映了模糊性和随机性的关联性。熵en越大，模糊性和随机性越大，定性向定量转化越难。超熵he是熵的熵，描述了熵en的不确定性，表示样本出现的随机性，即云滴在云中的离散程度。其反映了在论域空间代表该定性概念的所有点的不确定度的凝聚性，即云滴的凝聚度，超熵越大，云滴的离散度越大，隶属度的随机性越大，云的“厚度”也越大。超熵he根据评价指标的模糊性进行调整，一般取0.01。
[0114]
以表2为例，结合下列公式进行说明。
[0115][0116][0117]
he＝k
[0118]
式中，b
imax
和b
imin
为评价指标在某一风险等级的区间最大值和区间最小值。k为固定常数，可根据变量模糊程度进行调整。
[0119]
云模型是指代入matlab的计算机程序代码。因云图为计算机输出，因此需要结合matlab程序进行评价。
[0120]
云模型图是在归一化后给定样本区间计算的基础上，对样本区间[0，1]范围内的确定度(即属于某个等级的具体数值)，即云滴。这些云滴大量组合，构成云模型数据图。
[0121]
搜寻方式是在生成的云模型数据图上先出样本数据对应的确定度的大致范围，假设样本值为0.3，则其对应的确定度在0.9-1之间。后打开matlab计算程序，到确定度表格，寻确定度在0.9-1间的数据对应的样本值，到0.3样本值对应的具体确定度即为样本数据为0.3的具体确定度。
[0122]
将步骤400中粗糙集计算的不同指标的客观权重赋予步骤500中待评案例的各项评价指标的确定度，将各指标结合权重后的确定度进行求和并得出各评价案例关于风险等级的综合确定度，对于每个评价案例，选取综合确定度最大的风险等级作为该评价案例的风险等级。
[0123]
以图5为例，图中的一个云(^)为一个风险等级。红为ii级，粉红为iii级，绿为iv级，黄为v级。确定度的具体值可按上述确定，若样本值为0.3则属于iv确定度为1，其余
为0.而此云图为评价指标不良地质体网格数量占比于各等级的云图。假设不良地质体网格数量占比的权重为0.3.则属于风险等级i的概率为1*0.3+0*0.3+0*0.3+0*0.3.所以具体属于哪一个风险等级需要对各个等级确定度进行加权后计算其综合确定度。哪个等级的综合确定度最高即隶属于哪个风险等级。
[0124]
实施例2：
[0125]
本发明一种基于粗糙集和云模型的隧道地质预报系统，包括地质初探测模块、地质超前预报模块、风险等级配置模块、风险等级配置模块、评价指标确定度计算模块以及综合确定度计算模块，该系统通过实施例1公开的方法对隧道工程进行地质预报。
[0126]
地质初探测模块用于获取不良地质体区域，所述不良地质体区域为通过目测观察和罗盘观测相结合的方式、对隧道工程的地面地质条件进行调查得到的。
[0127]
地质初探测模块调查的目的是观察隧道施工区域范围内有无肉眼可见的明显不良地质体区域，并记录不良地质体分布区域。为后续超前地质预报的重点检测区域提供参考范围。调查方式包括目测观察和采用地质罗盘。调查结果为洞内外观察记录表，具体内容包括掌子面及周边岩石种类和产状、岩石特性、节理裂隙发育程度及方向、断层及破碎带宽度及特征、地下水状况、掌子面稳定状况、洞内有无渗漏水、衬砌有无开裂、有无底鼓现象、地表变异、开裂分布、植被状况、水系状况。
[0128]
调查时，地面地质情况的调查方法根据要检测的隧道工程的长短和需要检测的精度来进行适当的选择。对于精度要求高的长大隧道，应采取重复检查的方式。对于精度要求粗略或设计图纸与施工时的实际状况严重不符的中长或中小隧道应采取全面检查的方式。对应的，地质初探测模块用于基于隧道工程的检测长度以及检测精确度对隧道工程的地面地质条件进行调查；对于检测精度高于阈值、且检测长度高于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行重复检查；对于检测精度低于阈值、或者检测长度低于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行全面检查。
