CN109083118A - 一种手持式深基坑地表沉降预测装置及其工作流程 - Google Patents

Abstract

本发明公开了一种手持式深基坑地表沉降预测装置及其工作流程，该装置包括核心处理单元，所述核心处理单元连接有USB通信单元、预测结果显示模块、输入模块、供电单元以及存储单元，所述USB通信单元读写外围USB存储设备。核心处理机单元由嵌入式微控制器及外围电路组成，该核心处理机运行模型训练机和沉降预测机两个核心模块，并控制输入输出模块、存储单元和USB接口电路。本发明内置模型训练机和沉降预测机核心功能模块，能为深基坑地表沉降的安全控制提供决策数据，满足复杂施工环境下对地表沉降的预测要求，这对做好施工预案，保证施工安全，对提升企业的经济效益和生产管理水平具有重要意义。

Description

一种手持式深基坑地表沉降预测装置及其工作流程

技术领域

本发明涉及一种深基坑施工过程中引起地表沉降的预测装置，具体涉及一种深基坑地表沉降预测装置及其工作流程。

背景技术

在城市建设加速发展过程中，受地表空间的限制，越来越多的建筑物向超高和地下纵深发展，导致深基坑工程大量涌现。由于受地质条件、水文条件、施工技术和周围环境等复杂因素影响，深基坑在开挖施工过程中，为保证现场的干燥和安全，通常要通过降水使地下水位位于开挖面以下。深基坑降水引起的地下水渗流场改变、周围土体变形、地面沉降、基坑围护结构变形等，严重时势必会造成坑周建设物倾斜、地下管线断裂等工程事故。其中地面沉降对周边环境的破坏很大，是深基坑工程安全监测的重要一环，如何在简陋和复杂的施工现场简单及时、便捷有效地预测地面沉降，为下一步的施工提供决策指导，做好施工预案，确保施工安全，目前施工企业还没有简单可靠的技术设备对地表沉降进行预测，导致施工安全监控质量不能有效得到保证。有时不得已要在恶劣和狭小的施工环境下建立专用的监控机房，使用专业软件对地表沉降等变形量进行计算，严重影响了施工经济效益和现场安全。

发明内容

发明目的：本发明的目的是在于克服深基坑施工环境下传统地表沉降监测被动问题或沉降预测要依赖复杂专业设备的问题，将BP神经网络(back-propagation neuralnetwork，BPNN)理论引入到地表沉降预测中，设计一种手持式深基坑地表沉降预测装置及其工作流程，该装置提供模型训练参数、监测数据输入模块，内置模型训练机和沉降预测机核心功能模块，可在线读写监测数据集，并根据监测样本数据对模型进行训练，然后利用训练后的模型基于最近的监测自变量数据来预测地表沉降量。该装置对操作人员的专业知识要求较低，可有效减少用于安全监测的人工成本，解决由于沉降监控被动不及时而导致的安全事故不确定性问题；同时能很好满足复杂施工环境下便携式操作要求，对深基坑工程的地面沉降量作出提前精确预测，具有成本低、操作方便、精度高、适应性强等特点。

技术方案：本发明所述的一种手持式深基坑地表沉降预测装置，包括：

核心处理单元，该核心处理机单元由嵌入式微控制器及外围电路组成，该核心处理机运行模型训练机和沉降预测机两个核心模块，并控制输入输出模块、USB通信单元、存储单元和接口电路；

USB通信单元，与所述核心处理单元连接，由USB通信芯片及其控制电路组成，运行USB协议，通过USB接口在线读取监测数据集中的各项监测数据，并交给核心处理单元处理；

显示模块，与所述核心处理单元连接，由带汉字字库功能的彩色液晶显示器及其控制电路组成，用以提示输入操作、预测结果显示、显示预测的地表沉降的正常、警告和危险的状态；

输入模块，与所述核心处理单元连接，由矩阵键盘及其控制电路组成，用来接收用户模型训练参数输入、监测数据输入和操作提示输入；

供电单元，与所述核心处理单元连接，为手持设备提供电源，内置锂电池或外接12V直流电供电；

存储单元，与所述核心处理单元连接，采用FALSHROM存储器，用以保存模型训练机训练的模型，当没有新的训练样本数据加入时，直接从该存储单元的模型库中读取事先训练好的模型，计算新的地表沉降预测值，提高预测工作效率。

