CN114662199A - 含泥岩复合地层盾构开挖面泥水压力波动特征提取方法 - Google Patents
含泥岩复合地层盾构开挖面泥水压力波动特征提取方法 Download PDFInfo
- Publication number
- CN114662199A CN114662199A CN202210306513.XA CN202210306513A CN114662199A CN 114662199 A CN114662199 A CN 114662199A CN 202210306513 A CN202210306513 A CN 202210306513A CN 114662199 A CN114662199 A CN 114662199A
- Authority
- CN
- China
- Prior art keywords
- water pressure
- sequence
- denoised
- shield excavation
- time sequence
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 80
- 238000009412 basement excavation Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000002131 composite material Substances 0.000 title claims abstract description 25
- 239000011435 rock Substances 0.000 title claims abstract description 14
- 238000010276 construction Methods 0.000 claims abstract description 13
- 230000005641 tunneling Effects 0.000 claims abstract description 7
- 150000001875 compounds Chemical class 0.000 claims abstract description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 abstract description 3
- 239000000284 extract Substances 0.000 abstract 1
- 239000002002 slurry Substances 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013329 compounding Methods 0.000 description 2
- 235000006506 Brasenia schreberi Nutrition 0.000 description 1
- 244000267222 Brasenia schreberi Species 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明公开的一种含泥岩复合地层盾构开挖面泥水压力波动特征提取方法,具体如下:S1、获取当前环盾构开挖面的泥水压力时间序列S(t),对当前环盾构开挖面泥水压力时间序列S(t)进行去噪,将去噪后的当前环盾构开挖面泥水压力时间序列Sdenoised(t)放入数据集中;S2、在进入下一环盾构掘进施工时,执行步骤S1;S3、在获取了盾构区间内所有环的盾构开挖面泥水压力时间序列(St)后,对数据集中的泥水压力时间序列Sdenoised(t)聚类,获得去噪后典型复合比下开挖面泥水压力时间序列;提出符号近似累积结合动态时间弯曲的开挖面泥水压力特征提取方法,通过特征聚类提取典型复合比地层条件下开挖面泥水压力波动特征,为盾构掘进参数调整提供参考,保障施工安全。
Description
技术领域
本发明属于盾构隧道技术领域,更具体地,本发明涉及一种含泥岩复合地层盾构开挖面泥水压力波动特征提取方法。
背景技术
随着我国城市化进程的发展,盾构隧道在各大城市地铁和过江隧道建设中广泛应用,随着建设密度的不断加大,地铁盾构隧道也开始面临复合地层的挑战。含泥岩复合地层在我国分布广泛,包括南宁、南京、南昌、长沙、武汉等,其中以南宁地铁的泥水平衡盾构施工最为突出。泥水盾构在含泥岩复合地层施工,面临泥岩堵仓导致的开挖面压力异常增大且波动剧烈的难题,极易诱发地面冒浆事故。由于泥水盾构堵仓导致的参数波动使得开挖面泥水压力时间序列呈现非平稳状态,由于缺乏对参数真值的认识,传统的信噪比、均方误差等指标无法使用。
发明内容
本发明提供一种含泥岩复合地层盾构开挖面泥水压力波动特征提取方法,旨在改善上述问题。
本发明是这样实现的,一种含泥岩复合地层盾构开挖面泥水压力波动特征提取方法,所述方法具体如下:
S1、获取当前环盾构开挖面的泥水压力时间序列S(t),对当前环盾构开挖面泥水压力时间序列S(t)进行去噪,将去噪后的当前环盾构开挖面泥水压力时间序列Sdenoised(t)放入数据集中;
S2、在进入下一环盾构掘进施工时,执行步骤S1;
S3、在获取了盾构区间内所有环的盾构开挖面泥水压力时间序列(St)后,对数据集中的泥水压力时间序列Sdenoised(t)聚类,即获取盾构开挖面泥水压力时间序列的波动特征。
进一步的,当前环盾构开挖面泥水压力时间序列S(t)的去噪方法具体如下:
通过VMD算法来将序列S(t)分解为k个离散模态序列;
通过DFA算法来确定最佳的分解层数k_optimal,获取最佳的分解层数 k_optimal下的离散模态序列;
