CN115324650A - 一种基于智能识别的预警分级系统及方法 - Google Patents

Abstract

本发明涉及一种基于智能识别的预警分级系统及方法，其包括：第一数据处理单元，用于对预先录入的参考数据进行分组，并且将分组后的参考数据依据时间点的连续性来建立施工期间指定施工位置的特定环境参数的变化趋势参考函数；第二数据处理单元，通过建立多组单一环境参数的变化趋势函数的方式来分析施工风险；第三数据处理单元，用于将若干数据监测单元采集的多源环境参数导入施工风险识别模型中，从而根据模型输出的指标数据来对施工风险进行判定，并且同步地对第二数据处理单元分析得到的施工风险信息进行验证，第三数据处理单元根据其输出的指标数据所处的分级预警阈值范围来对施工风险的等级进行标定，并且依据标定结果进行分级预警提示。

Description

一种基于智能识别的预警分级系统及方法

技术领域

本发明涉及施工风险管控技术领域，尤其涉及一种基于智能识别的预警分级系统及方法。

背景技术

随着计算机软件和互联网的不断发展，隧道施工质量安全的风险管理以计算机软件的形式进行评估已经成为一种行业趋势。大型隧道工程的施工风险的不确定性因素多，施工风险具有多样性和随机性的特点，建设工程受各方面条件制约，对环境影响和社会影响程度非常大，目前尚未形成工程建设领域行之有效的风险评估体系。因此，工程建设领域迫切需要针对建设工程中的隧道施工质量安全构建在线风险评估系统，该系统能够对大型隧道工程的技术风险进行分析和评估，从而集成合理高效的风险控制措施，变被动应急式的风险管理模式为主动预警式的风险管理模式，切实降低工程技术风险。此外，目前虽然施工现场已开始引入图像采集设备来对隧道施工的风险进行监测、识别与评估，但是现有的摄像设备仅能够作为施工人员进行远程人工监测的终端数据采集设备，摄像机等图像采集设备仅能够根据预先设定的参考样本对具有明显特征的异常现象进行自动识别和标记，其无法自动地根据监测信息和人工认证结果进行学习，并且其无法自动通过图像处理的方式来对不存在参考样本的异常图像进行异常识别和风险分析。

公开号为CN113738448A的专利文献公开了一种采动岩体渗突水远近临多源分级信息智能监测预警方法。在采动过程中联合使用微震监测系统、矿用地质雷达监测系统、红外辐射监测系统对采动岩体远近临三个空间位置的渗突水情况进行监测和分级预警，并且确定了多源信息分级预警指标和对应的判别阈值，同时对顶底板表面的监测区域的渗突水进行收集取样，分析渗突水水源，辅助判断顶板和底板含水层的导水裂隙是否贯通，从而形成采动岩体渗突水远近临多源信息实时分级信息智能监测预警系统。该专利所涉及的预警方法虽然通过对多项监测信息进行阈值判断来提高对岩体渗突水现象的判断的准确性，但是其比对方式仍然是采用的一个时间点的数据进行比对，其比对结果存在片面性和单一性。

因此，为了提高在进行隧道施工时的施工风险识别的准确性和有效性，尤其是针对识别结果和施工风险预测的有效性，本申请利用在时间轴上连续的多组数据建立变化趋势曲线，通过变化趋势曲线的比对来对施工现场是否存在施工风险进行判断，消除了单个与施工风险无关的异常数据对判断结果的错误引导，使得本申请提供的预警分级系统能够在无人操作的情况下根据实时数据进行施工风险的智能识别和风险等级数据更新。

此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于发明人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。

发明内容

目前，现有技术通常利用实时采集的单个时间点的环境参数来对施工现场的工程状态进行分析和判断，但是单个时间点的环境参数容易受到人员因素、机器设备因素、环境因素和结构因素等的影响而在某一瞬间出现监测失误或因外在环境的变化而出现单个数据值的异常波动，例如：当隧道上方地面有重型车辆经过时，隧道会跟随车辆的驶过出现异常的震动，并且还可能导致采集的单个时间点的沉降数据出现突增。但是此类异常并不一定会引起施工风险，后续是否出现施工风险隐患也需要通过拉长时间线而以连续的多组时间数据来进行验证，此时单个时间点的数据就不再具备风险识别的普遍性。此外，现有环境参数的改变还可能是隧道外部环境的临时突变造成的，例如：当施工现场出现短暂暴雨天气时，施工现场的空气湿度和隧道壁的湿度会在短时间内急速增大，此时环境参数的异常并不能作为隧道内出现渗突水施工风险的依据，因此，为了消除由于外在因素导致施工现场的环境参数发生单个时间点的数据突变而被识别判断为存在施工风险或可能引起施工风险的缺陷，本发明利用多组连续数据建立变化趋势曲线来对施工风险进行判断，尤其是本申请还通过建立施工风险识别模型来对利用变化趋势曲线判定的施工风险进行验证，从而提高系统的识别精度。此外，建立的施工风险识别模型还能够直接输出一个指标数据，通过指标数据所在的分级预警阈值范围来对识别出的施工风险的等级进行标定。

