本發明涉及地下工巖土工程，特別涉及一種深部巷道圍巖災害防治智能評估方法。
背景技術：
1、在礦井和地下工程中，巷道是重要的通行和工作場所，其圍巖的穩定性直接關系到人員和設備的安全。然而，由于地下環境的復雜性，巷道圍巖經常受到多種因素的影響，如地質構造、應力集中、地下水滲透等，這些因素會導致圍巖的變形和失穩，甚至引發巷道坍塌等嚴重事故。因此，對巷道圍巖的變形進行實時監測和數據處理，以提前預防潛在風險，是保障礦井和地下工程安全的關鍵措施。
2、傳統的巷道監測技術多以人工檢查和簡單的機械測量為主，依賴監測人員的經驗判斷。這種方法不僅工作量大，而且容易受到人為主觀因素的干擾，導致監測結果的不準確和滯后。此外，機械測量手段在復雜的巷道環境中存在一定的局限性，難以實時捕捉到圍巖變形的動態變化，無法滿足現代礦井和地下工程對安全監測的高要求。因此，巷道監測技術需要朝著自動化、智能化、實時化的方向發展。
3、隨著科技的發展，先進的傳感器技術逐漸被引入到巷道監測領域，如光纖傳感器、應變計和位移傳感器等。這些傳感器能夠對巷道圍巖的應力、應變和位移等參數進行高精度測量，克服了傳統測量方法在精度和實時性方面的不足。光纖傳感器憑借其抗電磁干擾、耐腐蝕和長期穩定性高的特點，成為地下環境監測的重要手段之一。其高靈敏度使其能夠捕捉到圍巖細微的應力和變形變化，為監測人員提供更精確的數據支持。
4、應變計和位移傳感器在巷道圍巖監測中也有廣泛的應用。應變計通過監測圍巖的應力集中情況，可以幫助識別巷道中潛在的危險區域，特別是在巷道頂板和側壁交界處等應力集中位置。位移傳感器則記錄圍巖的位移趨勢，幫助判斷圍巖是否存在加速變形的風險，提供長期穩定性的預警信息。然而，這些傳感器在數據采集和處理方面仍存在一些挑戰，如如何實現多傳感器數據的同步獲取和綜合分析、如何減少環境噪聲的干擾等，這對系統的硬件和軟件提出了更高的要求。
5、在數據處理方面，傳統的巷道監測系統主要依賴手工數據分析，數據處理效率低，無法滿足實時監測的需求。隨著數據處理技術的發展，機器學習和數據挖掘算法逐漸被應用于巷道圍巖監測系統中。通過分析歷史數據和實時數據，系統可以預測圍巖的變形趨勢和風險等級，為預防和應對突發事故提供科學依據。然而，這些新技術的應用仍面臨挑戰，如如何優化算法以提高預測的準確性和實時性、如何應對監測數據的復雜性和多樣性等。
6、為了提高監測系統的可靠性和實時性，現代監測系統需要具備多傳感器數據融合和智能處理能力。多傳感器數據融合技術通過將來自不同傳感器的數據進行綜合分析，能夠提高數據的可靠性和穩定性。例如，通過將光纖傳感器的高靈敏度數據與應變計和位移傳感器的數據結合，可以實現更全面的巷道圍巖監測。數據融合不僅有助于減少單一傳感器故障帶來的監測盲區，還能夠增強系統的魯棒性和抗干擾能力。
7、實時數據傳輸和處理是巷道監測系統的另一重要組成部分。傳統的數據傳輸方式由于受制于地下環境的復雜性，往往存在傳輸延遲和數據丟失的問題。為了解決這些問題，現代系統采用高效的數據傳輸協議和壓縮算法，以提高數據傳輸的速度和穩定性。數據校驗和加密技術也被引入到監測系統中，確保數據在傳輸過程中的完整性和安全性。
8、最后，巷道圍巖監測系統還需要具備可視化展示和報警響應功能，以便監測人員和決策者能夠迅速理解數據并采取必要的應對措施。可視化模塊通過趨勢圖、熱力圖和空間分布圖等方式，將復雜的數據直觀呈現，幫助用戶識別高風險區域并評估潛在的風險。報警系統則在監測到圍巖變形超出設定閾值時，能夠觸發警報并通知相關人員，確保及時采取防范措施，降低事故發生的可能性。
9、綜上所述，現有的巷道圍巖監測技術雖然在一定程度上解決了地下環境監測的難題，但仍存在一些不足之處，如數據獲取和處理不夠實時、監測覆蓋面不足、環境干擾影響較大等。
技術實現思路
1、本發明的目的克服現有技術存在的不足，為實現以上目的，采用一種深部巷道圍巖災害防治智能評估方法，以解決上述背景技術中提出的問題。
2、一種深部巷道圍巖災害防治智能評估方法，包括以下步驟：
3、步驟s1、在巷道圍巖的關鍵位置布置傳感器系統，實時監測獲取圍巖變形數據；
4、步驟s2、根據獲取的圍巖變形數據并導入數據采集模塊中進行初步處理后存儲；
5、步驟s3、對初步處理后的圍巖變形數據進行分析處理，生成圍巖變形的趨勢分析結果；
6、步驟s4、基于趨勢分析結果生成變形趨勢圖，并對數據進行綜合分析，識別安全風險，并生成綜合分析結果；
7、步驟s5、基于綜合分析結果生成報警信息，對圍巖變形進行監控與應急措施，并輸出評估方案。