基于去噪准则对最佳的分解层数k_optimal下的离散模态序列进行去噪。
进一步的,分解层数k_optimal的确定公式具体如下:
其中,h0为当前环盾构开挖面泥水压力时间序列S(t)的标度指数,h1:k表示标度指数序列[h0,h1,...,hk],hk为离散模态序列uk的标度指数,h1:k≥θ=J表示标度指数序列[h0,h1,...,hk]大于标度指数阈值θ的标度指数个数等于J。
进一步的,去噪后的当前环盾构开挖面泥水压力时间序列Sdenoised(t)计算公式如下:
uj(t)为S(t)在最佳分解层数K_optimal下分解后形成的离散模态序列中的第j个,hj为模态uj(t)的标度指数,θ为标度指数阈值。
进一步的,在步骤S1之后还包括:
对去噪后的当前环盾构开挖面泥水压力时间序列Sdenoised(t)进行降维,其方法具体如下:
利用Z-score标准化将序列Sdenoised(t)={s1,s2,…,sN}转化为均值为0,标准差为1的正态分布序列S′denoised={s′1,s′2,…,s′N};
进一步的,所述步骤S3具体包括如下步骤:
S31、计算数据集中各环泥水压力序列间的相似度,将相似度最近的两环归为一类,直到遍历所有环泥水压力序列,采用DTW算法来获取不等长符号序列间的相似性;
S32、计算各类间的相似度,将相似度最近的两类归为一类,直到遍历当前所有类,类间的相似度采用两类中各环泥水压力序列的平均性相似度;
S33、检测当前类的数量是否小于数量阈值,若检测结果为是,则输出当前类,若检测结果为否,则执行步骤S32。
本发明利用多种时间序列处理算法基础上,以含泥岩复合地层盾构开挖面泥水压力为对象,通过去噪分析和特征提取,阐明不同复合比地层下的泥水压力波动特征,为盾构施工精益化操控提供技术支撑,确保施工安全。该方法不受掘进参数序列长度、参数类型等因素的影响,所提出的去噪策略,适用于所有盾构掘进参数去噪,开挖面压力特征提取的思路,可以拓展到各类非均质地层盾构施工参数聚类分析。
附图说明
图1为本发明实施例提供的含泥岩复合地层开挖面泥水压力(SPE)时间序列的去噪序列;
图2为本发明实施例提供含泥岩复合地层开挖面泥水压力符号近似累积过程示意图。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
本发明针对含泥岩复合地层泥水盾构堵仓导致的开挖面泥水压力波动问题,通过开发耦合变分模态分解和去趋势波动分析的去噪方法,确定不同复合比地层下泥水压力时间序列去噪阈值,获得去噪后典型复合比下开挖面泥水压力时间序列;提出符号近似累积结合动态时间弯曲的开挖面泥水压力特征提取方法,通过特征聚类提取典型复合比地层条件下开挖面泥水压力波动特征,为盾构掘进参数调整提供参考,保障施工安全。
(1)含泥岩复合地层泥水盾构开挖面泥水压力时间序列去噪;
含泥岩复合地层泥水盾构开挖面泥水压力数据,由盾构机PLC系统获得,针对某环盾构开挖面泥水压力时间序列,通过VMD算法来将序列分解为k个离散模态序列,最佳的分解层数k_optimal由DFA算法来确定,DFA 是计算非平稳时间序列长程相关性的指标,针对分解后的k个离散模态序列,计算原始序列和k个离散模态序列的标度指数h,通过标度指数h来确定最佳分解层数和去噪准则。
在k个离散模态序列中,通过DFA计算的h值不小于去噪准则的视为有效的信号序列,上述序列的和即为去噪后的开挖面泥水压力序列。
给定某环盾构开挖面泥水压力时间序列S(t),t=1,2,…N,N为序列长度, VMD算法将开挖面泥水压力时间序列S(t)分解为k个离散模态序列 uk,k=1,2,…15,每个模态序列uk的中心频率是wk,uk和wk通过求解公式(1)变分方程获得;
式中δ(t)是狄拉克函数,*代表卷积操作,j为虚数单位,可以通过引入拉格朗日乘子方法求解。
DFA是计算非平稳时间序列长程相关性的指标,对于某环盾构开挖面泥水压力时间序列S(t),t=1,2,…,N,首先通过公式(2)计算累积量y(i),式中为开挖面泥水压力时间序列S(t)的均值,然后将积量y(i)分为等长不重叠的Nn=[N/n]段子序列yn(i),每段子序列长度为n。对于每段子序列利用l阶多项式yn(i)进行拟合,然后利用公式(3)计算y(i)和yn(i)的均方根F(n),根据不同的序列长度n计算得到不同的F(n);
若F(n)与n之间存在幂律关系:F(n)∝nh,h即为要求解的尺度指数;
标度指数h用来确定VMD最佳分解层数K_optimal,K_optimal可以由公式(4)确定,而去噪准则需要通过对不同地层开挖仓泥水压力的信号特征分析来确定,一般为经验参数,去噪准则(也可理解为标度指数阈值)θ≥0.75,去噪后的序列Sdenoised通过公式(5)计算,见图1。
其中,h0为初始某环盾构开挖面泥水压力时间序列S(t)的标度指数,h1:k表示标度指数序列[h0,h1,...,hk],hk为离散模态序列uk的标度指数,h1:k≥θ=J表示标度指数序列[h0,h1,...,hk]大于标度指数阈值θ的标度指数个数等于J;
对于噪后的泥水压力时间序列Sdenoised(t),其计算公式具体如下:
uj(t)为S(t)在最佳分解层数K_optimal下分解后形成的离散模态序列中的第j个,hj为模态uj(t)的标度指数,θ为标度指数阈值。