进一步的，所述模型训练机包括依次连接的模型训练参数输入模块、数据预处理模块、模型计算模块以及输出模块。

进一步的，所述沉降预测机是基于BP神经网络的机器学习机，包括依次连接的监测数据输入模块、预测计算模块以及输出模块。

进一步的，所述监测数据包括土的内摩擦角粘聚力c、重度γ、地下水位w、渗透系数K、开挖深度H和内支撑层数n或其他自变量参数。

进一步的，将所述监测数据作为BP神经网络模型的输入参数x，地表沉降量y作为输出参数，来预测深基坑施工引起的地表变形；在神经网络拓扑结构和激活函数f(x)一定的情况下，通过遗产算法来优选各输入信号权重向量w_ij的初值，其中w_ij表示第j个神经元到第i个神经元的输入权重；并结合BP算法来调整模型训练过程中各输入信号的权重向量w_ij，使得网络的理论输出值与实际值y之间的误差最小。

进一步的，所述激活函数f(x)采用Sigmoid函数，网络拓扑结构是7-10-1，即输入层有7个神经元，一个隐藏层含有10个神经元，输出层有1个神经元。

进一步的，通过所述预测计算模块来调用模型计算模块，在已经训练好的模型基础上，对最近采集的自变量参数进行预测计算，得到对应的未来2-4天的沉降预测值；根据预测值和事先设置好的本次工程地表沉降阈值，预测计算模块计算未来的沉降状态信号值，并将沉降预测值和沉降状态信号值通过彩显液晶屏显示出来。

本发明还公开了上述一种手持式深基坑地表沉降预测装置的工作流程，包括如下步骤：

(1)通过监测数据输入模块将采集的现场各项监测数据，通过核心处理机单元与USB通信单元，保存到外围存储设备中，形成批量监测数据集；

(2)通过训练参数输入模块对模型训练机中各训练参数进行设定；

(3)从监测数据集中截取部分数据形成训练样本，通过USB通信模块输入到模型训练机中，模型训练机是一个基于BP神经网络的机器学习机，通过设定好的相关参数和网络拓扑结构基于训练样本进行学习，得到训练后的学习模型；为进一步验证模型的性能，需利用测试样本对训练后的模型进行验证，如果模型合格，则通过存储单元保存到模型库中；如果不合格，则返回步骤(2)按装置说明书对部分参数进行重新调整，重复步骤(3)，直至模型满足要求，至此，模型训练结束；

(4)沉降预测机调用步骤(3)得到的训练模型，基于最近的监测自变量参数计算未来2天的地表沉降量，预测结果通过显示模块在液晶屏上显示出来；如果预测值小于沉降阈值的80％，则在彩屏上绿显沉降趋势正常，如果超过阈值，则红显沉降趋势危险，其它值则黄显提示警告；

(5)如果有新的监测数据加入到训练样本中，则需要重复步骤(3)、(4)重新对模型进行训练和计算，得到新的预测结果，至此整个沉降预测过程结束。

有益效果：

1、该装置克服了在复杂施工环境下地表沉降监测被动，以及工程安全管理过分依赖个别专业人员的问题，对设备操作人员的专业知识要求较低，可有效减少监测人员人力成本，提前预测地表沉降量，为后续安全补救措施争取宝贵时间；