8、作為本發明的進一步的方案：所述步驟s1中的具體步驟包括：
9、步驟s11、基于地質資料與工程需求分析，確定傳感器布局優先級與高風險監測區域，并在巷道圍巖的關鍵點位布置傳感器系統，所述傳感器系統包括光纖傳感器、應變計，以及位移傳感器；
10、步驟s12、依據預設路徑安裝光纖傳感器，進行表面處理、波長校準和抗干擾保護，確保高靈敏度監測；
11、步驟s13、在應力集中區域設置應變計，校準測量方向并固定，驗證與光纖傳感器的數據一致性；
12、步驟s14、于關鍵點位固定位移傳感器，定向校準并校驗基準，精準捕捉圍巖位移趨勢；
13、步驟s15、基于冗余與容錯機制，部署光纖傳感器和應變計形成主備傳感器并設置自動切換邏輯；
14、步驟s16、通過濾波算法和移動平均優化數據，完成信號測試與參數動態調整；
15、步驟s17、通過多源數據融合與功能測試驗證傳感器系統精度，完成運行。
16、作為本發明的進一步的方案：所述步驟s2中的具體步驟包括：
17、步驟s21、利用數據采集模塊配備實時數據傳輸模塊，以確保圍巖變形數據的快速傳輸，并設有異常數據處理機制；
18、步驟s22、使用哈夫曼編碼進行數據壓縮，公式為：
19、
20、其中，c(h)為壓縮后的編碼長度，pi為每個符號出現的概率，len(ci)為符號的編碼長度；
21、步驟s23、數據校驗通過循環冗余校驗,，其公式為：
22、crc＝m(x)·xkmod?g(x)；
23、其中，crc為生成的校驗碼，m(x)為消息多項式，g(x)為生成多項式，k為冗余位數；
24、再進行異常檢測處理，通過z-score方法計算，公式為：
25、
26、其中，z為標準化值，x為單個數據點，μ為數據的均值，σ為標準差。
27、作為本發明的進一步的方案：所述步驟s3中的具體步驟包括：
28、步驟s31、基于機器學習的算法，對采集的數據進行智能分析，支持向量回歸svr模型用于趨勢預測，公式為：
29、
30、其中，f(x)為預測值，αi為支持向量的權重，k為核函數，xi為支持向量，b為偏置項；
31、步驟s32、結合使用長短期記憶網絡(lstm)進行時間序列分析，公式為：
32、ht＝σ(wh·xt+uh·ht-1+bh)；
33、其中，ht為當前隱藏狀態，σ為激活函數，wh為輸入到隱藏層的權重，xt為當前輸入，uh為隱藏層的循環權重，bh為偏置；
34、步驟s33、通過dbscan聚類算法實現異常檢測，公式為：
35、
36、其中，density(p)為點p的密度，∈為半徑，q為點集d中的點，n為總數據點數。
37、作為本發明的進一步的方案：所述步驟s4中的具體步驟包括：
38、步驟s41、通過可視化界面展示生成的變形趨勢圖，其包含變形量、變形速率和空間分布信息；熱圖展示通過以下公式計算熱度值：
39、
40、其中，h(i,j)為坐標(i,j)的熱度值，f(xi,yj,t)為在時間t下變形量函數，t為時間總步長；
41、步驟s42、使用voronoi圖算法對數據空間分割，公式為：
42、
43、其中，vor(pi)為點集空間的分割區域，pi和pj分別為空間內的特征點；
44、步驟s43、使用k-means聚類算法分類變形數據，公式為：
45、
46、其中，j為代價函數，k為聚類數，為第i類中第j個數據點，μi為第i類質心。
47、作為本發明的進一步的方案：所述步驟s5中的具體步驟包括：
48、步驟s51、采用多級報警機制作為報警信息系統，根據不同的變形程度發出相應的警報；
49、步驟s52、由邏輯回歸算法設定報警級別，公式為：
50、
51、其中，p(y＝1|x)為報警觸發概率，β0和β1為邏輯回歸系數，x為當前變形數據；
52、步驟s53、報警信息傳輸使用aes加密算法，公式為：
53、c＝ek(p)；
54、其中，c為密文，ek為加密函數，p為明文；
55、步驟s54、報警信息系統使用多模態通知機制，通過短信、郵件和移動應用推送實現快速響應。
56、與現有技術相比，本發明存在以下技術效果：
57、通過采用上述的技術方案，集成多種類型的傳感器系統，包括光纖傳感器、應變計和位移傳感器，實現了對巷道圍巖的多維度監測。多傳感器布置方式提高數據采集的全面性和準確性。光纖傳感器以其抗電磁干擾和耐腐蝕的特性，特別適用于巷道的復雜環境，能夠長時間提供穩定的數據。而應變計和位移傳感器則彌補了光纖傳感器在局部細節監測中的不足，能夠更加細致地反映圍巖的應力狀態和位移變化。這種多元化的監測手段，確保了數據的多樣性和準確性，使監測系統能夠捕捉到細微的變形情況和突發的應力集中。