文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202210644546.5

申 请 日：20220608

发 明 人：汪洪星 赵田甜 巫尚蔚 敬小非 刘克辉 任凌燕 崔永鸿

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20220913

公 开 号：CN115049124A

代 理 人：隋金艳

代理机构：重庆德立创新专利代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明属于隧道工程灾害预测领域，具体涉及一种基于贝叶斯网络的深长隧道突涌水预测方法，包括确定深长隧道突涌水的影响因素，完善致灾因子和突涌水评价指标的等级划分，建立隧道突涌水样本库；应用解释结构模型方法建立突涌水影响因素的层次结构关系，确定影响因素的排序和层间指向性连接，建立解释结构模型；基于解释结构模型，改进贝叶斯网络结构的构建方法；针对不同样本库的情况，应用改进方法构建贝叶斯网络模型；依据贝叶斯网络模型，进行深长隧道突涌水的定量预测。本发明能够实现定性和定量的综合分析，对完备数据样本和不完备数据样本同时具有适用性，对小样本具有适用性，独立于主观判断，更准确、更客观的进行深长隧道突涌水预测。

主 权 项：1.一种基于贝叶斯网络的深长隧道突涌水预测方法，其特征在于，包括以下步骤：S1：确定引发突涌水的影响因素；S2：对突涌水影响因素进行等级划分，对最大集中涌水量进行区间划分，形成深长隧道突涌水样本库；S3：应用解释结构模型方法，将深长隧道突涌水的系统问题转化成一个多级递阶的层次结构图，确定层间的指向性连接，建立影响因素的解释结构模型；S4：根据解释结构模型，改进贝叶斯网络结构的学习方法；基于改进的学习方法，构建贝叶斯网络模型结构；S5：基于参数学习方法，构建贝叶斯网络模型的条件概率表；S6：进行贝叶斯网络模型推理，构建深长隧道的突涌水预测模型；S7：依据建立的突涌水预测模型，进行新建隧道的突涌水预测。

关 键 词：涌水  隧道  结构模型  影响因素  贝叶斯网络模型 数据样本  构建  预测  层次结构关系  隧道工程  贝叶斯网络 评价指标  网络结构  灾害预测 主观判断 贝叶斯 水样本  小样本  样本库 指向性  综合分析  层间  排序  应用  定性  改进  

IPC专利分类号：G06Q10/04;G06Q50/08;G06N7/00;G06N5/04