2、相关实验已证明，利用BP神经网络机器学习机能准确有效预测深基坑地表沉降，特别适用于深基坑施工自变量参数到变形这一非线性演化过程；

3、该装置不受其它设备和施工环境的限制，携带方便，能在施工现场利用以往的监测数据对未来地表沉降量作出较快的预测响应，具有成本低、操作方便、精度高的特点。

附图说明

图1为本发明的总体框架结构示意图；

图2为本发明的工作流程示意图；

图3为本发明的模型训练机结构示意图；

图4为本发明的沉降预测机结构示意图。

具体实施方式

如图1所示的一种手持式深基坑地表沉降预测装置，包括

核心处理单元，由嵌入式微控制器及外围电路组成，该核心处理机单元由嵌入式微控制器及外围电路组成，该核心处理机运行模型训练机和沉降预测机两个核心模块，并控制输入输出模块、存储单元和接口电路；

本结构中的模型训练机结构原理图如图3所示，包括依次连接的模型训练参数输入模块、数据预处理模块、模型计算模块以及输出模块。该模型训练机实际是利用BP神经可以应用于几乎所有学习任务的多功能学习方法，具有非线性、非局限性、自学习和自适应能力的特点，符合深基坑施工自变量参数到变形这一非线性演化过程，将土的内摩擦角粘聚力c、重度γ、地下水位w、渗透系数K、开挖深度H和内支撑层数n等7个监测指标作为BP神经网络模型的输入参数x，地表沉降量y作为输出参数，来预测深基坑施工引起的地表变形。在神经网络拓扑结构和激活函数f(x)一定的情况下，通过遗产算法来优选各输入信号权重向量w_ij(w_ij表示第j个神经元到第i个神经元的输入权重)的初值，并结合BP算法来调整模型训练过程中各输入信号的权重向量w_ij，使得网络的理论输出值与实际值y之间的误差最小，即利用P个样本数据集{x_ki,y_ki；}(k＝1,2,…,P)来训练模型，并根据极小原则不断修正参数w_ij，使均方误差和E(w)达到最小：

其中y是关于x的因变量；

本装置中的模型训练机的激活函数f(x)采用应用最广的Sigmoid函数，网络拓扑结构是7-10-1，即输入层有7个神经元，一个隐藏层含有10个神经元，输出层有1个神经元，此结构是在多次试验和综合考虑模型性能的基础上优选的结果。

在模型训练过程中，模型计算模块分别依据1式、2式计算每个样本的预测值和所有样本均方误差，当E(w)小于等于指定的阈值(默认10^-4，可调)时，训练停止，并将训练模型(即模型各参数)通过输出模块保存到模型库中，整个训练结束。

本结构中的沉降预测机结构原理图如图4所示，通过预测计算模块来调用模型计算模块，在已经训练好的模型基础上，对最近采集的自变量参数进行预测计算，得到对应的未来2天的沉降预测值(说明：尽管发明装置上能对预测时间间隔进行调整，范围为1—4天,但显然，时间间隔越大，预测精度呈下降趋势，实验证明未来5天内的预测精度基本能得到保障，推荐默认值为2天)；根据预测值和事先设置好的本次工程地表沉降阈值(如25mm)，预测计算模块计算未来的沉降状态信号值，并将沉降预测值和沉降状态信号值通过彩显液晶屏显示出来。

USB通信单元，与所述核心处理单元连接，由USB通信芯片及其控制电路组成，运行USB协议，通过USB接口在线读取采集的现场监测数据集。采集的监测数据格式见表1所示。

表1监测数据

显示模块，与所述核心处理单元连接，由带汉字字库功能的液晶显示器及其控制电路组成，用以显示输入操作提示、预测结果以及预测的地表沉降的正常、警告和危险状态。

输入模块，与所述核心处理单元连接，由矩阵键盘及其控制电路组成，用来接收用户模型训练参数输入、监测数据输入和操作提示；

供电单元，与所述核心处理单元连接，为手持设备提供电源，内置锂电池或外接12V直流电供电；

存储单元，与所述核心处理单元连接，采用FALSHROM存储器，用以保存模型训练机训练的模型，当没有新的训练样本数据加入时，可直接从该存储单元的模型库中读取事先训练好的模型，计算新的地表沉降预测值，提高预测工作效率。

