CN110348561A - 一种基于改进人工鱼群算法的边坡位移预测预警系统 - Google Patents

Abstract

本发明属于工程边坡位移预测预警领域，尤其涉及一种基于改进人工鱼群算法的边坡位移预测预警系统。技术方案如下：包括测斜仪、数据处理与预警工作站，数据处理与预警工作站包括数据处理单元、改进人工鱼群算法位移预测单元、位移预警单元；测斜仪埋设在测斜孔中，同时测量X、Y两个方向测点的倾斜变化，通过计算可以得出该点的倾斜方向与倾斜角度，进而获取测点位置边坡体的位移；数据处理与预警工作站根据工程现场实际情况，在工程现场设立数据处理与预警工作站，用以处理监测数据以及预测预警。本发明通过改进人工鱼群算法对数据进行分析并预测，并根据预测结果对工程现场施工危险提前进行预警，有助于提高工程边坡施工的安全性，实用性强。

Description

一种基于改进人工鱼群算法的边坡位移预测预警系统

技术领域

本发明属于工程边坡位移预测预警领域，尤其涉及一种基于改进人工鱼群算法的边坡位移预测预警系统。

背景技术

目前，边坡失稳问题是我国水利水电、公路、铁路和矿产资源开发等建设工程中常见的岩土工程问题。自然滑坡、隧道垮塌及人类工程活动等引起的岩体灾害对我国经济建设和人民生命财产带来了巨大损失，因此岩体工程在各类工程建设中的地位是十分重要的，正确的评价岩体的稳定性，防患于未然，能确保生产建设与人民财产安全。

边坡位移预测预警能有效减轻滑坡造成的损失，而目前对边坡位移的预测方法成本高、精度低，故需要一种高精度、低成本的边坡位移预测预警方法。

发明内容

本发明提供一种基于改进人工鱼群算法的边坡位移预测预警系统，通过在前期采集现场监测数据，通过改进人工鱼群算法对数据进行分析并预测，并根据预测结果对工程现场施工危险提前进行预警，有助于提高工程边坡施工的安全性，实用性强，为工程边坡安全有效施工贡献了一种新手段。

本发明的技术方案如下：

一种基于改进人工鱼群算法的边坡位移预测预警系统，包括测斜仪、数据处理与预警工作站，所述数据处理与预警工作站包括数据处理单元、改进人工鱼群算法位移预测单元、位移预警单元；

所述测斜仪埋设在测斜孔中，同时测量X、Y两个方向测点的倾斜变化，通过计算可以得出该点的倾斜方向与倾斜角度，进而获取测点位置边坡体的位移；

所述数据处理与预警工作站根据工程现场实际情况，在工程现场设立数据处理与预警工作站，用以处理监测数据以及预测预警。

进一步地，所述的基于改进人工鱼群算法的边坡位移预测预警系统，所述数据处理单元设立与测斜仪相连通的数据库，将收集到的位移数据及应变数据进行去噪处理；

所述改进人工鱼群算法位移预测单元根据所述数据处理单元去噪后的位移数据及应变数据，运用改进人工鱼群算法对数据进行聚类并预测下一步数据走向；

所述位移预警单元根据改进人工鱼群算法预测的位移，当超过设定阈值时，则该单元对工程边坡施工危险进行提前预警；所述阈值由相应边坡滑落面安全系数计算得到。

进一步地，所述的基于改进人工鱼群算法的边坡位移预测预警系统，所述改进人工鱼群算法具体如下：组建人工鱼群并效仿鱼群觅食达到聚类效果；通过“觅食、聚群、追尾”，以达到获取最佳样本的要求；觅食行为即人工鱼群改变自身位置从而觅取浓度偏大的食物；聚群行为即人工鱼群首先进行集合，然后一起觅取食物，使得寻觅到最佳食物样本更加简便；追尾行为即人工鱼群觅取到占有最大食物浓度的个体，并向此个体靠近；该算法运算全周期中的重要变量有位移样本集n、人工鱼移动步长Step、视野范围V，迭代次数t；改进步长，提高迭代速度与精度，步长改进公式为：

式中：Tmax为最大迭代次数，Stepmax、Stepmean分别为最大迭代步长和平均迭代步长。

本发明的有益效果为：本发明运用人工智能算法根据现场监测位移数据预测边坡后续位移，具有精度高，造价低；且本发明的施工方法简单，可操作性强，施工效率高，适用范围广。

附图说明

图1为基于改进人工鱼群算法的边坡位移预测预警系统程序步骤流程图；

图2为工程现场边坡截面及测斜孔设置示意图；

图3为测斜孔1#现场监测数据及预测数据曲线图；

图4为测斜孔2#现场监测数据及预测数据曲线图。

具体实施方式

下面结合附图对本发明进行详细说明，但本发明的保护范围不受实施例所限。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

