CN103953024B - 基坑自动化监测异常数据识别方法 - Google Patents
基坑自动化监测异常数据识别方法 Download PDFInfo
- Publication number
- CN103953024B CN103953024B CN201410196639.1A CN201410196639A CN103953024B CN 103953024 B CN103953024 B CN 103953024B CN 201410196639 A CN201410196639 A CN 201410196639A CN 103953024 B CN103953024 B CN 103953024B
- Authority
- CN
- China
- Prior art keywords
- value
- collection
- moment
- foundation ditch
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基坑自动化监测异常数据识别方法,包括:在基坑现场安装温度计、雨量计、大气压强计;求取采集时刻之间的差值作为钢筋计所在位置温度与基坑环境温度之间的延时时间Delay;根据上一轮采集结果并结合本轮采集的参数对本轮监测值进行预测;针对每一个监测项目,若本轮采集的监测值在预测值的0.9-1.1倍区间内,确认为正常值,否则判定为异常值;若本轮判定为正常值,则对预测的均值进行迭代更新。本发明的优点在于:通过预测基坑开挖及环境状态参数的变化对监测值的影响,来确定监测项目的下一采集时刻预测采集值,并通过比对预测值及实际值来判定实际值是否异常,得出真实的监测数据,在整个基坑开挖的预警过程中起到重要的作用。
Description
技术领域
本发明涉及数据处理的方法,尤其涉及一种自动化监测异常数据识别方法。
背景技术
基坑是在基础设计位置按基底标高和基础平面尺寸所开挖的土坑。开挖前应根据地质水文资料,结合现场附近建筑物情况,决定开挖方案,并作好防水排水工作。大型基坑采用纵桩和横桩形成挡土墙的方法,防护外侧土层坍入,纵桩和横桩均是灌装混凝土的钢筋,并且在基坑旁边设置水井,不停抽水,防止基坑内水位上升。基坑开挖过程中需要监测各项数据,对可能产生的不利状况提供预警。
常规基坑工程监测手段不仅耗费大量人力,而且数据采集周期、精度和分析处理机制和管理方法,远远不能适应科学的管理与决策需求。随着地铁工程的发展,地下车站深大基坑工程日益增多,催生了更多新一代传感、传输和监测数据处理技术在基坑工程中的研究应用;稳定、成熟、可靠的电子信息技术在土建工程中的推广应用,为基坑的自动化监测提供了强有力的技术基础。
基坑自动化监测通常需要采集钢筋计频率、测斜仪倾角、水位计压强读数及单点沉降计的沉降数据,钢筋计频率设置在要采集数据的钢筋内,测斜仪一般埋置在基坑挡墙的测斜管内,水位计放置在降水井内,位移计放置在基坑周边沉降的土体上。挡土墙数据在自动化采集及传输时会由于周边电磁环境、传输干扰而发生变化产生异常数据;作为基坑监测后期分析与预警的关键性资源之一的数据,其监测质量问题尤其是异常数据的出现对后期能数据分析的结果产生越来越重要的影响。
基坑监测中的异常数据是监测数据集中与常规数据不同的数据,它们不符合惯常的数据模式,其产生机制与大多数数据不同。异常数据包括两种类型,第一种是真实异常数据,包含着从应用角度看非常有意义的知识;第二种是噪音异常数据,是采集、传输或存储过程中的错误引起的,会误导分析的结果。目前对于异常数据的态度主要有两种,一是拒绝,从数据集中删除全部异常数据,优点是可以减少异常数据的误导作用,但会丢失有意义的信息;二是保留,保留所有异常数据,不会丢失任何信息,但分析结果会受到异常数据的误导。
在基坑监测数据分析中,数据的质量问题越来越突出,监测数据是整个预警系统的关键性资源,有高质量的数据才能更好地进行预警决策分析。而在大规模监测数据分析中获得清洁可靠的数据是一项困难的工作,其成本也很高,大约要花费项目中50%到70%的资源。
实际监测过程中获取的数据有许多质量问题。首先,多种原因会产生异常数据,产生异常数据的原因通常包括:
1、传感器故障或传感器短时异常,导致传感器输出信号不能正确反映采集量的真实状态;
2、整个采集系统接地不良或电压不稳导致传感器数据采集存在误差或错误而造成假数据;
3、无线采集器在采集接入及处理传感器数据时存在逻辑错误或误差,导致采集的数据异常;
4、无线传输过程中无线信号受到现场大功率设备或强电磁场的干扰,导致输出传输过程中发生异常。