针对现有技术之不足，本发明的技术方案提供一种基于智能识别的预警分级系统，其包括第一数据处理单元，其用于对预先录入的参考数据进行分组，并且将分组后的参考数据依据时间点的连续性来建立施工期间指定施工位置的特定环境参数的变化趋势参考函数；第二数据处理单元，其通过建立多组单一环境参数的变化趋势函数的方式来分析施工风险；第三数据处理单元，其用于将若干数据监测单元采集的多源环境参数导入施工风险识别模型中，从而根据模型输出的指标数据来对施工风险进行判定，并且同步地对所述第二数据处理单元分析得到的施工风险信息进行验证，所述第三数据处理单元还根据其输出的指标数据所处的分级预警阈值范围来对施工风险的等级进行标定，从而根据标定结果进行分级预警提示。其优势在于，本发明将现有的施工风险分析的点位数据比对方式改变为曲线数据比对方式，利用在时间轴上连续的多组环境参数建立对应的变化趋势函数，从而生成对应的变化趋势曲线，通过将监测到的环境参数所生成的变化趋势曲线与变化趋势参考曲线进行比对的方式来判断环境参数是否存在异常波动或变动，从而在消除个别监测异常的环境参数的情况下，系统能够有效地分析出施工现场是否存在施工风险。此外，本发明为了提高分析结果的可靠性，系统还通过将多源环境参数进行组合分析的方式来对上述施工风险结果进行验证，同时系统通过设置指标权重的方式来对施工风险等级进行标定，并且根据验证结果来更新划分风险等级的标定信息，从而完善和修正预先根据工程资料和专家意见建立的风险等级标准。

根据一种优选的实施方式，所述第二数据处理单元利用数据监测单元采集的多个连续的时间点所对应的环境参数进行分类拟合，从而得到该时间段内多个单一环境参数的变化趋势实时函数，进而根据不同环境参数建立的独立的变化趋势函数来预测下一个时间段内的环境参数的变化情况以及利用预测的环境参数建立变化趋势预测函数，并且通过将变化趋势实时函数、变化趋势预测函数与变化趋势参考函数进行同期比对的方式来分析施工现场是否存在施工风险。

根据一种优选的实施方式，所述变化趋势参考函数、变化趋势实时函数和变化趋势预测函数均能够利用曲线图像进行表征；所述变化趋势参考函数对应的曲线图像包括所述第一数据处理单元利用参考数据在一个时间段内的多组处于同一个时间点的最小值、最大值和中值分别建立的最小值曲线图像、最大值曲线图像和中值曲线图像。

根据一种优选的实施方式，所述施工风险识别模型是以将多源环境参数按照各自不同的指标权重进行组合的方式构建的，所述第三数据处理单元通过对多源环境参数所对应的指标数据进行加和的方式生成风险预估值，从而通过判断风险预估值所处的分级预警范围来标定施工风险的等级。

根据一种优选的实施方式，所述变化趋势实时函数、变化趋势预测函数与所述变化趋势参考函数的比对是多个曲线图像之间的比较，从而通过比对曲线的斜率变化和多条曲线之间的位置关系来分析施工现场的施工风险。

根据一种优选的实施方式，在所述变化趋势实时曲线和/或变化趋势预测曲线与最小值曲线或最大值曲线相交时，所述第二数据处理单元判定施工现场存在施工风险，并且根据出现该异常环境参数的所述数据监测单元来对风险源进行追溯和人工核实。

根据一种优选的实施方式，在所述变化趋势实时曲线和/或变化趋势预测曲线保持在最小值曲线与最大值曲线之间时，所述第二数据处理单元通过比对曲线的斜率的变化来分析是否存在施工风险隐患，其中，

当变化趋势预测曲线的斜率相对于最小值曲线和最大值曲线的斜率向一个持续变大或持续变小的方向发展时，所述第二数据处理单元则判定该施工现场存在施工风险隐患。

根据一种优选的实施方式，所述第三数据处理单元跟随所述系统输出的施工风险信息、人工确认的该施工现场所存在的施工风险和在施工过程中施工环境发生的变化而对不同环境参数所对应的指标权重进行调整。

