CN117249803B - 一种深基坑支护立柱沉降监测与预警方法 - Google Patents
一种深基坑支护立柱沉降监测与预警方法 Download PDFInfo
- Publication number
- CN117249803B CN117249803B CN202310999135.2A CN202310999135A CN117249803B CN 117249803 B CN117249803 B CN 117249803B CN 202310999135 A CN202310999135 A CN 202310999135A CN 117249803 B CN117249803 B CN 117249803B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- early warning
- steps
- points
- interpolation
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004062 sedimentation Methods 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 6
- 230000007787 long-term memory Effects 0.000 claims description 3
- 230000015654 memory Effects 0.000 claims description 3
- 230000006403 short-term memory Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种深基坑支护立柱沉降监测与预警方法，适用于建筑基坑领域。包括制定立柱沉降监测方案、实施监测并获得监测数据、监测数据预处理、监测数据分析和预警效果的实现；本发明提出的一种深基坑支护立柱沉降监测与预警方法，具有广泛的适用性、实时性、预警准确性。
Description
技术领域
本发明是一种基坑工程监测与预警方法，尤其涉及一种深基坑支护立柱沉降监测与预警方法。
背景技术
随着城市化进程的加快，越来越多的高层建筑、地下车库以及地铁等工程需要进行深基坑的开挖和支护。深基坑作为一种特殊的地下结构，其施工过程中会遇到许多地质和工程问题。为了保证深基坑开挖的稳定性，采用多种基坑支护形式其中立柱就是其中重要的一种支护形式。在跨度较大的基坑工程中，需要在基坑支护结构和内支撑的基础上，需要在合适的位置设置竖向支撑结构，该竖向支撑结构称之为立柱，一般由钢立柱和立柱桩一体化施工而成。立柱的主要功能就是为内支撑结构提供竖向的承重，确保内支撑结构的纵向稳定，如果立柱发生较大的沉降变形，会影响整个基坑支护体系，造成严重的后果。因此，对于基坑立柱进行沉降观测并根据观测结果实现及时预警具有切实的必要性。
发明内容
本发明的目的，在于提供一种深基坑支护立柱沉降监测与预警方法，具有广泛的适用性、实时性、预警准确性。
本发明的目的可以通过采用如下技术方案达到：
S101，制定立柱沉降监测方案：所述制定立柱沉降监测方案，包括监测点位置的规划、监测频率和预警标准的设定；
S102，实施监测并获得监测数据：所述实施监测并获得监测数据，包括依据所述监测方案布置监测点位，并根据监测频率对监测点的沉降进行监测，获得监测数据；
S103，监测数据预处理：所述监测数据预处理，包括根据监测点位对监测数据进行整理，还包括对异常值进行识别，还包括对缺失值和异常值进行插补；
S104，监测数据分析：所述监测数据分析，包括通过对监测数据发展规律的研究，构建组合预测模型，通过组合预测模型对监测数据未来下一个时间间隔的沉降数据进行计算获得预测值，所述组合预测模型是由灰色预测模型、季节性自回归移动平均模型和长短期记忆神经网络预测模型组合获得，所述组合预测模型的计算公式为式(1)；
Y＝Q1yt1+Q2yt2+Q3yt3 (1)
式中，Qi为权重系数，yt1为基于灰色预测模型的预测结果，yt2为基于长短期记忆神经网络预测模型的结果，yt3为基于季节性自回归移动平均模型的结果；
所述监测数据分析，还包括所述权重系数的计算方法采用方差倒数法，计算公式为式(2)，
式中，Qj为权重系数，Dj为第j个模型的残差平方和；
S105，预警效果的实现：所述预警效果的实现，包括采用获得的预测值和预警标准进行比较，如果预测值的变化超过了预警标准，则发出预警，达到预警的目的；
进一步的，上述S102中，所述监测方法为在立柱监测点位布置沉降观测点，采用观测仪器测量沉降并记录，所述观测仪器为全站仪或精密水准仪；