首先对于某环去噪后的泥水压力时间序列Sdenoised(t),记录其最大和最小压力值SPmax、SPmin,通过相似比转化后可以作为模型试验压力的上下限值。由于t=1,2,…,N,因此Sdenoised(t)={s1,s2,…,sN},利用Z-score标准化将序列转化为均值为0,标准差为1的正态分布序列S′denoised={s′1,s′2,…,s′N};接下来利用公式(6)对序列进行分段平均降维其中w是所划分的段数 (w<<N);最后依据等概率分布原则,在正态分布曲线上确定分裂点(即图 2中a、b及c横短线与正态分布序列S′denoised的交点),实现序列的离散化表示,见图2。
(2)含泥岩复合地层泥水盾构开挖面泥水压力时间序列特征提取;
针对不同复合比去噪后的开挖仓泥水压力序列,通过符号近似累积 (SymbolicAggregate approXimation,SAX)来对海量数据进行降维,提取其波动特征。由于不同的复合比所得到的泥水压力时间序列不等长,经过符号近似累积后,所得到符号化序列不尽相同,需要动态时间弯曲(Dynamic Time Warping,DTW)方法来获取不等长符号序列的相似性。假设复合比不同的两环泥水压力时间序列已经通过SAX转化为符号序列Q={bba…cfe}M和 C={abc…bfa}N,长度分别为M和N,在利用DTW求解序列距离时,改进传统的欧式距离为概率化的符号距离,实现不等长泥水压力序列相似度衡量。
假定所需要研究的一个盾构区间(某站到某站称为一个区间),这个区间有几百环数据(盾构施工是按照一环一环施工),每一环的盾构开挖面泥水压力时间序列都基于上述方法进行去噪,之后基于如下方法对去噪的各环盾构开挖面泥水压力时间序列进行聚类,即获取盾构开挖面泥水压力时间序列的波动特征,在本发明实施例中,聚类方法具体如下:
S31、计算各环泥水压力序列间的相似度,将相似度最近的两环归为一类,直到遍历所有环泥水压力序列,采用DTW算法来获取不等长符号序列间的相似性;
S32、计算各类间的相似度,将相似度最近的两类归为一类,直到遍历当前所有类,类间的相似度采用两类中各环泥水压力序列的平均性相似度;
S33、检测当前类的数量是否小于数量阈值,若检测结果为是,则输出当前类,若检测结果为否,则执行步骤S32。
本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (6)
1.一种含泥岩复合地层盾构开挖面泥水压力波动特征提取方法,其特征在于,所述方法具体如下:
S1、获取当前环盾构开挖面的泥水压力时间序列S(t),对当前环盾构开挖面泥水压力时间序列S(t)进行去噪,将去噪后的当前环盾构开挖面泥水压力时间序列Sdenoised(t)放入数据集中;
S2、在进入下一环盾构掘进施工时,执行步骤S1;
S3、在获取了盾构区间内所有环的盾构开挖面泥水压力时间序列(St)后,对数据集中的泥水压力时间序列Sdenoised(t)聚类,即获取盾构开挖面泥水压力时间序列的波动特征。
2.如权利要求1所述含泥岩复合地层盾构开挖面泥水压力波动特征提取方法,其特征在于,当前环盾构开挖面泥水压力时间序列S(t)的去噪方法具体如下:
通过VMD算法来将序列S(t)分解为k个离散模态序列;
通过DFA算法来确定最佳的分解层数k_optimal,获取最佳的分解层数k_optimal下的离散模态序列;
基于去噪准则对最佳的分解层数k_optimal下的离散模态序列进行去噪。
5.如权利要求3所述含泥岩复合地层盾构开挖面泥水压力波动特征提取方法,其特征在于,在步骤S1之后还包括:
对去噪后的当前环盾构开挖面泥水压力时间序列Sdenoised(t)进行降维,其方法具体如下:
利用Z-score标准化将序列Sdenoised(t)={s1,s2,…,sN}转化为均值为0,标准差为1的正态分布序列Sd′enoised={s1′,s2′,…,s′N};
6.如权利要求1所述含泥岩复合地层盾构开挖面泥水压力波动特征提取方法,其特征在于,所述步骤S3具体包括如下步骤:
S31、计算数据集中各环泥水压力序列间的相似度,将相似度最近的两环归为一类,直到遍历所有环泥水压力序列,采用DTW算法来获取不等长符号序列间的相似性;
S32、计算各类间的相似度,将相似度最近的两类归为一类,直到遍历当前所有类,类间的相似度采用两类中各环泥水压力序列的平均性相似度;
S33、检测当前类的数量是否小于数量阈值,若检测结果为是,则输出当前类,若检测结果为否,则执行步骤S32。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210306513.XA CN114662199B (zh) | 2022-03-25 | 2022-03-25 | 含泥岩复合地层盾构开挖面泥水压力波动特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210306513.XA CN114662199B (zh) | 2022-03-25 | 2022-03-25 | 含泥岩复合地层盾构开挖面泥水压力波动特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114662199A true CN114662199A (zh) | 2022-06-24 |
CN114662199B CN114662199B (zh) | 2024-09-20 |
Family