一种基于改进人工鱼群算法的边坡位移预测预警系统，包括：测斜仪、数据处理与预警工作站，所述数据处理与预警工作站包括数据处理单元、改进人工鱼群算法位移预测单元、位移预警单元。

测斜仪：埋设在测斜孔中，同时测量X、Y两个方向测点的倾斜变化，通过计算可以得出该点的倾斜方向与倾斜角度，进而获取测点位置边坡体的位移，具体位移数据曲线图见图3、图4；

数据处理与预警工作站：根据工程现场实际情况，在工程现场设立数据处理与预警工作站，用以处理监测数据以及预测预警。

所述数据处理与预警工作站中设有：

数据处理单元：设立与测斜仪相连通的数据库，将收集到的位移数据及应变数据进行去噪处理；

改进人工鱼群算法位移预测单元：根据数据处理单元去噪后的位移数据及应变数据，运用改进人工鱼群算法对数据进行聚类并预测下一步数据走向；

所述改进人工鱼群算法具体如下：

组建人工鱼群并效仿鱼群觅食达到聚类效果。通过“觅食、聚群、追尾”，以达到获取最佳样本的要求。觅食行为即人工鱼群改变自身位置从而觅取浓度偏大的食物；聚群行为即人工鱼群首先进行集合，然后一起觅取食物，使得寻觅到最佳食物样本更加简便；追尾行为即人工鱼群觅取到占有最大食物浓度的个体，并向此个体靠近。该算法运算全周期中的重要变量有位移样本集n、人工鱼移动步长Step、视野范围V，迭代次数t。改进步长，提高迭代速度与精度，步长改进公式为：

式中：Tmax为最大迭代次数，Stepmax、Stepmean分别为最大迭代步长和平均迭代步长。

位移预警单元：根据改进人工鱼群算法预测的位移，当超过设定阈值时，则该单元对工程边坡施工危险进行提前预警。阈值由相应边坡滑落面安全系数计算得到。

根据本发明系统预测结果可得(见图3、图4)，如继续按照以往的施工进度及强度进行施工，当时间为2018年11月25日时，位移值将超过设定阈值，即将失稳，应提前采取保护措施，剥离或锚固边坡体。

以上所述仅为本发明的较佳实施例，并不用以限制本发明的思想，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于改进人工鱼群算法的边坡位移预测预警系统，其特征在于，包括测斜仪、数据处理与预警工作站，所述数据处理与预警工作站包括数据处理单元、改进人工鱼群算法位移预测单元、位移预警单元；

所述测斜仪埋设在测斜孔中，同时测量X、Y两个方向测点的倾斜变化，通过计算可以得出该点的倾斜方向与倾斜角度，进而获取测点位置边坡体的位移；

所述数据处理与预警工作站根据工程现场实际情况，在工程现场设立数据处理与预警工作站，用以处理监测数据以及预测预警。

2.根据权利要求1所述的基于改进人工鱼群算法的边坡位移预测预警系统，其特征在于，所述数据处理单元设立与测斜仪相连通的数据库，将收集到的位移数据及应变数据进行去噪处理；

所述改进人工鱼群算法位移预测单元根据所述数据处理单元去噪后的位移数据及应变数据，运用改进人工鱼群算法对数据进行聚类并预测下一步数据走向；

所述位移预警单元根据改进人工鱼群算法预测的位移，当超过设定阈值时，则该单元对工程边坡施工危险进行提前预警；所述阈值由相应边坡滑落面安全系数计算得到。

3.根据权利要求2所述的基于改进人工鱼群算法的边坡位移预测预警系统，其特征在于，所述改进人工鱼群算法具体如下：组建人工鱼群并效仿鱼群觅食达到聚类效果；通过“觅食、聚群、追尾”，以达到获取最佳样本的要求；觅食行为即人工鱼群改变自身位置从而觅取浓度偏大的食物；聚群行为即人工鱼群首先进行集合，然后一起觅取食物，使得寻觅到最佳食物样本更加简便；追尾行为即人工鱼群觅取到占有最大食物浓度的个体，并向此个体靠近；该算法运算全周期中的重要变量有位移样本集n、人工鱼移动步长Step、视野范围V，迭代次数t；改进步长，提高迭代速度与精度，步长改进公式为：

式中：Tmax为最大迭代次数，Stepmax、Stepmean分别为最大迭代步长和平均迭代步长。