CN109508817A - 一种基于隧道环境信息的病害预测方法 - Google Patents
一种基于隧道环境信息的病害预测方法 Download PDFInfo
- Publication number
- CN109508817A CN109508817A CN201811234372.5A CN201811234372A CN109508817A CN 109508817 A CN109508817 A CN 109508817A CN 201811234372 A CN201811234372 A CN 201811234372A CN 109508817 A CN109508817 A CN 109508817A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- disease
- model
- threshold value
- jurisdiction
- 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.)
- Withdrawn
Links
- 230000006806 disease prevention Effects 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 18
- 201000010099 disease Diseases 0.000 claims abstract description 44
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 44
- 238000012549 training Methods 0.000 claims abstract description 11
- 230000007547 defect Effects 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000007477 logistic regression Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 9
- 238000012804 iterative process Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007847 structural defect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- -1 cobble Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于隧道环境信息的病害预测方法，主要解决传统的预测方式多以单一变量为参数，不能满足实际病害预测效果的技术问题。本发明技术方案包括以下步骤：步骤1：搭建病害预测模型，基于历史数据训练模型：首先收集隧道环境数据，包括隧道环境信息，隧道基本信息；样本标注：存在病害管片为负样本，正常管片为正样本；然后选择机器学习算法，不断的迭代和优化模型，直到得到准确性满足要求的模型；步骤2：隧道病害识别级分级：从隧道起始里程开始到终止里程，逐一对隧道位置的管片判定是否为病害，并通过阈值设定将不同病害进行分级输出，最后得到隧道内各等级所有的病害。
Description
技术领域
本发明涉及一种隧道环境评测方法，特别涉及一种基于隧道环境信息的病害预测方法。
背景技术
根据对隧道病害的不完全统计资料显示，约占总数1/3的隧道存在着衬砌结构裂缝和渗漏水等病害。通过调查发现占相当比例的隧道在竣工和运行后即有裂缝和渗漏水现象产生，有的隧道甚至在施工过程中即产生衬砌开裂等病害。隧道结构若产生裂缝，则侵蚀性地下水便渗漏进入隧道结构，将会导致隧道衬砌钢筋锈蚀、结构混凝土腐蚀等，严重破坏隧道结构的耐久性，从而影响隧道的安全使用性能。基于以上情况，对影响行车安全病害结构在设计基准期内的大修，既浪费了大量资金，又影响隧道的运营使用。
传统方式的人工病害调查，通过调查人员现场查看病害信息，并标注到纸质记录纸上。多为病害出现后的检查修补工作，而非在施工及养护过程中重点对可能出现的病害采取预防护措施。
发明内容
为预测隧道结构可能出现病害的位置及等级，传统的预测方式多以单一变量为参数，不能满足实际病害预测效果。所以以多变量结合的隧道环境信息为属性，综合预测病害出现的位置和等级是提升准确性的途径之一。
本发明旨在提供一套病害预测及分级模型，模型收集隧道环境地质信息、水文信息、管片位置、管片型号的数据，以已发现的隧道病害信息为特征，给出目标隧道拟发生的病害位置及等级。
本发明的技术方案为：一种基于隧道环境信息的病害预测方法，包括以下步骤：
步骤1：搭建病害预测模型，基于历史数据训练模型：
首先收集隧道环境数据，包括隧道环境信息（隧道所在地层信息、水文信息、管片类型、管片位置），隧道基本信息（隧道的起止里程、环号、施工日期）；
样本标注：存在病害管片为负样本，正常管片为正样本；
然后选择机器学习算法（迭代决策树、逻辑斯蒂回归等），不断的迭代和优化模型，直到得到准确性满足要求的模型，迭代过程如下：
先进行特征选择结合模型选择，然后进行模型训练，当模型预测准确性≥85%时保存模型，当模型预测准确性＜85%时，重新进行特征选择结合模型选择；
步骤2：隧道病害识别级分级：从隧道起始里程开始到终止里程，逐一对隧道位置的管片判定是否为病害，并通过阈值设定将不同病害进行分级输出，最后得到隧道内各等级所有的病害。
本发明的有益效果是：提供一套自动预测隧道内可能发生的结构病害基于隧道环境信息的病害预测方法，可用于施工或运营过程中结构病害预防护工作，降低出现病害后弥补耗费的财力物力。
附图说明
图1为本发明程序控制框图。
图2为本发明迭代过程控制框图。
具体实施方式
参照图1、2，一种基于隧道环境信息的病害预测方法，包括以下步骤：
步骤1：搭建病害预测模型，基于历史数据训练和预测模型：
首先收集隧道环境数据，包括隧道环境信息（隧道所在地层信息、水文信息、管片类型、管片位置等），隧道基本信息（隧道的起止里程、环号、施工日期等）。
地层信息如：素填土、沙土、黄土、粉质黏土、黏土、卵石、石灰岩等；
水文信息如：降雨量、地下水位等；
管片位置如：标准块、拼接块等
样本标注：存在病害管片为负样本，正常管片为正样本。所有样本按7：3比例分为训练样本和预测样本，训练样本用于训练模型，预测样本用于评价已训练模型的好坏。
然后选择机器学习算法，该方案使用的机器学习算法是二分类模型，类似于信用卡欺诈模型(用于预测用户是否信用卡欺诈)的思路，可以使用常规的二分类模型如决策树、逻辑回归等，如逻辑回归模型，逻辑回归二分类模型可以输出用户信用卡欺诈的概率，本案例使用信用卡欺诈模型的思路，输出隧道病害概率。