[0129]
地质超前预报模块用于通过超前地质预报方法对不良地质体区域进行探测，并对掌子面前方的地质条件和岩石特性进行探测，得到对应的探测数据以及评价指标。
[0130]
不良地质体的获得方式包括两种，一种是通过上述地质调查法观察得出明显的不良地质体区域，一种是通过常规定期超前地质预报如地质雷达的电磁波形图或者tst的地震波波形图得出的重点不良地质体区域的大致范围。本实施例针对隧道工程进行地质检测，通过地质雷法或tst法等其他的超前预报方法对隧道工程的不良地质体区域进行探测并对掌子面前方的地质条件和岩石特性进行初步的探测，探测结果包含数据图像和根据数据图像人为判断得出的超前地质预报结论。
[0131]
通过地质超前预报模块进行地质预报时，优先选择针对地面地质情况调查后已识别的不良地质体探测效果较好的超前地质预报方法，后选取成低成本，易操作的超前地质预报方法辅助探测。例如经过地面地质情况调查发现工程的中存在不良地质带和断层破碎带，则先选取探测效果较好的tst方法得出相应的数据及评价指标，然后选取成本低，易操作的地质雷达法得出基于该所测方法的探测数据及评价指标。
[0132]
风险等级配置模块用于对不良地质体区域进行风险等级划分，对于每个评价指标，设定所述评价指标在各个风险等级的参数取值范围。
[0133]
评价指标权重计算模块用于以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，用于基于所述决策表，计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客观权重集合。
[0134]
评价指标权重计算模块用于综合工程地质资料和现场实际地质条件，采用粗糙集理论计算各评价指标的权重。
[0135]
工程地质资料包括工程施工设计图、工程施工组织设计书、工程超前地质预报及监控量测专项方案、工程地质勘查说明等工程相关文件。因为工程地质资料多为隧道开挖前的进行踏勘而得出，是隧道开挖前根据地质观察等手段得出的经验判断，与隧道实际工程地质状况多少会有出入，因此在针对已开挖一部分的隧道，应结合工程地质资料和实际开挖后的隧道工程地质状况对各个评价指标的权重进行拟定。工程地质资料是通过隧道洞内外观察所得，当然步骤100也可对工程地质资料进行补充，因为每个人观测时工程地质状况由于人为认知和环境改变的影响会产生差异。通过超前预报方法得到的重点不良地质体区域可以通过初步探测模块获取的不良地质体区域(即现场观测实际地质条件)和工程地质资料进行范围的明确。
[0136]
评价指标权重计算模块用于通过如下步骤基于粗糙集理论构建决策表：
[0137]
(1)对于所述决策表，每个评价指标在各风险等级下的参数取值范围为属性值域，对连续属性值域进行离散化处理，将连续属性值域划分为多个区间，对不易于量化区间的连续属性值域采用模糊语言进行描述、且其分类区间数量与连续属性值域的分类区间数量一致；
[0138]
(2)以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，所述决策表的每一行描述一个待评价案例，对于每一行，第一列用于描述待评价案例的样本编号，最后一列表示风险等级，第一列和最后一列之外的其它每一列表示一个评价指标；
[0139]
(3)对于所述决策表，由rsdida算法进行补齐，进行知识约简去除重复列，并分别按条件属性和决策属性对其论域进行分类，论域为条件属性和决策属性的集合。
[0140]
评价指标权重计算模块用于通过如下步骤得到各个评价指标的客观权重集合：
[0141]
(1)计算所有决策属性d对条件属性c的依赖程度γc(d)，计算公式为：
[0142][0143]
其中，d为n个待评价案例的集合，u＝{u1,u2,
…
,un}，m为拟定的风险等级数量；
[0144]
(2)对于每个评价指标ci，计算决策属性d对条件属性c-ci的依赖程度计算公式为：