ID=82031610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210306513.XA Active CN114662199B (zh) | 2022-03-25 | 2022-03-25 | 含泥岩复合地层盾构开挖面泥水压力波动特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662199B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520758A (zh) * | 2024-01-08 | 2024-02-06 | 中铁南方投资集团有限公司 | 一种基于变分模态分解的盾构掘进机时序参数降噪方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021056727A1 (zh) * | 2019-09-27 | 2021-04-01 | 山东科技大学 | 一种基于变分模态分解和排列熵的联合降噪方法 |
CN113642084A (zh) * | 2021-08-27 | 2021-11-12 | 广州大学 | 一种用于泥水平衡盾构的隧道围岩压力预测方法、设备和存储介质 |
-
2022
- 2022-03-25 CN CN202210306513.XA patent/CN114662199B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021056727A1 (zh) * | 2019-09-27 | 2021-04-01 | 山东科技大学 | 一种基于变分模态分解和排列熵的联合降噪方法 |
CN113642084A (zh) * | 2021-08-27 | 2021-11-12 | 广州大学 | 一种用于泥水平衡盾构的隧道围岩压力预测方法、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
周诚;张涵涛;: "基于复杂网络的盾构施工参数时间序列研究", 铁道工程学报, no. 03, 15 March 2017 (2017-03-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520758A (zh) * | 2024-01-08 | 2024-02-06 | 中铁南方投资集团有限公司 | 一种基于变分模态分解的盾构掘进机时序参数降噪方法 |
CN117520758B (zh) * | 2024-01-08 | 2024-03-26 | 中铁南方投资集团有限公司 | 一种基于变分模态分解的盾构掘进机时序参数降噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114662199B (zh) | 2024-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101661497B (zh) | 遥感土地利用变化检测方法及系统 | |
Qiang et al. | An edge-detection method based on adaptive canny algorithm and iterative segmentation threshold | |
CN114662199A (zh) | 含泥岩复合地层盾构开挖面泥水压力波动特征提取方法 | |
WO2020124779A1 (zh) | 一种工况状态建模与修正模型方法 | |
CN112732748B (zh) | 一种基于自适应特征选择的非侵入式家电负荷识别方法 | |
CN112529678B (zh) | 一种基于自监督判别式网络的金融指数时序异常检测方法 | |
CN105512206A (zh) | 一种基于聚类的离群点检测方法 | |
CN103020953A (zh) | 一种指纹图像的分割方法 | |
CN111161300B (zh) | 一种基于改进大津法的Niblack的图像分割方法 | |
CN112329565A (zh) | 一种基于高分遥感影像的道路建设监管方法及系统 | |
CN113466947B (zh) | 一种应用于超导瞬变电磁的坏点自动去除方法 | |
CN109389172B (zh) | 一种基于无参数网格的无线电信号数据聚类方法 | |
CN112800590B (zh) | 一种机器学习辅助的两相流油藏随机建模的网格粗化方法 | |
CN112070787B (zh) | 基于对立推理理论的航空三维点云平面分割方法 | |
CN116703888A (zh) | 一种钻孔灌注桩施工辅助异常检测方法及其系统 | |
CN103793913A (zh) | 一种结合均值漂移的谱聚类图像分割方法 | |
CN103093461B (zh) | 一种基于度量信息的形状匹配方法 | |
CN115329082A (zh) | 基于深度混合神经网络的日志序列异常检测方法 | |
CN110533682B (zh) | 一种基于曲率滤波的图像边缘实时提取方法 | |
Zhang et al. | Saliency and background prior-based residential area detection for SAR images | |
Guan et al. | Shadow detection for remote sensing images | |
CN118314125B (zh) | 一种用于盾构刀盘的磨损影像检测方法及系统 | |
CN114598527B (zh) | 一种基于最大频繁模式非相似性的异常网络流量检测方法 | |
CN104915419A (zh) | 面向不确定数据的闭序列挖掘方法 | |
CN114936581B (zh) | 一种基于时序数据分段的多参数关联挖掘方法 |
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 | ||
GR01 | Patent grant |