进行特征选择和模型选择，然后使用训练数据对模型进行训练，当模型预测准确性≥85%时保存模型，当模型预测准确性＜85%时，重新进行特征选择和模型选择，不断的迭代和优化模型，直到得到准确性满足要求的模型，模型的准确性以85%为标准，模型的准确率计算方法如下：
模型准确率 =（ TP + TN ） / (TP + FP + TN + FN)
TP = 原来是正样本预测为正样本
FP = 原来是负样本预测为正样本
TN = 原来是负样本预测为负样本
FN = 原来是正样本预测为负样本
迭代过程如图2。
步骤2：隧道病害识别级分级：从隧道起始里程开始到终止里程，逐一对隧道位置的管片判定是否为病害，并通过阈值设定将不同病害进行分级输出，最后得到隧道内各等级所有的病害。具体为：当病害概率≥阈值1为1级病害；阈值2≤病害概率＜阈值1为2级病害；阈值3≤病害概率＜阈值2为3级病害；阈值4≤病害概率＜阈值3为4级病害；否则隧道是安全的。这时比较隧道里程与最大里程，当不等时，再次循环进行病害级别判定，当相等时，结束预测。
Claims (4)
1.一种基于隧道环境信息的病害预测方法，其特征是：包括以下步骤：
步骤1：搭建病害预测模型，基于历史数据训练模型：
首先收集隧道环境数据，包括隧道环境信息，隧道基本信息；
样本标注：存在病害管片为负样本，正常管片为正样本；
然后选择机器学习算法，不断的迭代和优化模型，直到得到准确性满足要求的模型，迭代过程如下：
先进行特征选择结合模型选择，然后进行模型训练，当模型预测准确性≥85%时保存模型，当模型预测准确性＜85%时，重新进行特征选择结合模型选择；
步骤2：隧道病害识别级分级：从隧道起始里程开始到终止里程，逐一对隧道位置的管片判定是否为病害，并通过阈值设定将不同病害进行分级输出，最后得到隧道内各等级所有的病害。
2.根据权利要求1所述的一种基于隧道环境信息的病害预测方法，其特征是：所述的隧道环境信息包括：隧道所在地层信息、水文信息、管片类型、管片位置，所述隧道基本信息包括: 隧道的起止里程、环号、施工日期。
3.根据权利要求1所述的一种基于隧道环境信息的病害预测方法，其特征是：所述机器学习算法为迭代决策树或逻辑斯蒂回归。
4.根据权利要求1所述的一种基于隧道环境信息的病害预测方法，其特征是：所述隧道病害识别级分级具体为：当病害概率≥阈值1为1级病害；阈值2≤病害概率＜阈值1为2级病害；阈值3≤病害概率＜阈值2为3级病害；阈值4≤病害概率＜阈值3为4级病害；否则隧道是安全的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811234372.5A CN109508817A (zh) | 2018-10-23 | 2018-10-23 | 一种基于隧道环境信息的病害预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811234372.5A CN109508817A (zh) | 2018-10-23 | 2018-10-23 | 一种基于隧道环境信息的病害预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109508817A true CN109508817A (zh) | 2019-03-22 |
Family
ID=65745882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811234372.5A Withdrawn CN109508817A (zh) | 2018-10-23 | 2018-10-23 | 一种基于隧道环境信息的病害预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109508817A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110689042A (zh) * | 2019-08-20 | 2020-01-14 | 中国矿业大学(北京) | 隧道渗漏等级的识别方法和装置、存储介质、电子装置 |
| CN111596375A (zh) * | 2020-04-23 | 2020-08-28 | 上海同岩土木工程科技股份有限公司 | 一种衬砌背后地下水赋存状态的探测方法及装置 |
| CN111738610A (zh) * | 2020-06-29 | 2020-10-02 | 金电联行（北京）信息技术有限公司 | 一种基于舆情数据的企业流失性风险预警系统和方法 |
| CN113505997A (zh) * | 2021-07-13 | 2021-10-15 | 同济大学 | 一种基于机器学习的建筑墙面渗漏水风险等级评估方法 |
| CN115273761A (zh) * | 2022-08-17 | 2022-11-01 | 海博瑞电子(江苏)有限公司 | 一种双重点阵的Led亮度补偿控制方法及系统 |
| CN118134055A (zh) * | 2024-05-06 | 2024-06-04 | 北京城建设计发展集团股份有限公司 | 一种考虑病害交叉影响的隧道病害发生概率预测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102155231A (zh) * | 2011-03-18 | 2011-08-17 | 大连海事大学 | 一种隧道施工过程的快速反馈分析系统 |
| CN106548022A (zh) * | 2016-11-03 | 2017-03-29 | 上海隧道工程有限公司 | 盾构隧道施工碳排放量的预测方法及预测系统 |
| CN107563425A (zh) * | 2017-08-24 | 2018-01-09 | 长安大学 | 一种基于随机森林的隧道运营状态感知模型的建立方法 |
-
2018
- 2018-10-23 CN CN201811234372.5A patent/CN109508817A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102155231A (zh) * | 2011-03-18 | 2011-08-17 | 大连海事大学 | 一种隧道施工过程的快速反馈分析系统 |
| CN106548022A (zh) * | 2016-11-03 | 2017-03-29 | 上海隧道工程有限公司 | 盾构隧道施工碳排放量的预测方法及预测系统 |