进一步的，上述S103中，所述异常值识别的方法为定窗口-箱型图法，所述定窗口-箱型图法的主要实施步骤为：a)收集数据，固定窗口长度，根据窗口长度将数据分割；b)每个窗口长度内计算第一四分位数Q1、第三四分位数Q3和中位数Q2；c)每个窗口长度内计算异常值上限UW和下限LW，所述上限UW和下限LW的计算公式为式(3)，
d)检测异常值，根据计算获得的上限UW和下限LW，对大于上限UW或者小于下限LW的数据认定为异常值，所述异常值的处理方法为识别后删掉。
进一步的，上述S103中，所述异常值和缺失值的插补方法为线性插值法，所述线性插值法的主要步骤为：a)确定需要插值的点，所述点位为异常值和缺失值点；b)找到插值点左右已知点位(t1，y1)，(t2，y2)；c)计算插值y，所述插值y的计算公式为式(4)，
式中，t1为插值点左边已知点位的观测时间，y1为插值点左边已知点位的沉降观测值，t2为插值点右边已知点位的观测时间，y2为插值点右边已知点位的沉降观测值，时间t为插值点所对应的观测时间。
本发明的有益效果是:
相对于现有技术，本发明为一种深基坑支护立柱沉降监测与预警方法，具有广泛的适用性、实时性、预警准确性。
附图说明
图1：为本发明的一种深基坑支护立柱沉降监测与预警方法的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，相对照附图说明本发明的具体实施方式。
如图1所示，为本发明提出一种深基坑支护立柱沉降监测与预警方法流程图，该流程图包括内容如下。
S101，制定立柱沉降监测方案，所述制定立柱沉降监测方案，包括监测点位置的规划、监测频率和预警标准的设定；
S102，实施监测并获得监测数据，所述实施监测并获得监测数据，包括依据所述监测方案布置监测点位，并根据监测频率对监测点的沉降进行监测，获得监测数据；
所述监测方法为在立柱监测点位布置沉降观测点，采用观测仪器测量沉降并记录，所述观测仪器为全站仪或精密水准仪；
S103，监测数据预处理，所述监测数据预处理，包括根据监测点位对监测数据进行整理，还包括对异常值进行识别，还包括对缺失值和异常值进行插补；
所述异常值识别的方法为定窗口-箱型图法，所述定窗口-箱型图法的主要实施步骤为：a)收集数据，固定窗口长度，根据窗口长度将数据分割；b)每个窗口长度内计算第一四分位数Q1、第三四分位数Q3和中位数Q2；c)每个窗口长度内计算异常值上限UW和下限LW，所述上限UW和下限LW的计算公式为式(3)，
d)检测异常值，根据计算获得的上限UW和下限LW，对大于上限UW或者小于下限LW的数据认定为异常值，所述异常值的处理方法为识别后删掉。
所述异常值和缺失值的插补方法为线性插值法，所述线性插值法的主要步骤为：a)确定需要插值的点，所述点位为异常值和缺失值点；b)找到插值点左右已知点位(t1，y1)，(t2，y2)；c)计算插值y，所述插值y的计算公式为式(4)，
式中，t1为插值点左边已知点位的观测时间，y1为插值点左边已知点位的沉降观测值，t2为插值点右边已知点位的观测时间，y2为插值点右边已知点位的沉降观测值，时间t为插值点所对应的观测时间。
S104，监测数据分析，所述监测数据分析，包括通过对监测数据发展规律的研究，构建组合预测模型，通过组合预测模型对监测数据未来下一个时间间隔的沉降数据进行计算获得预测值，所述组合预测模型是由灰色预测模型、季节性自回归移动平均模型和长短期记忆神经网络预测模型组合获得，所述组合预测模型的计算公式为式(1)；
Y＝Q1yt1+Q2yt2+Q3yt3 (1)
式中，Qi为权重系数，yt1为基于灰色预测模型的预测结果，yt2为基于长短期记忆神经网络预测模型的结果，yt3为基于季节性自回归移动平均模型的结果；
所述监测数据分析，还包括所述权重系数的计算方法采用方差倒数法，计算公式为式(2)，
式中，Qj为权重系数，Dj为第j个模型的残差平方和；
S105，预警效果的实现，所述预警效果的实现，包括采用获得的预测值和预警标准进行比较，如果预测值的变化超过了预警标准，则发出预警，达到预警的目的；
在上述实施例中，本发明公开了一种深基坑支护立柱沉降监测与预警方法，包括制定立柱沉降监测方案、实施监测并获得监测数据、监测数据预处理、监测数据分析和预警效果的实现；本发明提出的一种深基坑支护立柱沉降监测与预警方法，具有广泛的适用性、实时性、预警准确性。
以上所述为本发明示意性的具体实施方式，并非用以限定本发明的范围。任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所做出的等同变化与修改，均应属于本发明保护的范围。
Claims (4)
1.一种深基坑支护立柱沉降监测与预警方法，其特征在于，所述方法包含以下步骤：
1)制定立柱沉降监测方案；
2)实施监测并获得监测数据；
3)监测数据预处理；
4)监测数据分析；
5)预警效果的实现；
所述制定立柱沉降监测方案，包括监测点位置的规划、监测频率和预警标准的设定；