将异常数据从真实数据中区分出来非常困难,虽然有些异常数据可能是测量和记录过程中的错误引起的,但有些异常数据却代表着真实的监测量的状态,蕴涵着从预警角度看非常有意义的知识。目前针对监测过程中产生的异常数据,通常采用均值偏离方法进行处理,其本质是依据监测对象状态在一段时间内不会发生突变,通过求取一段时间窗内的采集值均值,再通过与设定的阈值进行比较,所超过设定的阈值则判定采集值异常。此方法可以识别部分异常数据,但由于阈值的设置难以把握,过大的阈值容易过滤到真实的采集值,过小的阈值不容易去除异常数据,导致实际处理效果依赖于阈值设置的经验值,难以量化处理。
发明内容
本发明的所要解决的技术问题在于提供一种准确的识别基坑自动化监测异常数据的方法。
本发明采用以下技术方案解决上述技术问题的:一种基坑自动化监测异常数据识别方法,包括下述步骤:
步骤1:在基坑现场安装温度计、雨量计、大气压强计,并实现基坑现场温度、大气压强及降雨量的采集,采集频率同监测项目的采集频率。;
步骤2:根据前一采集日的温度变化曲线及钢筋计的频率输出变化曲线,找出两条曲线中的最高点及其对应的采集时刻,求取采集时刻之间的差值作为钢筋计所在位置温度与基坑环境温度之间的延时时间Delay;
步骤3:根据上一轮采集结果并结合本轮采集的温度值、大气压强及采集周期内的降雨量对本轮监测值进行预测;
步骤4:针对每一个监测项目,若本轮采集的监测值在预测值的0.9-1.1倍区间内,确认为正常值,否则判定为异常值;
步骤5:针对每一个监测项目,若本轮判定为正常值,则对预测的均值进行迭代更新。
本发明的优点在于:通过预测基坑开挖及环境状态参数的变化对监测值的影响,来确定监测项目的下一采集时刻预测采集值,并通过比对预测采集值及实际采集值来判定实际采集值是否异常,得出真实的监测数据,在整个基坑开挖的预警过程中起到重要的作用。
附图说明
图1为本发明基坑自动化监测异常数据识别方法的水位计的实测量和降水量的关系曲线图。
图2为钢筋计支撑力实测值和预测值数据曲线图。
具体实施方式
以下结合附图对本发明进行详细的描述。
1、监测项目
异常数据来源的采集对象包括钢筋计频率、测斜仪倾角、水位计压强及单点位移计的位移。
2、异常数据定义
本文方法定义的异常数据包括两类,并针对该两类异常数据进行识别。
真实异常数据:有意义的能反映监测对象状态的部分异常数据,简单地将其排除会丢失有用的信息,导致后期预警数据分析的结果不精确或不正确。
噪音异常数据:采集、传输或存储过程中的错误引起的那部分异常数据,这种异常数据会导致基坑预警分析的结果出现偏差或错误。
3、基于基坑监测知识的异常数据识别方法
3.1方法路线
在本方法中定义监测值的变化由三部分构成:基坑开挖对监测项目带来的影响,环境状态参数变化给监测项目带来的影响以及噪声干扰给监测带来的异常影响。监测项目的最终监测值是上述三部分的综合体现。
本方法通过预测基坑开挖及环境状态参数的变化对监测值的影响,来确定监测项目的下一采集时刻预测采集值,并通过比对预测采集值及实际采集值判定实际采集值是否异常。
3.2监测值预测
记监测项目的监测值为γ,基坑开挖状态为α,环境状态参数为θ,采集、传输及存储环节的噪声为β,则γ=f(α,θ,β),函数f表征监测值是三个状态参数的综合反映。
其中根据基坑力学计算模型,基坑开挖状态α对监测项目是一个线性、缓慢的影响,在一段时间内趋于稳定。
而环境状态参数θ对监测项目的影响依据监测项目类型的不同而差异较大,具体影响关系见下表1:
表1 环境状态参数与监测项目之间的关系
除了上表中涉及的地下水位与钢筋计频率,其他监测项目(测斜仪倾角、单点位移计)受环境状态参数的影响较小,通常可以忽略。
采集、传输及存储环节的噪声为β对监测值的影响属于噪声信号,可以认为是一个白噪声信号。
为此本方法将监测值γ分解为α,θ,β三个影响参数的独立作用之和,定义如下:
γ=A(α)+B(θ)+C(β)
其中函数A表示基坑开挖状态α对监测项目的影响,由于基坑开挖状态α在一段时间内是稳定的,因此A(α)在一段时间内也趋于稳定,为此本方法用Gauss模型对A(α)的在t+1时刻的预测值U(A(α),t+1)进行建模并跟踪A(α)的变化趋势,定义如下:
U(A(α),t+1)=wU(A(α),t)+(1-w)I(A(α),t)
I(A(α),t)为t采集时刻的采集值被判定为背景值时修正过的采集值与预测值之间的变化,即:I(A(α),t)=γ-U(A(α),t)。通过上式实现对A(α)的均值进行预测。系数w的值根据采集时间间隔来取0~1中间的小数,采集时间间隔较短,w可以取值较大,如0.9至1之间,采集时间间隔越长,w取值越小,如0至0.9之间,如下表为几个可以取值的例子,当然,不限于这些值。