| CN107563425A (zh) * | 2017-08-24 | 2018-01-09 | 长安大学 | 一种基于随机森林的隧道运营状态感知模型的建立方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李华华: "粗糙集理论研究及其在隧道病害预测中的应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110689042A (zh) * | 2019-08-20 | 2020-01-14 | 中国矿业大学(北京) | 隧道渗漏等级的识别方法和装置、存储介质、电子装置 |
| CN110689042B (zh) * | 2019-08-20 | 2022-05-13 | 中国矿业大学(北京) | 隧道渗漏等级的识别方法和装置、存储介质、电子装置 |
| CN111596375A (zh) * | 2020-04-23 | 2020-08-28 | 上海同岩土木工程科技股份有限公司 | 一种衬砌背后地下水赋存状态的探测方法及装置 |
| CN111738610A (zh) * | 2020-06-29 | 2020-10-02 | 金电联行（北京）信息技术有限公司 | 一种基于舆情数据的企业流失性风险预警系统和方法 |
| CN113505997A (zh) * | 2021-07-13 | 2021-10-15 | 同济大学 | 一种基于机器学习的建筑墙面渗漏水风险等级评估方法 |
| CN115273761A (zh) * | 2022-08-17 | 2022-11-01 | 海博瑞电子(江苏)有限公司 | 一种双重点阵的Led亮度补偿控制方法及系统 |
| CN115273761B (zh) * | 2022-08-17 | 2023-11-24 | 海博瑞电子(江苏)有限公司 | 一种双重点阵的Led亮度补偿控制方法及系统 |
| CN118134055A (zh) * | 2024-05-06 | 2024-06-04 | 北京城建设计发展集团股份有限公司 | 一种考虑病害交叉影响的隧道病害发生概率预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109508817A (zh) | 一种基于隧道环境信息的病害预测方法 | |
| Yu et al. | A methodology for evaluating micro-surfacing treatment on asphalt pavement based on grey system models and grey rational degree theory | |
| CN109767423B (zh) | 一种沥青路面图像的裂缝检测方法 | |
| CN110617074B (zh) | 一种盾构施工中地面沉降量与掘进参数的关联关系方法 | |
| CN101807045B (zh) | 基于数据的城市污水泵站系统建模方法 | |
| CN109697515A (zh) | 道路路面管理方法、装置、存储介质及计算机设备 | |
| CN102565312B (zh) | 预估高速公路沥青路面剩余寿命的方法 | |
| CN110059870A (zh) | 基于bim和gis的航道整治建筑物维护分析方法 | |
| Russell-Smith et al. | Dynamic life cycle assessment of building design and retrofit processes | |
| CN117035431B (zh) | 基于人工智能的机场工程项目建设风险评估方法 | |
| Wu et al. | A dynamic decision approach for risk analysis in complex projects | |
| CN108615098A (zh) | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 | |
| CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
| CN109190257B (zh) | 一种高速公路性能指标衰变的预测方法 | |
| Latifi et al. | A deep reinforcement learning model for predictive maintenance planning of road assets: Integrating LCA and LCCA | |
| CN102693289A (zh) | 高拱坝施工的仿真方法 | |
| AU2021100350A4 (en) | Method for Predicting Reclamation Potential of Homestead | |
| Sharma et al. | A review of pavement condition rating models for flexible pavements | |
| Sati et al. | Pavement deterioration model using Markov chain and international roughness index | |
| Salas et al. | Modelling of wet muck entry at El Teniente for long-term planning | |
| RaziSadath et al. | WEAP Model Based Evaluation of Future Scenarios and Strategies for Sustainable Water Management in the Chennai Basin, India | |
| Park et al. | Development of environmental load-estimating model for road planning phase: Focus on road earthwork | |
| CN110909402B (zh) | 一种基于神经网络技术的超前小导管设计方法 | |
| Macey et al. | Using Risk Models and Automated Defect Characterization Algorithms to Convert PACP Data into Capital Upgrading Programs for ALCOSAN | |
| CN113657515B (zh) | 一种基于岩机敏感参量判识和改进fmc模型隧道围岩等级的分类方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190322 |