所述实施监测并获得监测数据，包括依据所述监测方案布置监测点位，并根据监测频率对监测点的沉降进行监测，获得监测数据；
所述监测数据预处理，包括根据监测点位对监测数据进行整理，还包括对异常值进行识别，还包括对缺失值和异常值进行插补；
所述监测数据分析，包括通过对监测数据发展规律的研究，构建组合预测模型，通过组合预测模型对监测数据未来下一个时间间隔的沉降数据进行计算获得预测值，所述组合预测模型是由灰色预测模型、季节性自回归移动平均模型和长短期记忆神经网络预测模型组合获得，所述组合预测模型的计算公式为式(1)；
Y＝Q1yt1+Q2yt2+Q3yt3 (1)
式中，Qi为权重系数，yt1为基于灰色预测模型的预测结果，yt2为基于长短期记忆神经网络预测模型的结果，yt3为基于季节性自回归移动平均模型的结果；
所述监测数据分析，还包括所述权重系数的计算方法采用方差倒数法，计算公式为式(2)，
式中，Qj为权重系数，Dj为第j个模型的残差平方和；
所述预警效果的实现，包括采用获得的预测值和预警标准进行比较，如果预测值的变化超过了预警标准，则发出预警，达到预警的目的。
2.根据权利要求1所述的一种深基坑支护立柱沉降监测与预警方法，其特征在于：所述2)中，所述监测方法为在立柱监测点位布置沉降观测点，采用观测仪器测量沉降并记录，所述观测仪器为全站仪或精密水准仪。
3.根据权利要求1所述的一种深基坑支护立柱沉降监测与预警方法，其特征在于：所述3)中，所述异常值识别的方法为定窗口-箱型图法，所述定窗口-箱型图法的主要实施步骤为：a)收集数据，固定窗口长度，根据窗口长度将数据分割；b)每个窗口长度内计算第一四分位数Q1、第三四分位数Q3和中位数Q2；c)每个窗口长度内计算异常值上限UW和下限LW，所述上限UW和下限LW的计算公式为式(3)，
d)检测异常值，根据计算获得的上限UW和下限LW，对大于上限UW或者小于下限LW的数据认定为异常值，所述异常值的处理方法为识别后删掉。
4.根据权利要求1所述的一种深基坑支护立柱沉降监测与预警方法，其特征在于：所述3)中，所述异常值和缺失值的插补方法为线性插值法，所述线性插值法的主要步骤为：a)确定需要插值的点，所述点位为异常值和缺失值点；b)找到插值点左右已知点位(t1，y1)，(t2，y2)；c)计算插值y，所述插值y的计算公式为式(4)，
式中，t1为插值点左边已知点位的观测时间，y1为插值点左边已知点位的沉降观测值，t2为插值点右边已知点位的观测时间，y2为插值点右边已知点位的沉降观测值，t为插值点所对应的观测时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310999135.2A CN117249803B (zh) | 2023-08-09 | 2023-08-09 | 一种深基坑支护立柱沉降监测与预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310999135.2A CN117249803B (zh) | 2023-08-09 | 2023-08-09 | 一种深基坑支护立柱沉降监测与预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117249803A CN117249803A (zh) | 2023-12-19 |
| CN117249803B true CN117249803B (zh) | 2024-05-28 |
Family
ID=89133989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310999135.2A Active CN117249803B (zh) | 2023-08-09 | 2023-08-09 | 一种深基坑支护立柱沉降监测与预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117249803B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6480120B1 (en) * | 1996-04-15 | 2002-11-12 | Dassault Electronique | Airborne terrain collision prevention device with prediction of turns |
| CN103616011A (zh) * | 2013-12-06 | 2014-03-05 | 天津大学 | 地下工程变形远程自动监控系统 |
| CN108256172A (zh) * | 2017-12-26 | 2018-07-06 | 同济大学 | 一种顶管下穿既有箱涵过程中险情预警预报方法 |