上述一种手持式深基坑地表沉降预测装置的工作流程如图2所示，包括如下步骤：

(1)通过监测数据输入模块1将深基坑施工现场的各项监测数据，通过核心处理机单元与USB通信单元2，保存到外围设备中，形成监测数据集(包含所有样本数据)；

(2)通过训练参数输入模块4对模型训练机3中的模型参数进行设定，包括BP学习率η、训练误差ΔE、训练总轮数P、遗传变异种群数L、最大迭代次数K、收敛系数Pk等，也可以不调整，采用设备推荐的各默认值。

(3)从监测数据集中截取部分数据形成训练样本，通过USB通信单元2输入到模型训练机3中，模型训练机3是一个基于BP神经网络的机器学习机，通过设定好的相关参数和网络拓扑结构基于训练样本进行学习，得到训练后的预测模型；为进一步验证模型的性能，需利用模型训练机的模型验证功能5，基于测试样本6对模型进行验证，如果模型合格，则通过存储单元保存到模型库7中；如果不合格，则返回步骤(2)按装置说明书对部分参数进行重新调整，重复步骤(3)，直至模型满足要求，至此，模型训练结束；

(4)沉降预测机8调用步骤(3)得到的训练模型，基于最近的自变量样本9计算未来2天的地表沉降量的预测结果10，预测结果10通过显示模块在液晶屏上显示出来，同时彩显未来的沉降趋势状态，如果预测值小于地表沉降阈值(如25mm)的80％，则绿显，如果超过阈值，则红显，其它值则黄显；

(5)如果有新的监测数据加入到训练样本中，则需要重复步骤(3)、(4)重新对模型进行训练和计算，得到新的预测结果，至此整个沉降预测过程结束。

为了更全面地理解本发明，利用地表沉降预测的其中一个例子做进一步说明：

1)要预测距离某一深基坑边缘10米处的一沉降观测点CJ2的未来第1、第2天(明天和后天)的沉降量是多少？

2)正如前所述，本发明装置是利用当前一系列的时序监测值来预测未来的变形值。监测值的数据格式见表1所示。为简要描述起见，假设已经记录了最近前14天的监测数据共14条，通过本发明装置保存到外存储器中的监测数据集中。

3)利用本发明装置先进行模型的训练工作，具体操作见图2工作流程所述，需要说明的是，所有的样本数据是经过了数据预处理模块的归一化处理和模型计算模块的样本处理而形成的，样本数据格式为(y^(m+2))，即用前m天的自变量参数x_j序列的平均值来预测第m+2天的变形量y^(m+2)，本发明装置设定m＝7,是考虑m的值与网络输入层神经元的个数相等，以保持网络的时趋性又体现变形的内在规律，故本次共有14-7-1＝6组样本数据，取前4组数据为训练样本、后2组为测试样本来训练模型。样本数据见表2所示。

表2样本值

由表2的样本值可知，样本id为7、8的自变量x_j对应的y值就是要预测的明天、后天的沉降值。

4)利用本发明装置提供的沉降预测功能基于训练好的模型对表2中样本id等于7、8的自变量进行预测计算，得到对应的y值和灯显状态值(假设最大沉降阈值为25mm)，预测结果如表3所示。

表3发明装置的预测结果显示

由表3可知，本次预测值在安全范围内，外围驱动电路使彩屏以绿色显示沉降值正常；该装置也可按操作要求保存预测结果到存储单元中，至此整个预测过程结束。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种手持式深基坑地表沉降预测装置，其特征在于：包括

核心处理单元，该核心处理机单元由嵌入式微控制器及外围电路组成，该核心处理机运行模型训练机和沉降预测机两个核心模块，并控制输入输出模块、USB通信单元、存储单元和接口电路；

USB通信单元，与所述核心处理单元连接，由USB通信芯片及其控制电路组成，运行USB协议，通过USB接口在线读取监测数据集中的各项监测数据，并交给核心处理单元处理；