[0145][0146]
(3)计算第i种评价指标在所有评价指标集合中的重要性σ
cd
(ci)，计算公式为：
[0147][0148]
(4)确定权重系数，第i种评价指标的权重系数为：
[0149][0150]
评价指标确定度计算模块用于基于每个评价指标在各风险等级下的期望、熵和超熵，通过正态云模型生成云模型数据图，所述云模型数据图用于计算每个评价指标在各风险等级下的确定度，并基于所述云模型数据图搜寻待评价案例中各待评估指标的确定度。
[0151]
评价指标确定度计算模块用于对确定好的各项评价指标对应的区间取值范围及现场所测数据进行归一化处理，计算不同指标不同评价等级对应的熵和超熵，结合程序生成云模型数据图。用于将待评案例的指标数据无量纲化处理后搜寻对应数据图中的该评价案例确定度的大致位置，后导出云模型计算数据，寻对应案例中待评数据的精确确定度。
[0152]
云模型是一种能将定性评价与定量计算相互转换的模型，可以将一个定性概念与定量数值相互转化。云模型主要用期望ex、熵en和超熵he表征，这三个参数反映了所分析问题的定性概念和定量特征。期望值ex表示云滴在论域空间分布的期望值，即概念量化最典型的样本。熵en表示定性概念的不确定性，由定性概念的随机性和模糊性共同决定。超熵he是熵的不确定性的度量。
[0153]
不确定性主要表现在以下三个方面：
[0154]
(1)反映了论域x中可以被这个定性概念接受的云滴范围，即模糊度；
[0155]
(2)反映了论域x中的云滴能够代表定性概念的随机性；
[0156]
(3)反映了模糊性和随机性的关联性。熵en越大，模糊性和随机性越大，定性向定量转化越难。超熵he是熵的熵，描述了熵en的不确定性，表示样本出现的随机性，即云滴在云中的离散程度。其反映了在论域空间代表该定性概念的所有点的不确定度的凝聚性，即云滴的凝聚度，超熵越大，云滴的离散度越大，隶属度的随机性越大，云的“厚度”也越大。超熵he根据评价指标的模糊性进行调整，一般取0.01。
[0157]
云模型是指代入matlab的计算机程序代码。因云图为计算机输出，因此需要结合matlab程序进行评价。云模型图是在归一化后给定样本区间计算的基础上，对样本区间[0，1]范围内的确定度(即属于某个等级的具体数值)，即云滴。这些云滴大量组合构成云模型数据图。
[0158]
搜寻方式是在生成的云模型数据图上先出样本数据对应的确定度的大致范围，假设样本值为0.3，则其对应的确定度在0.1-0.2之间。后打开matlab计算程序，到确定度表格，寻确定度在0.2-0.3间的数据对应的样本值，到0.3样本值对应的具体确定度即为样本数据为0.3的具体确定度。
[0159]
综合确定度计算模块用于将各评价指标的客观权重赋予待评价案例中各项评估指标的确定度，将各评价指标结合权重后的确定度进行求和，得到各评价案例关于风险等级的综合确定度，对于每个评价案例，选取综合确定度最大的风险等级作为该评价案例的风险等级。
[0160]
上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同
实施例中的代码审核手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。

技术特征：

1.一种基于粗糙集和云模型的隧道地质预报方法，其特征在于包括如下步骤：通过目测观察和罗盘观测相结合的方式，对隧道工程的地面地质条件进行调查，得到不良地质体区域；通过超前地质预报方法对不良地质体区域进行探测，并对掌子面前方的地质条件和岩石特性进行探测，得到对应的探测数据以及评价指标；对不良地质体区域进行风险等级划分，对于每个评价指标，设定所述评价指标在各个风险等级的参数取值范围；以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，基于所述决策表，计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客观权重集合；基于每个评价指标在各风险等级下的期望、熵和超熵，通过正态云模型生成云模型数据图，所述云模型数据图用于计算每个评价指标在各风险等级下的确定度，并基于所述云模型数据图搜寻待评价案例中各待评估指标的确定度；将各评价指标的客观权重赋予待评价案例中各项评估指标的确定度，将各评价指标结合权重后的确定度进行求和，得到各评价案例关于风险等级的综合确定度。