| CN111680343A (zh) * | 2020-04-27 | 2020-09-18 | 中煤科工集团武汉设计研究院有限公司 | 一种基于深度学习的深基坑围护结构变形预测的方法 |
| CN113155109A (zh) * | 2021-03-25 | 2021-07-23 | 浙江南方工程咨询管理有限公司 | 超高层建筑工程测量的监理控制方法、系统、设备及介质 |
| CN114757365A (zh) * | 2022-06-13 | 2022-07-15 | 西南交通大学 | 一种基于深度学习的高速铁路路基沉降预测及预警方法 |
| CN115077474A (zh) * | 2022-06-14 | 2022-09-20 | 天津华北地质勘查总院 | 一种基于机器学习的地面沉降趋势预测方法及系统 |
| CN116151628A (zh) * | 2023-04-19 | 2023-05-23 | 深圳市岩土综合勘察设计有限公司 | 隧道施工中地面沉降的监测与预警系统 |
| CN116558474A (zh) * | 2023-03-22 | 2023-08-08 | 中交第四航务工程局有限公司 | 一种重力式码头基床沉降监测系统及其安装方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7386401B2 (en) * | 1994-11-21 | 2008-06-10 | Phatrat Technology, Llc | Helmet that reports impact information, and associated methods |
| CN111322985B (zh) * | 2020-03-25 | 2021-04-09 | 南京航空航天大学 | 基于激光点云的隧道限界分析方法、装置和系统 |
-
2023
- 2023-08-09 CN CN202310999135.2A patent/CN117249803B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6480120B1 (en) * | 1996-04-15 | 2002-11-12 | Dassault Electronique | Airborne terrain collision prevention device with prediction of turns |
| CN103616011A (zh) * | 2013-12-06 | 2014-03-05 | 天津大学 | 地下工程变形远程自动监控系统 |
| CN108256172A (zh) * | 2017-12-26 | 2018-07-06 | 同济大学 | 一种顶管下穿既有箱涵过程中险情预警预报方法 |
| CN111680343A (zh) * | 2020-04-27 | 2020-09-18 | 中煤科工集团武汉设计研究院有限公司 | 一种基于深度学习的深基坑围护结构变形预测的方法 |
| CN113155109A (zh) * | 2021-03-25 | 2021-07-23 | 浙江南方工程咨询管理有限公司 | 超高层建筑工程测量的监理控制方法、系统、设备及介质 |
| CN114757365A (zh) * | 2022-06-13 | 2022-07-15 | 西南交通大学 | 一种基于深度学习的高速铁路路基沉降预测及预警方法 |
| CN115077474A (zh) * | 2022-06-14 | 2022-09-20 | 天津华北地质勘查总院 | 一种基于机器学习的地面沉降趋势预测方法及系统 |
| CN116558474A (zh) * | 2023-03-22 | 2023-08-08 | 中交第四航务工程局有限公司 | 一种重力式码头基床沉降监测系统及其安装方法 |
| CN116151628A (zh) * | 2023-04-19 | 2023-05-23 | 深圳市岩土综合勘察设计有限公司 | 隧道施工中地面沉降的监测与预警系统 |
Non-Patent Citations (3)
| Title |
|---|
| A multi-variablegreymodelwithaself-memorycomponent and itsapplicationonengineeringprediction;Xiaojun Guo;Engineering ApplicationsofArtificial Intelligence;20150422;第2015卷(第42期);82-93 * |
| 区域地下水埋深的数据驱动预报模型研究;郭田丽;中国优秀硕士学位论文全文数据库;20210228;第2021卷(第02期);全文 * |