显示模块，与所述核心处理单元连接，由带汉字字库功能的彩色液晶显示器及其控制电路组成，用以提示输入操作、预测结果显示、显示预测的地表沉降的正常、警告和危险的状态；

输入模块，与所述核心处理单元连接，由矩阵键盘及其控制电路组成，用来接收用户模型训练参数输入、监测数据输入和操作提示输入；

供电单元，与所述核心处理单元连接，为手持设备提供电源，内置锂电池或外接12V直流电供电；

存储单元，与所述核心处理单元连接，采用FALSHROM存储器，用以保存模型训练机训练的模型，当没有新的训练样本数据加入时，直接从该存储单元的模型库中读取事先训练好的模型，计算新的地表沉降预测值，提高预测工作效率。

2.根据权利要求1所述的一种手持式深基坑地表沉降预测装置，其特征在于：所述模型训练机包括依次连接的模型训练参数输入模块、数据预处理模块、模型计算模块以及输出模块。

3.根据权利要求1所述的一种手持式深基坑地表沉降预测装置，其特征在于：所述沉降预测机是基于BP神经网络的机器学习机，包括依次连接的监测数据输入模块、预测计算模块以及输出模块。

4.根据权利要求1所述的一种手持式深基坑地表沉降预测装置，其特征在于：所述监测数据包括土的内摩擦角粘聚力c、重度γ、地下水位w、渗透系数K、开挖深度H和内支撑层数n或其他自变量参数。

5.根据权利要求1所述的一种手持式深基坑地表沉降预测装置，其特征在于：将所述监测数据作为BP神经网络模型的输入参数x，地表沉降量y作为输出参数，来预测深基坑施工引起的地表变形；在神经网络拓扑结构和激活函数f(x)一定的情况下，通过遗产算法来优选各输入信号权重向量w_ij的初值，其中w_ij表示第j个神经元到第i个神经元的输入权重；并结合BP算法来调整模型训练过程中各输入信号的权重向量w_ij，使得网络的理论输出值与实际值y之间的误差最小。

6.根据权利要求5所述的一种手持式深基坑地表沉降预测装置，其特征在于：所述激活函数f(x)采用Sigmoid函数，网络拓扑结构是7-10-1，即输入层有7个神经元，一个隐藏层含有10个神经元，输出层有1个神经元。

7.根据权利要求3所述的一种手持式深基坑地表沉降预测装置，其特征在于：通过所述预测计算模块来调用模型计算模块，在已经训练好的模型基础上，对最近采集的自变量参数进行预测计算，得到对应的未来2-4天的沉降预测值；根据预测值和事先设置好的本次工程地表沉降阈值，预测计算模块计算未来的沉降状态信号值，并将沉降预测值和沉降状态信号值通过彩显液晶屏显示出来。

8.根据权利要求1-7任意一项所述的一种手持式深基坑地表沉降预测装置的工作流程，其特征在于：包括如下步骤：

(1)通过监测数据输入模块将采集的现场各项监测数据，通过核心处理机单元与USB通信单元，保存到外围存储设备中，形成批量监测数据集；

(2)通过训练参数输入模块对模型训练机中各训练参数进行设定；

(3)从监测数据集中截取部分数据形成训练样本，通过USB通信模块输入到模型训练机中，模型训练机是一个基于BP神经网络的机器学习机，通过设定好的相关参数和网络拓扑结构基于训练样本进行学习，得到训练后的学习模型；为进一步验证模型的性能，需利用测试样本对训练后的模型进行验证，如果模型合格，则通过存储单元保存到模型库中；如果不合格，则返回步骤(2)按装置说明书对部分参数进行重新调整，重复步骤(3)，直至模型满足要求，至此，模型训练结束；

(4)沉降预测机调用步骤(3)得到的训练模型，基于最近的监测自变量参数计算未来2天的地表沉降量，预测结果通过显示模块在液晶屏上显示出来；如果预测值小于沉降阈值的80％，则在彩屏上绿显沉降趋势正常，如果超过阈值，则红显沉降趋势危险，其它值则黄显提示警告；

(5)如果有新的监测数据加入到训练样本中，则需要重复步骤(3)、(4)重新对模型进行训练和计算，得到新的预测结果，至此整个沉降预测过程结束。