2.根据权利要求1所述的基于粗糙集和云模型的隧道地质预报方法，其特征在于基于隧道工程的检测长度以及检测精确度对隧道工程的地面地质条件进行调查；对于检测精度高于阈值、且检测长度高于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行重复检查；对于检测精度低于阈值、或者检测长度低于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行全面检查。3.根据权利要求1或2所述的基于粗糙集和云模型的隧道地质预报方法，其特征在于通过目测观察和罗盘观测相结合的方式，对隧道工程的地面地质条件进行调查，调查内容包括掌子面及周边岩石种类和产状、岩石特性、节理裂隙发育程度及方向、断层及破碎带宽度及特征、地下水状况、掌子面稳定状况、洞内有无渗漏水、衬砌有无开裂、有无底鼓现象、地表变异、开裂分布、植被状况、水系状况。4.根据权利要求1或2所述的基于粗糙集和云模型的隧道地质预报方法，其特征在于以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，包括如下步骤：对于所述决策表，每个评价指标在各风险等级下的参数取值范围为属性值域，对连续属性值域进行离散化处理，将连续属性值域划分为多个区间，对不易于量化区间的连续属性值域采用模糊语言进行描述、且其分类区间数量与连续属性值域的分类区间数量一致；以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，所述决策表的每一行描述一个待评价案例，对于每一行，第一列用于描述待评价案例的样本编号，最后一列表示风险等级，第一列和最后一列之外的其它每一列表示一个评价指标；对于所述决策表，由rsdida算法进行补齐，进行知识约简去除重复列，并分别按条件属性和决策属性对其论域进行分类，论域为条件属性和决策属性的集合。5.根据权利要求1或2所述的基于粗糙集和云模型的隧道地质预报方法，其特征在于计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客
观权重集合，包括如下步骤：计算所有决策属性d对条件属性c的依赖程度γ
c
(d)，计算公式为：其中，d为n个待评价案例的集合，u＝{u1,u2,
…
,u
n
}，u
n
表示第n个待评价案例，d
i
表示第i个风险等级对应的决策属性，m为拟定的风险等级数量；对于每个评价指标c
i
，计算决策属性d对条件属性c-c
i
的依赖程度计算公式为：计算第i种评价指标在所有评价指标集合中的重要性σ
cd
(c
i
)，计算公式为：确定权重系数，第i种评价指标的权重系数为：6.一种基于粗糙集和云模型的隧道地质预报系统，用于通过如权利要求1-5任一项所述的一种基于粗糙集和云模型的隧道地质预报方法对隧道工程进行地质预报，所述系统包括：地质初探测模块，所述地质初探测模块用于获取不良地质体区域，所述不良地质体区域为通过目测观察和罗盘观测相结合的方式、对隧道工程的地面地质条件进行调查得到的；地质超前预报模块，所述地质超前预报模块用于通过超前地质预报方法对不良地质体区域进行探测，并对掌子面前方的地质条件和岩石特性进行探测，得到对应的探测数据以及评价指标；风险等级配置模块，所述风险等级配置模块用于对不良地质体区域进行风险等级划分，对于每个评价指标，设定所述评价指标在各个风险等级的参数取值范围；评价指标权重计算模块，所述评价指标权重计算模块用于以