采集间隔(分钟) | 系数w |
15 | 0.95 |
30 | 0.90 |
60 | 0.85 |
120 | 0.7 |
480 | 0.5 |
背景值判定规则如下,其中d为监测项目的方差,一般取值为监测项目前24小时判定为背景值的监测值的方差。
if G(A(α),t+1)>0.8,t时刻采集值A(α)为背景值。
函数B表示环境状态参数θ对监测项目的影响,依据表1针对不同的监测项目类型,本方法定义响应的函数B,具体如下。
1)环境状态参数对地下水位压强值预测的影响
地下水位受短时内的降水及大气压强的影响,定义t时刻至t+1时刻采集周期内的降水量为τ,大气压强为p,则t+1采集时刻的监测值相比于t时刻的采集时刻的采集值的变化量预测值为:
B(θ)=B(p,て)=p(t+1)-p(t)+ρgて
式中,所述g为重力常数。
2)环境状态参数对钢筋计频率预测的影响
钢筋计频率受局部环境温度的影响较大,由于钢筋计所处实际位置的温度与整个基坑所处的外界环境温度之间存在一定的滞后关系,为此不能直接利用基坑环境温度对钢筋计的频率变化量进行预测,本方法根据前一监测日频率输出的最高点与环境温度的最高点之间的时间差作为钢筋计所处位置环境温度与整个基坑环境温度之间的滞后响应时间Delay。
通常钢筋计的输出由载荷及温度修正两部分,且与温度修正成线性关系,为此本方法定义在t+1采集时刻的监测值相比于t时刻的采集时刻的采集值的变化量预测值为:
B(θ)=B(ΔT)=b(Tt+1-Tt)=b(Tt+1-Delay-Tt-Delay)
其中b为钢筋计的温度修订系数,取原始数据的最高点和最低点的线性系数,单位kN/℃,Tt+1与Tt分别为在t+1采集时刻与在t采集时刻钢筋计所在的局部温度,Tt+1-Delay与Tt-Delay分别为在t+1采集时刻与在t采集时刻基坑外部的环境温度。,
函数C表示采集、传输及存储过程中噪声产生的误差,不作为对监测值的预测。
为此,本方法针对监测项目t+1采集时刻的预测值为:
1)水位压强
γe1=U(A(α),t+1)+p(t+1)-p(t)+ρgて
2)钢筋计频率
γe2=U(A(α),t+1)+b(Tt+1-Delay-Tt-Delay)
3)其他监测项目((测斜仪倾角、单点位移计,因为其受环境状态参数的影响较小,所以环境状态参数的影响忽略不计)
γe3=U(A(α),t+1)。
3.3异常数据判断流程
根据上面确定的监测值预测公式,本方法采用下面判断流程识别异常数据:
步骤1:在基坑现场安装温度计、雨量计、大气压强计,并实现基坑现场温度、大气压强及降雨量的采集,采集频率同监测项目的采集频率。
步骤2:根据前一采集日的温度变化曲线及钢筋计的频率输出变化曲线,找出两条曲线中的最高点及其对应的采集时刻,求取采集时刻之间的差值作为钢筋计所在位置温度与基坑环境温度之间的延时时间Delay;
步骤3:根据上一轮采集结果并结合本轮采集的温度值、大气压强及采集周期内的降雨量并根据以上的预测公式对本轮监测值进行预测;
步骤4:针对每一个监测项目,若本轮采集的监测值在预测值的0.9-1.1倍区间内,确认为正常值,否则判定为异常值;
步骤5:针对每一个监测项目,若本轮判定为正常值,则对预测的均值进行迭代更新。
请参阅下表2及图1,示出了水位计的实测量和降水量的关系,其中曲线1是水位计的实测量,曲线2代表降水量,依据水位压强的预测公式,γe1=U(A(α),t+1)+p(t+1)-p(t)+ρgて,因为降水量τ全部为0,所以地下水位压强变化量的预测值B(θ)取决于大气压强p的变化,大气压强p的变化量很小,所以无论是预测值γe还是实测量变化都不大。大气压强波动很小,一般默认为固定的。
表2 水位计的实测量和降水量的关系
时间 | 检测项目 | 检测位置 | 实测量(dm) | 降水量(mm) |
2014-1-153:56 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-154:27 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-154:57 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-155:27 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-155:58 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-156:29 