本发明的技术方案还提供了一种基于智能识别的预警分级方法，至少包括以下步骤：

对预先录入的参考数据进行分组，并且将分组后的参考数据依据时间点的连续性来建立施工期间指定施工位置的特定环境参数的变化趋势参考函数；

通过建立多组单一环境参数的变化趋势函数来分析指定施工位置的施工风险；

将若干数据监测单元采集的多源环境参数导入施工风险识别模型中，从而根据模型输出的指标数据来对施工风险进行判定，并且同步地对得到的施工风险信息进行验证；

根据其输出的指标数据所处的分级预警阈值范围来对施工风险的等级进行标定，从而根据标定结果进行分级预警提示。

根据一种优选的实施方式，所述变化趋势函数是利用数据监测单元采集的多个连续的时间点所对应的环境参数进行分类拟合的，从而得到该时间段内多个单一环境参数的变化趋势实时函数，进而根据不同环境参数建立的独立的变化趋势函数来预测下一个时间段内的环境参数的变化情况，并且通过将变化趋势实时函数、变化趋势预测函数与变化趋势参考函数进行同期比对的方式来分析施工现场是否存在施工风险。

附图说明

图1是本发明所提出的一种优选的基于智能识别的预警分级系统及方法的拓扑图；

图2是本发明所提出的一种优选的基于智能识别的预警分级系统及方法的工作流程示意图。

附图标记列表

1：第一数据处理单元；2：第二数据处理单元；3：第三数据处理单元；4：数据监测单元。

具体实施方式

下面结合附图进行详细说明。

实施例1

本申请提供一种基于智能识别的预警分级系统，其可以包括第一数据处理单元1、第二数据处理单元2、第三数据处理单元3和数据监测单元4。

根据图1示出的一种具体的实施方式，第一数据处理单元1对预先收集的工程资料和专家意见进行分类，并且将不同资料数据分组存储在不同的存储空间中，从而依据单个存储空间中存储的沿时间轴进行有序变化的参数数据建立起变化趋势参考函数。第二数据处理单元2将数据监测单元4采集的环境参数作为数据基础，从而建立起多组单一环境参数的变化趋势函数，从而通过与第一数据处理单元1建立的变化趋势参考函数进行比对的方式来对施工现场可能存在或可能演变出的施工风险进行分析。第三数据处理单元3通过建立施工风险识别模型的方式将多源环境参数进行整合和权重配置，从而输出以多源环境参数作为数据基础的风险识别结果，进而利用该风险识别结果来对第二数据处理单元2分析得到的施工风险进行验证，从而提高系统识别施工风险的准确性。此外，第三数据处理单元3还能够利用权重指标来计算不同环境参数对施工风险的分级标定的指标数据，从而通过整合多源环境参数的方式得到施工风险的等级，方便施工人员根据风险等级做出不同的应急处理。

优选地，第一数据处理单元1将同一台监测设备采集的同类参考数据依据时间的连续性将不同时间点所对应的数据进行有序排列，从而得到多组在时间点上连续的参考数据，从而利用分组后的参考数据建立施工期间指定施工位置所设立的监测设备监测到的特定环境参数的变化趋势曲线函数。优选地，特定环境参数是指同一台设备在不同时间点采集的同种环境参数，例如，隧道支护的变形参数、位移参数或开裂参数等。

优选地，第二数据处理单元2利用数据监测单元4采集的多个连续的时间点所对应的环境参数进行分类拟合，从而得到该时间段内多个单一环境参数的变化趋势实时函数。第二数据处理单元2能够对多个数据监测单元4采集的实时环境参数依据时间的推移进行分类整理，从而形成不同数据监测单元4的多个时间段的环境参数集。优选地，第二数据处理单元2通过对至少一个时间段的单个数据监测单元4的多个随时间变化的环境参数进行拟合的方式构建出该环境参数随时间发生变化的变化趋势实时函数。优选地，拟合是根据多组在时间上连续的环境参数的变化趋势来建立该环境参数与时间之间的关系，从而方便获取该环境参数在不同时间点的具体数值。优选地，第二数据处理单元2能够根据不同环境参数建立的独立的变化趋势函数来预测环境参数在下一个时间段内的变化情况，从而生成对应的变化趋势预测函数，并且通过将变化趋势实时函数、变化趋势预测函数与变化趋势参考函数进行同期比对的方式来分析施工现场是否存在施工风险。优选地，变化趋势参考函数、变化趋势实时函数和变化趋势预测函数均能够利用曲线图像进行表征。同期比对是指通过将指定时间段的变化趋势实时函数或变化趋势预测函数与提前制定的变化趋势参考函数在上述指定时间段内的变化趋势曲线进行比对，从而分析变化趋势实时曲线、变化趋势预测曲线的发展趋势与预测曲线之间的差异以及差异的来源，从而更好地判定施工现场可能存在或可能会演变出的施工风险。优选地，变化趋势参考函数对应的曲线图像包括第一数据处理单元1利用环境参数在一个时间段内的多组同一个时间点的最小值、最大值和中值分别建立的最小值曲线图像、最大值曲线图像和中值曲线图像。