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，用于基于所述决策表，计算各条件属性相对决策属性的属性重要程度、并进行归一化处理，得到各个评价指标的客观权重集合；评价指标确定度计算模块，所述评价指标确定度计算模块用于基于每个评价指标在各风险等级下的期望、熵和超熵，通过正态云模型生成云模型数据图，所述云模型数据图用于计算每个评价指标在各风险等级下的确定度，并基于所述云模型数据图搜寻待评价案例中各待评估指标的确定度；；综合确定度计算模块，所述综合确定度计算模块用于将各评价指标的客观权重赋予待评价案例中各项评估指标的确定度，将各评价指标结合权重后的确定度进行求和，得到各
评价案例关于风险等级的综合确定度。7.根据权利要求6所述的基于粗糙集和云模型的隧道地质预报系统，其特征在于所述地质初探测模块用于基于隧道工程的检测长度以及检测精确度对隧道工程的地面地质条件进行调查；对于检测精度高于阈值、且检测长度高于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行重复检查；对于检测精度低于阈值、或者检测长度低于阈值的隧道工程，通过目测观察和罗盘观测相结合的方式对隧道工程的地面地质条件进行全面检查。8.根据权利要求6所述的基于粗糙集和云模型的隧道地质预报系统，其特征在于通过目测观察和罗盘观测相结合的方式，对隧道工程的地面地质条件进行调查，调查内容包括掌子面及周边岩石种类和产状、岩石特性、节理裂隙发育程度及方向、断层及破碎带宽度及特征、地下水状况、掌子面稳定状况、洞内有无渗漏水、衬砌有无开裂、有无底鼓现象、地表变异、开裂分布、植被状况、水系状况。9.根据权利要求6或7所述的基于粗糙集和云模型的隧道地质预报系统，其特征在于所述评价指标权重计算模块用于通过如下步骤基于粗糙集理论构建决策表：对于所述决策表，每个评价指标在各风险等级下的参数取值范围为属性值域，对连续属性值域进行离散化处理，将连续属性值域划分为多个区间，对不易于量化区间的连续属性值域采用模糊语言进行描述、且其分类区间数量与连续属性值域的分类区间数量一致；以风险等级为决策属性，以评价指标为条件属性，基于粗糙集理论构建决策表，所述决策表的每一行描述一个待评价案例，对于每一行，第一列用于描述待评价案例的样本编号，最后一列表示风险等级，第一列和最后一列之外的其它每一列表示一个评价指标；对于所述决策表，由rsdida算法进行补齐，进行知识约简去除重复列，并分别按条件属性和决策属性对其论域进行分类，论域为条件属性和决策属性的集合。10.根据权利要求6或7所述的基于粗糙集和云模型的隧道地质预报系统，其特征在于所述评价指标权重计算模块用于通过如下步骤得到各个评价指标的客观权重集合：计算所有决策属性d对条件属性c的依赖程度γ
c
(d)，计算公式为：其中，d为n个待评价案例的集合，u＝{u1,u2,
…
,u
n
}，u
n
表示第n个待评价案例，d
i
表示第i个风险等级对应的决策属性，m为拟定的风险等级数量；对于每个评价指标c
i
，计算决策属性d对条件属性c-c
i
的依赖程度计算公式为：计算第i种评价指标在所有评价指标集合中的重要性σ
cd
(c
i
)，计算公式为：
确定权重系数，第i种评价指标的权重系数为：

技术总结

本发明公开了基于粗糙集和云模型的隧道地质预报方法及系统，属于地质预报技术领域，要解决的技术问题为：如何降低综合超前地质预报数据多解性和人为主观因素带来的误差，提高复杂地质条件下、超前预报结果的准确性。包括如下步骤：通过超前地质预报方法对不良地质体区域进行探测，并对掌子面前方的地质条件和岩石特性进行探测；对不良地质体区域进行风险等级划分，设定评价指标在各个风险等级的参数取值范围；计算各条件属性相对决策属性的属性重要程度，得到各个评价指标的客观权重集合；计算待评价案例中待评估指标的确定度；将各评价指标的客观权重赋予待评价案例中各项评估指标的确定度，得到各评价案例关于风险等级的综合确定度。合确定度。合确定度。