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-156:59 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-157:29 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-158:00 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-158:31 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-159:01 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-159:32 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-1510:02 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-1510:33 | 地下水位 | 断面2水位计 | 263.7 | 0 |
2014-1-1511:04 | 地下水位 | 断面2水位计 | 263.6 | 0 |
2014-1-1511:34 | 地下水位 | 断面2水位计 | 263.6 | 0 |
2014-1-1512:04 | 地下水位 | 断面2水位计 | 263.6 | 0 |
2014-1-1512:35 | 地下水位 | 断面2水位计 | 263.6 | 0 |
2014-1-1513:05 | 地下水位 | 断面2水位计 | 263.5 | 0 |
2014-1-1513:36 | 地下水位 | 断面2水位计 | 263.5 | 0 |
2014-1-1514:06 | 地下水位 | 断面2水位计 | 263.4 | 0 |
2014-1-1514:36 | 地下水位 | 断面2水位计 | 263.4 | 0 |
2014-1-1515:07 | 地下水位 | 断面2水位计 | 263.5 | 20 |
2014-1-1515:38 | 地下水位 | 断面2水位计 | 263.6 | 20 |
2014-1-1516:08 | 地下水位 | 断面2水位计 | 263.8 | 20 |
2014-1-1516:50 | 地下水位 | 断面2水位计 | 263.95 | 20 |
2014-1-1517:09 | 地下水位 | 断面2水位计 | 264.2 | 18 |
2014-1-1517:39 | 地下水位 | 断面2水位计 | 264.3 | 18 |
2014-1-1518:10 | 地下水位 | 断面2水位计 | 266.2 | 18 |
2014-1-1518:41 | 地下水位 | 断面2水位计 | 267.8 | 18 |
2014-1-1519:11 | 地下水位 | 断面2水位计 | 267 | 0 |
2014-1-1519:42 | 地下水位 | 断面2水位计 | 266.8 | 0 |
2014-1-1520:12 | 地下水位 | 断面2水位计 | 263.3 | 0 |
2014-1-1520:42 | 地下水位 | 断面2水位计 | 263.3 | 0 |
2014-1-1521:13 | 地下水位 | 断面2水位计 | 263.3 | 0 |
2014-1-1521:44 | 地下水位 | 断面2水位计 | 263.3 | 0 |
2014-1-1522:14 | 地下水位 | 断面2水位计 | 263.3 | 0 |
2014-1-1522:44 | 地下水位 | 断面2水位计 | 263.2 | 0 |
2014-1-1523:15 | 地下水位 | 断面2水位计 | 263.2 | 0 |
请参阅下表3及图2,示出了钢筋计支撑力(支撑力是最终的计算结果,和钢筋计频率之间是一个线性关系,钢筋计频率只是最原始的采集值,所以这里用支撑力表示)预测值数据,其中曲线3代表钢筋计频率实测值γ,曲线4代表基坑开挖状态α对钢筋计频率的影响的预测值U(A(α)),可以看出,由于环境温度未变化,所以环境状态参数变化对钢筋计频率预测值的影响B(θ)=B(ΔT)=b(Tt+1-Tt)=b(Tt+1-Delay-Tt-Dealy)为0,钢筋计频率预测值γ基本等于基坑开挖状态α对钢筋计频率的影响的预测值U(A(α))。
表3 钢筋计支撑力实测值和预测值数据
请参阅下表4,示出了钢筋计频率与温度的关系,其中环境修正系数为0.43,这个表给出的是实测值(钢筋计桩内力这列)和环境温度,同时是在模拟桩体内力稳定的情况下给出的,即U(A(a),t)可以认为是恒定的。