优选地，变化趋势实时函数、变化趋势预测函数与变化趋势参考函数的比对是多个曲线图像之间的曲线的比较，从而通过比对曲线的斜率变化和曲线之间的位置关系来分析施工现场的施工风险。具体地，在变化趋势实时曲线和/或变化趋势预测曲线与最小值曲线或最大值曲线之间存在交点时，第二数据处理单元2判定施工现场存在施工风险，并且根据出现该异常环境参数的数据监测单元4来对风险源进行追溯和人工核实。在变化趋势实时曲线和/或变化趋势预测曲线保持在最小值曲线与最大值曲线之间时，第二数据处理单元2通过比对曲线的斜率的变化来分析是否存在施工风险隐患。当变化趋势预测曲线的斜率相对于最小值曲线和最大值曲线的斜率向一个持续变大或持续变小的方向发展时，第二数据处理单元2则判定该施工现场存在施工风险隐患。例如，表征隧道沉降的最大值曲线和最小值曲线的斜率呈现逐渐减小的趋势，其减小趋势是按照斜率每一小时减小0.01，当变化趋势实时曲线和变化趋势预测曲线的斜率也是以大约0.01左右的减值进行减小时，则判断实际的沉降是不存在异常的。当变化趋势实时曲线和变化趋势预测曲线的斜率持续地以大约0.02或0.05的减值进行减小时，则可以预见到变化趋势预测曲线在未来的某一时刻是会与最小值曲线或最大值曲线相交的，此时可以判断该环境参数的变化存在异常，该施工现场在未来的某一时刻是存在施工风险的，并且曲线记载的是一个持续变化的过程，消除了单个无效数据对识别结果的影响，增大了系统识别的准确性。

优选地，施工风险识别模型是以将多源环境参数按照各自不同的指标权重进行组合的方式构建的，第三数据处理单元3通过对多源环境参数所对应的指标数据进行加和的方式生成风险预估值，从而通过判断风险预估值所处的分级预警范围来标定施工风险的等级。优选地，施工风险识别模型的框架即为不同环境参数所对应的指标权重，系统通过将多源的环境参数与各自对应的指标权重进行结合的方式构建一个完整的施工风险识别模型，该施工风险识别模型输出的结果即为多源的环境参数与各自指标权重的乘积相加得到的指标数据。第三数据处理单元3将施工风险识别模型输出的结果与预先建立的风险等级标准进行分析，从而判断计算得到的指标数据是否在风险等级的数值范围内，并且根据该指标数据所处的风险预警阈值范围来对实际监测到的施工风险的等级进行标定，从而根据标定结果做出分级预警提示。第三数据处理单元3还能够跟随系统输出的施工风险信息、人工确认的该施工现场所存在的施工风险和在施工过程中施工环境发生的变化而对不同环境参数所对应的指标权重进行调整，从而改变在不同施工环境下的不同环境参数与施工现场是否安全之间的关联性。

本发明利用多组连续的环境参数建立变化趋势曲线来对施工风险进行判断，尤其是本申请还通过建立施工风险识别模型来对利用变化趋势曲线判断出的施工风险进行验证，从而提高系统的识别精度。此外，建立的施工风险识别模型还能够直接输出一个指标数据，通过指标数据所在的分级预警阈值范围来对识别出的施工风险的等级进行标定。例如：系统根据工程资料和专家意见建立的施工风险等级阈值范围可以是根据指标数据的大小进行多段分级，例如：指标数据小于100时，则判定暂时不存在施工风险；指标数据在101与103之间时，则判定存在一级施工风险；指标数据在104与106之间时，则判定存在二级施工风险；指标数据在107与109之间时，则判定存在二级施工风险；系统按照上述分段设置方式建立一个完整的施工风险等级标准和阈值范围，从而系统在进行识别和标定时，利用指标数据所处的阈值范围来标定该施工风险所对应的风险等级。优选地，第三数据处理单元3还能够根据人员因素、机器设备因素、环境因素和结构因素的变化调整不同环境参数的指标权重，例如，某一时间段内处于隧道正上方的道路上存在行驶的重型车辆，该段隧道在该时间段的沉降数据、支护变形数据以及隧道壁的震动情况等均会发生改变，但是该类变化并不一定引起施工风险，其仅仅改变了单一环境参数的波动或变化趋势。因此，该类环境参数在该时间的指标权重需要根据实际情况进行修改。此外，当机械设备出现损坏时，机械设备的继续使用状态也可能发生一定程度的改变，其在工作时产生的异常抖动均可能发生频率和幅度的改变，诸如此类的变化也可能引起环境参数的变化，但是环境参数的短暂变化并不能作为有效的判断依据。而现有技术通常是利用时间点的环境参数识别施工风险，其无法有效地剔除此类无效数据。实际的施工风险的产生是一个逐渐变化的过程，通常都是由质变引起量变，因此，本申请通过剔除单个无效数据，利用周期数据的持续性变化来对施工现场是否存在施工风险进行判断，具有数据准确性，同时也能够有效地判断出目前所存在的施工风险具体处于哪一个阶段，从而方便施工人员根据实际情况作出不同的处理操作。

优选地，数据监测单元4采集的环境参数是与隧道施工现场可能引发施工风险的致灾因子相互对应的。数据监测单元4可以监测的是隧道支护的沉降、位移、变形、隧道壁的开裂和崩塌等。

实施例2

本实施例是对实施例1的进一步改进，重复的内容不再赘述。

丰富的监测设备、仪器以及众多监测专业人员遍布整个施工影响范围区内，隧道施工内部存在大量的监测设备，设备的数据采集频率高，通常是24小时全天候采集监测数据。但是随着施工的进行，越来越多的监测设备的应用使得监测数据量逐渐庞大。而传统监测数据的运用方式比较单一，普遍是采用计算机技术分析现有的监测数据后交予工程经验丰富的专家判别得到整个评价结果，这样比较单一指标和人为决策的结果存在一定的主观性、模糊性。不同施工人员的工作经验和能力参差不齐，不同的机械设备工作状态不一致，不同的周边环境影响存在差异，更重要的是隧道洞内的结构时刻发生变化，这些因素的变化都会导致监测信息的判别出现误差，可能导致误判、错误预警。工程施工现场的安全评价的效率也尤为重要。现有技术存在仅从单一指标是否超过阈值这一标准来评判安全而忽略了多个指标之间的相互联系的缺陷，此类现有技术往往会影响评价的准确性，从而为施工过程埋下安全隐患。

基于目前的工程监测现状，可以通过多源数据融合的方式对隧道施工中的多指标、多层次、异构的数据进行全面综合的评价。通过对现有的工程监测数据分析以及相关理论的研究，提出数据融合模型，基于此模型可以将不同量纲的数据进行统一整合，实现隧道施工安全的全面综合评价。为此，系统需要选择细化的监测数据，对隧道施工涉及的安全因素进行全面分析，预知其对施工安全的影响，提高安全评价的准确性，并进一步采用合适的数据改进现有的多源数据融合模型来提高安全预警的效率、准确度。

数据融合通常被定义为能将多层次、多角度、多方位采集的信息进行处理转化为可以有效提供支持辅助人们或自动决策的技术。数据源的来源可以是多种多样的，不仅可以是通过传感器收集的数据、数据库数据、数值模拟数据，还可以是其他各种形式，比如数字、文本、图像、知识经验、视频监测等。数据融合具有提高检测效率、可靠性、可信度和减少数据模糊误差的优势，而数据融合已在自动化、智能化等领领域有着出色的发挥。多价监测指标的识别是进行隧道施工安全评价多源数据融合的基础。作为隧道施工安全评价的信息来源，需要监测数据必须是精确的数据，它不仅影响多源数据融合模型的选择，而且在一定程度上决定了评价结果的准确性。

优选地，隧道施工安全的监测从空间上分为隧道支护结构到周边环境的地表、建筑物以及管线都有可能影响到隧道开挖支护进度与施工安全；从工序上，从钻孔打管棚、设锚杆，到隧道逐步开挖、初次支护，再到二次衬砌浇筑混凝土均会引起隧道内受力沉降变形。本申请以隧道安全评价项目中的人-机器-环境-结构为监测信息指标，通过层次分析而构建多源数据融合的评价信息指标。以各环节中的监测对象信息进行信息获取、识别与融合，从而更能准确地反映隧道施工过程中关键位置的安全状态信息。

优选地，风险的致灾因子可以分为人员因素、机器设备因素、环境因素和结构因素等。

(1)人员因素

①疲劳状态

施工人员的不安全行为已经被认为是造成施工事故的主要原因之一，而施工人员在施工过程中的心理状态直接影响施工人员的行为，本申请根据工程建设的实际情况和数据的可获取性，选择心率指标作为评价施工人员的疲劳状态的数据。施工人员的心率数据可用一个可穿戴的智能手环来收集，心率数据的变化可以在智能手机应用程序上实时读取，从而利用以动态心率为指标的疲劳程度分级方法来确定现场施工人员的作业时的疲劳状态。

②距离危险源位置

施工现场采用视频监控技术记录着现场作业的安全状态，并对施工人员进行实时的可视化定位，防止施工人员过于接近危险源而导致危险事故的发生。在隧道施工的过程中，管理人员可以借助视频监控来掌握施工人员的行为状态，通过观察来确保施工人员的人身安全情况及防止产生不安全行为。

③相关工程经验

施工现场的管理人员、特种作业人员及施工作业人员，他们的技术水平、专业素质、经验等都可以通过自身的工程经验进行量化体现。

(2)机械设备

一般情况下，隧道施工机械设备包括风动凿岩机、双液注浆泵机、挖掘机及混凝土输送泵等，在隧道土体开挖前采用凿岩机钻孔，注浆泵机进行注浆加固，接着进行土体开挖，最后浇筑混凝土，保证开挖过后的围岩稳定。机械设备是保证隧道开挖稳定的重要因素。针对机械设备进行监测信息源的识别，需要重点关注机械设备在工作时各参数是否处于相应的安全阈值内，关注机械设备的保养维护情况。因此，对应的监测信息源主要如下：

①工作气压。工作气压影响机械的工作性能和零件的使用寿命，在设备的实际运行阶段，凿岩机的气压过高会引起过度的机械振动，导致工件磨损加剧，压力太小，机器无法达到最佳工作状态。为了测量凿岩机的气压状态，需定时记录机械工作时的气压值；注浆泵压力是影响施工注浆的重要因素，注浆压力过高可能是管路或混合器被堵塞，压力过低可能是出现漏浆之处或浆液通过地下某些管道流走，注浆泵压力状态也是施工设备监测的重点对象；

混凝土输送泵有3个主要系统：搅拌系统、换向系统和主泵送系统，其中主泵选用恒定功率调节，这意味着如果管道中的压力升高，主泵会自动减小排量，确保功率值恒定，防止电机过热，从而提高功率利用率。因此适当的压力值是提供工程效率的重要因素。

②机械磨损。隧道施工与其他行业不同，主要是地下作业，现场条件差，受雨水条件影响大，深圳属于雨水充沛的地区，由于自然气候的影响，工程机械设备极易磨损生锈，不仅降低了工程机械设备的使用寿命，而且更容易发生危险事故。机械磨损需严格控制在最大极限磨损范围内，特别是易损部件，出现磨损的及时更换。

③机械故障。隧道施工机械经常在恶劣的条件下使用，如果设备维修跟不上，将导致设备故障率高、施工进度受阻、设备使用寿命缩短。设备管理依赖于制度保障，为了保证设备在最佳状态下的安全施工，降低设备故障率，往往需要高素质的专业技术人员进行操作和维护。

(3)环境因素

过大的周边环境变化会导致隧道施工安全预警、停工与检修。因此，针对隧道施工的周边环境信息，同样需要对主要的安全风险因素进行分析与识别。

①周围地表。

隧道施工土体开挖会使周围土体卸载，引起地表沉降、地面开裂甚至地面塌陷。而隧道周边地表是否安全预示着隧道内施工的安全情况。因此，对于周围底边的安全监测信息的识别主要从以下几个方面研究：

周围地表沉降。根据勘察报告展示的本研究工程范围内地质复杂，隧道施工必定会对附近地表和周围环境产生一定影响，而周围地表沉降是判断隧道内施工是否安全的重要因素。在施工过程中及时、严密的监测地表沉降信息来反馈指导施工，既保证了隧道施工的安全稳定，又有效地控制了周围环境，减少了施工带来的影响，使施工控制在安全范围内。同样地，隧道周围地表沉降的监测，还需从地表沉降位移累计值和变化速率两方面进行。

周围路面开裂。隧道施工位于既有城市道路中央或两侧，隧道施工过程中必然会对周围路面产生一定影响，存在道路变形较大、影响安全使用等风险。因此，工程监测应对周围路面进行详细的调查取证，有针对性地重点关注周围路面的开裂情况，使得隧道施工顺利推行。

地下水位。根据工程勘察报告显示隧道施工周围地下水丰富，部分岩土为粉土层，容易引起因隧道施工出现涌沙导致周围地面沉降，直至影响施工安全。地下水位的动态变化与大气降雨密切相关，水位的峰值与降雨的峰谷基本一致，雨季开始时，水位上升，旱季开始时，水位下降。因此，监测数据与降雨施工实时联系，及时了解隧道周围环境的水位变化情况，根据降雨的情况适当调整监测工作的重点密切关注地下水的变化情况，提供水位监测参数，为工程的安全开展保驾护航。

②重要管线。隧道施工位于地表以下，因此常会穿越各类重要管线，特别是临近隧道开挖范围内的重要管线，如电缆、天然气管道、水管等，隧道开挖过程中引起土体位移、卸载等，会导致管线沉降开裂，不仅造成较大的经济损失，还会对隧道施工人员的安全造成影响。因此，针对隧道周边地下管线的安全监测信息源的识别主要从以下几方面进行：

管线沉降。隧道施工开挖会引起周边土体位移、卸载，进而管线的受力状态平衡被破坏，导致管线沉降。根据隧道施工周围重要管线的材质不同，分为刚性管线(污水、燃气)和柔性管线(电缆、信息管线)，由于管线的刚度不一致，其沉降预警值也不一样。因此对于管线沉降主要从沉降累积控制值与变化速率两方面进行研究。

管线渗漏。城市地下管线中常见的有电缆、天然气管道和水管。这三类管线的破坏都会对施工人员及周边城市居民生活产生重大影响。如电缆破坏会造成施工区用电缺失，机械无法正常工作，影响施工效率，更严重者造成施工安全问题；天然气管道泄漏会对施工人员及周边居民的安全造成重大危险；而给排水管道破裂极易造成隧道周围围岩失稳，甚至塌方事故的出现。因此，日常的工作检测需加以关注隧道施工是否出现异样味道或者不正常的渗漏水情况，一旦发现存在异常情况，及时报备处置，保障施工及周边环境安全。

(4)结构因素

隧道施工支护结构监测信息识别需要考虑围岩支护结构可能产生的净空收敛、拱顶沉降以及隧道结构开裂、渗漏等情况。系统结合工程项目监测，对隧道施工结构的监测信息指标如下：

①净空收敛。隧道净空收敛监测采用无线激光传感器实时监测隧道围岩结构变化情况，开挖后按照要求迅速安装测点并编号，初读数在开挖后及时读取，测点牢固可靠，易于辨识并妥为保护，因而监测指标需考虑累计值与变化速率两个方面的因素。

②拱顶沉降。隧道拱顶沉降监测情况可有激光传感器和倾角传感器共同表征隧道施工开挖，出现一定的卸载情况，隧道沉降也随之产生，隧道沉降极大反映了洞内施工的安全状况，因而施工监测其变形累计值和变化速率也是必要监测项目。

③结构开裂。隧道支护结构产生开裂情况与多种因素有关，包括结构材料、施工技术或者结构受力过大都会产生一定的裂缝。因而针对裂缝的观测应仔细巡查排除，做好观测记录。

④结构渗漏水。隧道施工影响区地下水位高，土性较软，若降雨过多，随之雨水的不断发育会使得隧道结构出现渗漏水的情况，假若不加以处置，渗漏水不断加大，进而可能演变成涌水，隧道结构遭到破坏，影响施工安全，更严重时会造成伤亡事故的发生。

通过上述监测指标的识别与分析，可将以上监测指标进一步归一化处理，使之成为更加具有可比性的无量纲化数字。如果指标对施工风险产生正向作用时，即数值越大越容易产生风险事故。基于数据融合理论，以模糊物元构建监测指标的基本概率分配，形成改进的D-S证据融合模型，在该模型的评价过程中可以将不同量纲、定性、定量、异构的数据进行融合，通过多测点一监测信息三级指标一二级指标一整体数据融合过程来评价隧道施工安全状态。在此过程中不仅可以得到整体的隧道开挖评价，更能定位于某具体的测点来评价其安全状态，使得评价更具有目标指向性。该模型综合了现场施工监测的几乎所有相关信息，这样可以避免单一信息评价的不准确，层次化的数据融合后使得评价结果的不准确性降低，更符合工程实际。

实施例3

本实施例提供了一种基于智能识别的预警分级方法，其至少包括以下步骤：

对预先录入的参考数据进行分组，并且将分组后的参考数据依据时间点的连续性来建立施工期间指定施工位置的特定环境参数的变化趋势参考函数；

通过建立多组单一环境参数的变化趋势函数来分析指定施工位置的施工风险，其中，

变化趋势函数是利用数据监测单元4采集的多个连续的时间点所对应的环境参数进行分类拟合的，从而得到该时间段内多个单一环境参数的变化趋势实时函数，进而根据不同环境参数建立的独立的变化趋势函数来预测下一个时间段内的环境参数的变化情况，并且通过将变化趋势实时函数、变化趋势预测函数与变化趋势参考函数进行同期比对的方式来分析施工现场是否存在施工风险；

将若干数据监测单元4采集的多源环境参数导入施工风险识别模型中，从而根据模型输出的指标数据来对施工风险进行判定，并且同步地对得到的施工风险信息进行验证；

根据其输出的指标数据所处的分级预警阈值范围来对施工风险的等级进行判断。

需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。在全文中，“优选地”所引导的特征仅为一种可选方式，不应理解为必须设置，故此申请人保留随时放弃或删除相关优选特征之权利。

Claims (10)