| 高层建筑深基坑支护变形监测技术分析;叶一心;《江西建材》;20230331;第2023卷(第03期);100-101 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117249803A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及系统 | |
| Gentile et al. | Continuous monitoring of the Milan Cathedral: dynamic characteristics and vibration-based SHM | |
| CN108922123B (zh) | 一种矿山边坡滑移稳定性监测预警方法 | |
| Kuzina et al. | Deformation monitoring of road transport structures and facilities using engineering and geodetic techniques | |
| CN110310021B (zh) | 一种用于基坑监测预警的场地环境与监测点匹配系统 | |
| CN103205972A (zh) | 一种分析基坑变形与坑外地面沉降关系的方法 | |
| CN116822945A (zh) | 一种基于监测数据的基坑风险分析管理系统 | |
| GB2625164A (en) | Safety evaluation method for unloading deformation of deep and large rock foundation pit | |
| CN112359806A (zh) | 一种深基坑开挖对地铁竖向变形影响监测装置及方法 | |
| Olivito et al. | Inventory and monitoring of historical cultural heritage buildings on a territorial scale: a preliminary study of structural health monitoring based on the CARTIS approach | |
| CN117249803B (zh) | 一种深基坑支护立柱沉降监测与预警方法 | |
| CN107091085A (zh) | 一种浅埋暗挖隧道地层稳定性的多参数判别方法 | |
| CN114219134A (zh) | 一种盾构施工引起地面沉降的预测方法及系统 | |
| JP2020143999A (ja) | 鋼管柱劣化予測システム | |
| González et al. | Temperature measurement assisted modal tracking of an instrumented building | |
| CN117034014A (zh) | 一种深基坑形变智能控制方法及控制系统 | |
| Olivito et al. | SHM systems applied to the built heritage inventory at the territorial scale. A preliminary study based on CARTIS approach | |
| CN115115221B (zh) | 一种基于云计算的窄基钢塔建造分析方法 | |
| CN112541455B (zh) | 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法 | |
| CN116045903A (zh) | 一种采煤区地面形变识别与评价方法 | |
| CN115169243A (zh) | 基于ga-pso-glssvm算法的土岩复合地层深基坑变形时序预测方法 | |
| CN115271506A (zh) | 一种区域降雨表征长系列构建分析一体化方法 | |
| CN115853030A (zh) | 邻近深基坑工程的运营地铁的一体化智能监测系统及方法 | |
| CN213867730U (zh) | 一种近地铁深基坑开挖对地铁竖向变形影响监测装置 | |
| Macchiarulo et al. | Settlement-induced building damage assessment using MT-InSAR data for the Crossrail case study in London |
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 | ||
| GR01 | Patent grant |