表4 钢筋计频率实测值与温度
以上所述仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明创造的保护范围之内。
Claims (3)
1.一种基坑自动化监测异常数据识别方法,其特征在于:包括下述步骤:
步骤1:在基坑现场安装温度计、雨量计、大气压强计,并实现基坑现场温度、大气压强及降雨量的采集,采集频率同监测项目的采集频率;
步骤2:根据前一采集日的温度变化曲线及钢筋计的频率输出变化曲线,找出两条曲线中的最高点及其对应的采集时刻,求取采集时刻之间的差值作为钢筋计所在位置温度与基坑环境温度之间的延时时间;
步骤3:根据上一轮采集结果并结合本轮采集的温度值、大气压强及采集周期内的降雨量对本轮监测值进行预测;
步骤4:针对每一个监测项目,若本轮采集的监测值在预测值的0.9-1.1倍区间内,确认为正常值,否则判定为异常值;
步骤5:针对每一个监测项目,若本轮判定为正常值,则对预测的均值进行迭代更新。
2.如权利要求1所述的基坑自动化监测异常数据识别方法,其特征在于:
所述步骤3具体为:
异常数据来源的采集对象包括钢筋计频率、测斜仪倾角、水位计压强及单点位移计的位移,首先定义监测值的变化由三部分构成:基坑开挖对监测项目带来的影响,环境状态参数变化给监测项目带来的影响以及噪声干扰给监测带来的异常影响,监测项目的最终监测值是上述三部分的综合体现,记监测项目的监测值为γ,基坑开挖状态为α,环境状态参数为θ,采集、传输及存储环节的噪声为β,则γ=f(α,θ,β),函数f表征监测值是三个状态参数的综合反映,将监测值γ分解为α,θ,β三个影响参数的独立作用之和,γ=A(α)+B(θ)+C(β),其中函数A表示基坑开挖状态α对监测项目的影响,函数B表示环境状态参数θ对监测项目的影响,函数C表示采集、传输及存储过程中噪声产生的误差,不作为对监测值的预测;
A(α)在t+1时刻的预测值U(A(α),t+1)的定义如下:U(A(α),t+1)=wU(A(α),t)+(1-w)I(A(α),t),I(A(α),t)为t采集时刻的采集值被判定为背景值时修正过的采集值与预测值之间的变化,即:I(A(α),t)=γ-U(A(α),t),系数w的值根据采集时间间隔来确定,背景值判定规则如下,其中d为监测项目的方差,取值为监测项目前24小时判定为背景值的监测值的方差, if G(A(α),t+1)>0.8,t时刻采集值A(α)为背景值;
环境状态参数对地下水位压强值预测的影响:定义t时刻至t+1时刻采集周期内的降水量为て,大气压强为ρ,则t+1采集时刻的监测值相比于t时刻的采集时刻的采集值的变化量预测值为:B(θ)=B(p,て)=p(t+1)-p(t)+ρgて,所述g为重力常数;
环境状态参数对钢筋计频率预测的影响:根据前一监测日频率输出的最高点与环境温度的最高点之间的时间差作为钢筋计所处位置环境温度与整个基坑环境温度之间的滞后响应时间Delay,定义在t+1采集时刻的监测值相比于t时刻的采集时刻的采集值的变化量预测值为:B(θ)=B(ΔT)=b(Tt+1-Tt)=b(Tt+1-Delay-Tt-Delay),其中b为钢筋计的温度修订系数,取前一个采集工作日数据的最高点和最低点的线性系数,单位kN/℃,Tt+1与Tt分别为在t+1采集时刻与在t采集时刻钢筋计所在的局部温度,Tt+1-Delay与Tt-Delay分别为在t+1采集时刻与在t采集时刻基坑外部的环境温度;
测斜仪倾角、单点位移计受环境状态参数的影响较小,忽略不计;
综上,本方法针对监测项目t+1采集时刻的预测值为:
1)水位压强
γe1=U(A(α),t+1)+p(t+1)-p(t)+ρgて
2)钢筋计频率
γe2=U(A(α),t+1)+b(Tt+1-Delay-Tt-Delay)
3)测斜仪倾角、单点位移计
γe3=U(A(α),t+1)。
3.如权利要求2所述的基坑自动化监测异常数据识别方法,其特征在于:
系数w的值根据采集时间间隔来取0~1中间的小数,采集时间间隔越短,w取值越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410196639.1A CN103953024B (zh) | 2014-05-09 | 2014-05-09 | 基坑自动化监测异常数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410196639.1A CN103953024B (zh) | 2014-05-09 | 2014-05-09 | 基坑自动化监测异常数据识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103953024A CN103953024A (zh) | 2014-07-30 |