1.一种基于智能识别的预警分级系统，其特征在于，包括：

第一数据处理单元(1)，其用于对预先录入的参考数据进行分组，并且将分组后的参考数据依据时间点的连续性来建立施工期间指定施工位置的特定环境参数的变化趋势参考函数；

第二数据处理单元(2)，其通过建立多组单一环境参数的变化趋势函数的方式来分析施工风险；

第三数据处理单元(3)，其用于将若干数据监测单元(4)采集的多源环境参数导入施工风险识别模型中，从而根据模型输出的指标数据来对施工风险进行判定，并且同步地对所述第二数据处理单元(2)分析得到的施工风险信息进行验证，所述第三数据处理单元(3)还根据其输出的指标数据所处的分级预警阈值范围来对施工风险的等级进行标定，并且依据标定结果进行分级预警提示。

2.如权利要求1所述的基于智能识别的预警分级系统，其特征在于，所述第二数据处理单元(2)利用数据监测单元(4)采集的多个连续的时间点所对应的环境参数进行分类拟合，从而得到该时间段内多个单一环境参数的变化趋势实时函数，进而根据不同环境参数建立的独立的变化趋势函数来预测下一个时间段内的环境参数的变化情况以及利用预测的环境参数建立变化趋势预测函数，并且通过将变化趋势实时函数、变化趋势预测函数与变化趋势参考函数进行同期比对的方式来分析施工现场是否存在施工风险。

3.如权利要求2所述的基于智能识别的预警分级系统，其特征在于，所述变化趋势参考函数、变化趋势实时函数和变化趋势预测函数均能够利用曲线图像进行表征；

所述变化趋势参考函数对应的曲线图像包括所述第一数据处理单元(1)利用参考数据在一个时间段内的多组处于同一个时间点的最小值、最大值和中值分别建立的最小值曲线图像、最大值曲线图像和中值曲线图像。

4.如权利要求3所述的基于智能识别的预警分级系统，其特征在于，所述施工风险识别模型是以将多源环境参数按照各自不同的指标权重进行组合的方式构建的，所述第三数据处理单元(3)通过对多源环境参数所对应的指标数据进行加和的方式生成风险预估值，从而通过判断风险预估值所处的分级预警范围来标定施工风险的等级。

5.如权利要求4所述的基于智能识别的预警分级系统，其特征在于，所述变化趋势实时函数、变化趋势预测函数与所述变化趋势参考函数的比对是多个曲线图像之间的比较，从而通过比对曲线的斜率变化和多条曲线之间的位置关系来分析施工现场的施工风险。

6.如权利要求5所述的基于智能识别的预警分级系统，其特征在于，在所述变化趋势实时曲线和/或变化趋势预测曲线与最小值曲线或最大值曲线相交时，所述第二数据处理单元(2)判定施工现场存在施工风险，并且根据出现该异常环境参数的所述数据监测单元(4)来对风险源进行追溯和人工核实。

7.如权利要求6所述的基于智能识别的预警分级系统，其特征在于，在所述变化趋势实时曲线和/或变化趋势预测曲线保持在最小值曲线与最大值曲线之间时，所述第二数据处理单元(2)通过比对曲线的斜率的变化来分析是否存在施工风险隐患，其中，

当变化趋势预测曲线的斜率相对于最小值曲线和最大值曲线的斜率向一个持续变大或持续变小的方向发展时，所述第二数据处理单元(2)则判定该施工现场存在施工风险隐患。

8.如权利要求7所述的基于智能识别的预警分级系统，其特征在于，所述第三数据处理单元(3)跟随所述系统输出的施工风险信息、人工确认的该施工现场所存在的施工风险和在施工过程中施工环境发生的变化而对不同环境参数所对应的指标权重进行调整。

9.一种基于智能识别的预警分级方法，其特征在于，至少包括以下步骤：

对预先录入的参考数据进行分组，并且将分组后的参考数据依据时间点的连续性来建立施工期间指定施工位置的特定环境参数的变化趋势参考函数；

通过建立多组单一环境参数的变化趋势函数来分析指定施工位置的施工风险；

将若干数据监测单元(4)采集的多源环境参数导入施工风险识别模型中，从而根据模型输出的指标数据来对施工风险进行判定，并且同步地对得到的施工风险信息进行验证；

根据其输出的指标数据所处的分级预警阈值范围来对施工风险的等级进行标定，从而根据标定结果进行分级预警提示。

10.如权利要求9所述的基于智能识别的预警分级方法，其特征在于，所述变化趋势函数是利用数据监测单元(4)采集的多个连续的时间点所对应的环境参数进行分类拟合的，从而得到该时间段内多个单一环境参数的变化趋势实时函数，进而根据不同环境参数建立的独立的变化趋势函数来预测下一个时间段内的环境参数的变化情况，并且通过将变化趋势实时函数、变化趋势预测函数与变化趋势参考函数进行同期比对的方式来分析施工现场是否存在施工风险。

Images