CN103953024B true CN103953024B (zh) | 2015-09-09 |
Family
ID=51330361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410196639.1A Active CN103953024B (zh) | 2014-05-09 | 2014-05-09 | 基坑自动化监测异常数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103953024B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109914798A (zh) * | 2019-03-11 | 2019-06-21 | 福建工程学院 | 一种智能混凝土浇置模板安全管理方法 |
CN110675610A (zh) * | 2019-10-11 | 2020-01-10 | 上海勘察设计研究院(集团)有限公司 | 一种自动化监测数据自动预报警的方法 |
CN110984114A (zh) * | 2019-12-29 | 2020-04-10 | 青岛瑞源工程集团有限公司 | 一种深基坑全周期动态监测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2331220A1 (en) * | 2001-01-12 | 2002-07-12 | G.I. Russell & Company Ltd. | Method and apparatus for instrumental analysis in remote locations |
CN101979779A (zh) * | 2010-10-29 | 2011-02-23 | 浙江宝业建设集团有限公司 | 对临近偏斜建筑控倾防沉的基坑施工方法 |
CN102108707A (zh) * | 2011-03-15 | 2011-06-29 | 上海交通大学 | 超大超深基坑精确沉降及环保施工方法 |
CN102162234A (zh) * | 2010-12-27 | 2011-08-24 | 北京工业大学 | 一种岩土体表面位移实时监测装置及监测方法 |
CN102704456A (zh) * | 2012-06-01 | 2012-10-03 | 同济大学 | 一种利用人工热源和地下水温度示踪判定基坑止水帷幕渗漏的方法 |
-
2014
- 2014-05-09 CN CN201410196639.1A patent/CN103953024B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2331220A1 (en) * | 2001-01-12 | 2002-07-12 | G.I. Russell & Company Ltd. | Method and apparatus for instrumental analysis in remote locations |
CN101979779A (zh) * | 2010-10-29 | 2011-02-23 | 浙江宝业建设集团有限公司 | 对临近偏斜建筑控倾防沉的基坑施工方法 |
CN102162234A (zh) * | 2010-12-27 | 2011-08-24 | 北京工业大学 | 一种岩土体表面位移实时监测装置及监测方法 |
CN102108707A (zh) * | 2011-03-15 | 2011-06-29 | 上海交通大学 | 超大超深基坑精确沉降及环保施工方法 |
CN102704456A (zh) * | 2012-06-01 | 2012-10-03 | 同济大学 | 一种利用人工热源和地下水温度示踪判定基坑止水帷幕渗漏的方法 |
Non-Patent Citations (1)
Title |
---|
基坑监测中钢筋混凝土支撑考虑温度补偿的轴力计算方法;杨昊;《工程质量》;20110630;第29卷(第6期);45-47 * |
Also Published As
Publication number | Publication date |
---|---|
CN103953024A (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102736124B (zh) | 基于综合参数的隧道开挖围岩动态细化分级方法 | |
US8275589B2 (en) | Modeling a reservoir using a compartment model and a geomechanical model | |
CN105607146B (zh) | 一种曲流河砂体规模的定量表征方法 | |
CN110310021B (zh) | 一种用于基坑监测预警的场地环境与监测点匹配系统 | |
CN113267814B (zh) | 场地剪切波速测算方法及装置 | |
CN103953024B (zh) | 基坑自动化监测异常数据识别方法 | |
Hansmann et al. | Reversible rock-slope deformations caused by cyclic water-table fluctuations in mountain slopes of the Central Alps, Switzerland | |
Wei et al. | Comparison of a physical model and phenomenological model to forecast groundwater levels in a rainfall-induced deep-seated landslide | |
Obergfell et al. | Deriving hydrogeological parameters through time series analysis of groundwater head fluctuations around well fields | |
Karaman et al. | A comparative assessment of rock mass deformation modulus | |
CN103205972A (zh) | 一种分析基坑变形与坑外地面沉降关系的方法 | |
Siddiqui et al. | The use of PCA and signal processing techniques for processing time-based construction settlement data of road embankments | |
Yihdego et al. | Mine water supply assessment and evaluation of the system response to the designed demand in a desert region, central Saudi Arabia | |
CN116703166B (zh) | 一种基于数据挖掘的煤矿充填开采地质风险评估方法 | |
CN102435540A (zh) | 浅层沙土渗透系数测量系统及测量方法 | |
CN115455791A (zh) | 一种基于数值模拟技术提高滑坡位移预测准确率的方法 | |
CN103196599B (zh) | 黄土场地浸水条件下土体内部应力变化监测系统及方法 | |
Obrzud et al. | A combined neural network/gradient‐based approach for the identification of constitutive model parameters using self‐boring pressuremeter tests | |
CN114066271A (zh) | 一种隧道突水灾害监测管理系统 | |
Huang et al. | Settlement predictions of a trial embankment on Ballina Clay | |
CN117648873B (zh) | 地面沉降预测方法、训练方法、装置、设备 | |
CN112925040B (zh) | 砂岩储层渗透率各向异性参数预测方法及装置 | |
CN117688659B (zh) | 水库大坝的深厚覆盖层坝基防渗墙的渗漏风险预测方法 | |
CN113107464B (zh) | 一种水平井步进式水淹层识别测井方法 | |
CN111142158B (zh) | 一种提高断阶构造地震解释精度的标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |