CN117419773A - 一种建筑基坑远程监测方法及系统 - Google Patents
一种建筑基坑远程监测方法及系统 Download PDFInfo
- Publication number
- CN117419773A CN117419773A CN202311747749.8A CN202311747749A CN117419773A CN 117419773 A CN117419773 A CN 117419773A CN 202311747749 A CN202311747749 A CN 202311747749A CN 117419773 A CN117419773 A CN 117419773A
- Authority
- CN
- China
- Prior art keywords
- foundation pit
- building foundation
- data acquisition
- stability
- acquisition time
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000006073 displacement reaction Methods 0.000 claims abstract description 41
- 238000010276 construction Methods 0.000 claims abstract description 40
- 239000013598 vector Substances 0.000 claims abstract description 35
- 239000002689 soil Substances 0.000 claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000013097 stability assessment Methods 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000013210 evaluation model Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 239000003673 groundwater Substances 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Medical Informatics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及建筑基坑监测的技术领域，特别是涉及一种建筑基坑远程监测方法及系统，其通过引入自动化数据采集和远程监测技术，提高了建筑基坑监测的效率、精度和实时性；所述方法包括：在需要进行远程监测的建筑基坑中部署数据采集设备集合；所要采集的数据包括基坑地下水位、锚杆拉力、施工振动幅度、施工振动频率、土壤层位移、围护墙位移、支护结构界面侧向拉力以及支护结构位移；基于建筑基坑的占地面积以及深度，设定数据采集设备集合的数据采集时间节点；按照数据采集时间节点，依次控制数据采集设备集合对建筑基坑进行数据采集，获得每个数据采集时间节点下的建筑基坑稳固参数特征向量。
Description
技术领域
本发明涉及建筑基坑监测的技术领域，特别是涉及一种建筑基坑远程监测方法及系统。
背景技术
随着城市化进程的加速，建筑工程的数量和规模不断扩大，建筑基坑作为建筑工程的基础部分，其稳固性对整个建筑工程的安全性和稳定性具有至关重要的影响；因此，对建筑基坑进行远程监测成为了建筑工程管理中的重要环节。
传统的建筑基坑监测方法主要采用人工现场监测的方式，这种方式不仅需要大量的人力物力，而且受限于天气和地形等因素，监测的准确性和实时性都存在一定的局限性；因此，如何提高建筑基坑监测的效率和精度，成为了建筑工程管理领域亟待解决的问题。
发明内容
为解决上述技术问题，本发明提供一种通过引入自动化数据采集和远程监测技术，提高了建筑基坑监测的效率、精度和实时性的建筑基坑远程监测方法。
第一方面，本发明提供了一种建筑基坑远程监测方法，所述方法包括：
在需要进行远程监测的建筑基坑中部署数据采集设备集合；所要采集的数据包括基坑地下水位、锚杆拉力、施工振动幅度、施工振动频率、土壤层位移、围护墙位移、支护结构界面侧向拉力以及支护结构位移；
基于建筑基坑的占地面积以及深度，设定数据采集设备集合的数据采集时间节点；
按照数据采集时间节点，依次控制数据采集设备集合对建筑基坑进行数据采集，获得每个数据采集时间节点下的建筑基坑稳固参数特征向量；
将若干个建筑基坑稳固参数特征向量按数据采集时间节点的时间顺序进行排列，并对每个建筑基坑稳固参数特征向量中的元素进行同类对齐，获得能够表征建筑基坑在最早数据采集时间节点至最晚数据采集时间节点之间的建筑基坑稳固特征矩阵；
将所述建筑基坑稳固特征矩阵输入至预先构建的建筑基坑稳固评估模型中，获得建筑基坑稳固评估指数；
将建筑基坑稳固评估指数与预设阈值进行比对，当建筑基坑稳固评估指数超过预设阈值，则生成基坑稳固警示信息并向工作人员展示；当建筑基坑稳固评估指数未超过预设阈值，则无动作并继续保持监测。
进一步地，所述建筑基坑稳固参数特征向量为：(Hgw,Fb,A,f,Dso,Dw,Fsu,Dsu)；其中，Hgw表示基坑地下水位，Fb表示锚杆拉力，A表示施工振动幅度，f表示施工振动频率，Dso表示土壤层位移，Dw表示围护墙位移，Fsu表示支护结构界面侧向拉力，Dsu表示支护结构位移。
进一步地，所述建筑基坑稳固特征矩阵为：
；
其中，Hgwi表示在第i个数据采集时间节点下监测到的基坑地下水位数值，Fbi表示在第i个数据采集时间节点下监测到的锚杆拉力数值，Ai表示在第i个数据采集时间节点监测到的施工振动幅度数值，fi表示在第i个数据采集时间节点监测到的施工振动频率数值，Dsoi表示在第i个数据采集时间节点监测到的土壤层位移数值，Dwi表示在第i个数据采集时间节点监测到的围护墙位移数值，Fsui表示在第i个数据采集时间节点监测到的支护结构界面侧向拉力数值，Dsui表示在第i个数据采集时间节点监测到的支护结构位移数值。
进一步地，所述建筑基坑稳固评估模型构建方法包括：
对建筑基坑稳固特征矩阵进行数据预处理，包括处理缺失值、异常值，进行数据归一化、标准化；
从建筑基坑稳固特征矩阵中选择和提取关键特征，减少数据的维度；
选择评估模型，包括统计模型、机器学习模型和基于物理原理的工程模型；
使用已知的建筑基坑监测数据进行模型训练；
使用独立的测试数据集来验证模型的泛化能力；
一旦模型在评估中表现不佳，则对模型进行调整，包括调整模型的超参数、重新选择特征；
将训练好的建筑基坑稳固评估模型部署到实际应用中，把建筑基坑稳固特征矩阵输入到训练好的模型中，得到建筑基坑稳固评估指数。
进一步地，数据采集时间节点的设定影响因素包括，建筑工程的阶段性、天气和季节、施工活动周期、实时性要求、传感器响应时间、经验和历史数据。
进一步地，所述预设阈值的设定影响因素包括工程要求和标准、当地土质和地质条件、建筑基坑的深度和规模、历史数据和经验、环境因素、项目的重要性和风险承受能力。
进一步地，所述基坑稳固警示信息包括警示级别、建议措施和时间戳。
另一方面，本申请还提供了一种建筑基坑远程监测系统，所述系统包括：
数据采集设备部署模块，用于根据需要采集的数据，在需要进行远程监测的建筑基坑中部署数据采集设备集合，并发送；所要采集的数据包括基坑地下水位、锚杆拉力、施工振动幅度、施工振动频率、土壤层位移、围护墙位移、支护结构界面侧向拉力以及支护结构位移；
数据采集时间设定模块，用于根据建筑基坑的占地面积以及深度，设定数据采集设备集合的数据采集时间节点，并发送；
数据采集模块，用于接收数据采集设备集合和数据采集时间节点，按照数据采集时间节点，依次控制数据采集设备集合对建筑基坑进行数据采集，获得每个数据采集时间节点下的建筑基坑稳固参数特征向量，并发送；
数据整理模块，用于接收建筑基坑稳固参数特征向量，将若干个建筑基坑稳固参数特征向量按数据采集时间节点的时间顺序进行排列，并对每个建筑基坑稳固参数特征向量中的元素进行同类对齐，获得能够表征建筑基坑在最早数据采集时间节点至最晚数据采集时间节点之间的建筑基坑稳固特征矩阵，并发送；
评估指数获取模块，用于接收建筑基坑稳固特征矩阵，将所述建筑基坑稳固特征矩阵输入至预先构建的建筑基坑稳固评估模型中，获得建筑基坑稳固评估指数，并发送；
比对与警示模块，用于接收建筑基坑稳固评估指数，将建筑基坑稳固评估指数与预设阈值进行比对，当建筑基坑稳固评估指数超过预设阈值，则生成基坑稳固警示信息并向工作人员展示；当建筑基坑稳固评估指数未超过预设阈值，则无动作并继续保持监测。
第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
与现有技术相比本发明的有益效果为：通过远程监测，能够实时获取建筑基坑的各项参数，相对于传统的人工现场监测方式，该方法通过自动部署数据采集设备，减少了对大量人力物力的需求，降低了监测成本；由于是远程监测，不再受制于天气和地形等自然因素，提高了监测的灵活性和可靠性；
通过建筑基坑稳固特征矩阵的构建，将多维监测数据以矩阵形式整合，有助于更高效的数据处理和分析；利用预先构建的建筑基坑稳固评估模型，将监测数据转化为具体的评估指数，提高了对基坑稳固性的定量评估能力；通过与预设阈值比对建筑基坑稳固评估指数，能够及时生成基坑稳固警示信息，使工作人员能够迅速采取措施，提高了建筑工程的安全性和稳定性；
综上所述，该方法通过引入自动化数据采集和远程监测技术，提高了建筑基坑监测的效率、精度和实时性。
附图说明
图1是本发明的流程图；
图2是建筑基坑稳固评估模型构建方法的流程图；
图3是建筑基坑远程监测系统的结构图。
具体实施方式
在本申请的描述中，所属技术领域的技术人员应当知道，本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本申请可以具体实现为以下形式：完全的硬件、完全的软件（包括固件、驻留软件、微代码等）、硬件和软件结合的形式。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1至图2所示，本发明的一种建筑基坑远程监测方法，具体包括以下步骤：
S1、在需要进行远程监测的建筑基坑中部署数据采集设备集合；所要采集的数据包括基坑地下水位、锚杆拉力、施工振动幅度、施工振动频率、土壤层位移、围护墙位移、支护结构界面侧向拉力以及支护结构位移；
数据采集设备的部署方法包括：
S11、选择地下水位传感器，监测基坑中的地下水位变化；选择锚杆拉力计，测量支护结构中锚杆的受力情况；选择振动传感器，监测施工振动的幅度和频率；选择位移传感器，监测土壤和结构的位移；选择界面侧向拉力传感器，监测支护结构与土壤之间的横向受力；
S12、根据基坑的形状、深度和结构特征，确定每种传感器的布置位置和数量；
S13、建立完善的设备通信技术，确保设备能够实时传输数据；
S14、采用电池供电，保障每个数据采集设备有可靠的电源供应；
S15、进行设备的实际安装，确保每个设备都得到正确的校准；
S16、对设备定期进行维护，包括定期的校准、更换传感器、电池维护，确保监测系统的可持续运行。
在本步骤中，通过选择多种传感器，使得监测系统能够全面、多角度地了解基坑的稳固性；通过根据基坑的形状、深度和结构特征确定传感器的布置位置和数量，能够根据具体建筑工程的情况进行定制化部署，提高了监测的精准度；建立完善的设备通信技术，确保数据实时传输，有助于及时获取监测数据；
采用电池供电确保了每个数据采集设备有可靠的电源供应，供电方式较为灵活，能够适应建筑工地没有固定电源的情况，降低使用局限性；进行实际安装并确保每个设备都得到正确的校准，有助于避免数据采集误差；设备的定期维护，确保了监测系统的可持续运行，有助于减少系统故障的可能性，保障长期监测的稳定性；
综上所述，本步骤能够为建筑基坑的远程监测提供全面、及时、可靠的数据，为工程管理者提供重要的信息支持。
S2、基于建筑基坑的占地面积以及深度，设定数据采集设备集合的数据采集时间节点；
数据采集时间节点的设定影响因素包括：
S21、考虑建筑工程的阶段性，建筑工程通常分为不同的阶段，根据工程的不同阶段，设定不同的数据采集时间节点，有助于监测在每个阶段可能发生的不同变化；
S22、考虑天气和季节因素，天气和季节对基坑稳固性有影响，考虑不同季节和天气条件下的数据采集，确保对各种环境因素的变化都有足够的监测；
S23、考虑施工活动周期，设定数据采集时间节点以涵盖不同施工活动的周期，更全面地了解基坑的稳固性；
S24、考虑实时性要求，某些工程对实时监测有更高的要求，需要更频繁的数据采集，根据实际需要设定更密集的数据采集时间节点，确保对基坑稳固性的实时性监测；
S25、考虑传感器响应时间，确定数据采集时间节点时，考虑传感器响应时间，以避免数据采集的滞后性；
S26、考虑经验和历史数据，结合过往经验，设定数据采集时间节点，以反映潜在的问题和挑战。
在本步骤中，通过考虑基坑监测的多个方面，确保数据采集时间节点的合理性和全面性，制定更具定制性的监测策略，满足不同阶段和环境条件下的监测需求；通过涵盖不同施工活动周期，能够更全面地了解基坑的稳固性变化；
通过考虑传感器响应时间，能够避免数据采集的滞后性，确保了监测数据更加及时和准确，有助于更早地发现潜在的风险和问题；结合过往经验和历史数据，能够更好地了解基坑行为的规律性和可能的挑战，使得数据采集时间节点更具有针对性，更好地适应特定工程的需求；通过合理设定数据采集时间节点，可以提高监测效率，监测人员能够在关键时刻获得必要的信息，从而更及时地采取行动，提高基坑工程的整体安全性和稳定性；
综上所述，S2步骤综合考虑多个关键因素的阶段，能够建立一个全面和有效的基坑远程监测方案。
S3、按照数据采集时间节点，依次控制数据采集设备集合对建筑基坑进行数据采集，获得每个数据采集时间节点下的建筑基坑稳固参数特征向量；
S3步骤确保了在不同时间节点下，建筑基坑的稳固参数得以准确测量和记录，为后续的数据整理和建筑基坑稳固评估提供了可靠的数据基础，以下是S3步骤的详细介绍：
S31、按照预定的时间节点，对数据采集设备进行远程控制，开始采集建筑基坑的稳固参数数据；
S32、通过数据采集设备集合获取建筑基坑在每个数据采集时间节点下的稳固参数特征向量，稳固参数特征向量包括各项监测参数在特定时间点的数值；
S33、通过无线网络将稳固参数特征向量传送到存储器重，以便后续的分析和处理；
S34、在数据采集过程中，建立实时监测机制，若某一时刻采集到的数据异常，系统能够立即发出警报，并采取相应的处理措施；
S35、在数据采集之前和之后，进行设备的校准和质量控制，确保数据采集设备的准确性和可靠性，以提高监测数据的精度；
所述建筑基坑稳固参数特征向量为：(Hgw,Fb,A,f,Dso,Dw,Fsu,Dsu)；其中，Hgw表示基坑地下水位，Fb表示锚杆拉力，A表示施工振动幅度，f表示施工振动频率，Dso表示土壤层位移，Dw表示围护墙位移，Fsu表示支护结构界面侧向拉力，Dsu表示支护结构位移。
在本步骤中，通过按照预定时间节点进行数据采集，系统能够实现对建筑基坑的实时监测，实时性使得在建筑基坑发生异常情况时能够迅速采取措施，提高了监测的时效性；通过网络对数据采集设备进行控制，实现自动化的数据采集过程，降低了对人力的依赖，提高了监测系统的智能程度；建筑基坑稳固参数特征向量涵盖了多个监测项目，综合监测能够全面了解基坑的稳固状态，有助于更准确地评估基坑的安全性；
通过按照相同的时间节点对数据采集设备进行控制，确保了各个设备在同一时刻开始采集数据，提高了数据的同步性，使得后续的数据整理和分析的准确性；在数据采集过程中建立实时监测机制，能够及时发现数据异常并采取相应的处理措施，提高了监测系统的鲁棒性和可靠性；在数据采集之前和之后进行设备校准和质量控制的步骤，确保了数据采集设备的准确性和可靠性，提高了监测数据的精度；
综上所述，S3步骤为建筑基坑的远程监测提供了高效、全面、实时的数据采集基础，有助于更精准地评估基坑的稳固状态，提高了建筑工程管理的效率和安全性。
S4、将若干个建筑基坑稳固参数特征向量按数据采集时间节点的时间顺序进行排列，并对每个建筑基坑稳固参数特征向量中的元素进行同类对齐，获得能够表征建筑基坑在最早数据采集时间节点至最晚数据采集时间节点之间的建筑基坑稳固特征矩阵；在所述建筑基坑稳固特征矩阵中，每一列表示相同监测项目在不同时间节点下的监测数值，每一行表示在相同时间节点下不同监测项目的监测数值；
所述建筑基坑稳固特征矩阵获取方法包括：
S41、将通过数据采集设备集合获得的建筑基坑稳固参数特征向量整理成一个数据集；
S42、对整理后的数据集按照数据采集时间节点的顺序进行排序，确保数据在矩阵中按照时间有序排列；
S43、对每个建筑基坑稳固参数特征向量中的元素进行同类对齐，将相同监测项目在不同时间节点下的监测数值放置在同一列，确保数据矩阵的每一列代表相同监测项目，每一行代表相同时间节点下不同监测项目的监测数值；同类对齐后，得到一个建筑基坑稳固特征矩阵；
所述建筑基坑稳固特征矩阵为：
；
其中，Hgwi表示在第i个数据采集时间节点下监测到的基坑地下水位数值，Fbi表示在第i个数据采集时间节点下监测到的锚杆拉力数值，Ai表示在第i个数据采集时间节点监测到的施工振动幅度数值，fi表示在第i个数据采集时间节点监测到的施工振动频率数值，Dsoi表示在第i个数据采集时间节点监测到的土壤层位移数值，Dwi表示在第i个数据采集时间节点监测到的围护墙位移数值，Fsui表示在第i个数据采集时间节点监测到的支护结构界面侧向拉力数值，Dsui表示在第i个数据采集时间节点监测到的支护结构位移数值。
在本步骤中，对整理后的数据集按照数据采集时间节点的顺序进行排序，确保建筑基坑稳固特征矩阵中的数据是按照时间有序排列的；能够清晰地了解基坑稳固性在不同时间节点下的变化趋势；建筑基坑稳固特征矩阵的每一列都代表相同监测项目，便于进行后续的分析和比较；矩阵形式方便进行可视化分析，帮助工程管理人员更直观地了解基坑稳固性的变化情况；综合监测可以全面反映基坑在不同时间节点下的稳固状况，有助于及时发现潜在的问题并采取相应的措施；
综上所述，建筑基坑稳固特征矩阵具有结构清晰、全面反映、可视化分析等优点，有助于提高基坑监测效率和精度，为建筑工程管理提供有力的支持。
S5、将所述建筑基坑稳固特征矩阵输入至预先构建的建筑基坑稳固评估模型中，获得建筑基坑稳固评估指数；
在S5步骤中，建筑基坑稳固特征矩阵作为输入被传递至建筑基坑稳固评估模型中，模型会对这些数据进行分析处理，产生建筑基坑稳固评估指数；建筑基坑稳固评估指数是一个综合性的数值，表示基坑稳固性的状态，对应不同数值范围代表不同的稳固程度和风险水平；
所述建筑基坑稳固评估模型构建方法包括：
S51、对建筑基坑稳固特征矩阵进行数据预处理，包括处理缺失值、异常值，进行数据归一化、标准化，确保输入模型的数据质量和一致性；
S52、从建筑基坑稳固特征矩阵中选择和提取关键特征，特征选择和提取的目标是减少数据的维度，同时保留对建筑基坑稳固性评估有用的信息；
S53、选择评估模型，包括统计模型、机器学习模型和基于物理原理的工程模型；
S54、使用已知的建筑基坑监测数据进行模型训练，模型会学习建筑基坑稳固性的模式和规律；
S55、对构建的模型进行评估，使用独立的测试数据集来验证模型的泛化能力，确保模型在不同数据上的性能；
S56、一旦模型在评估中表现不佳，则对模型进行调整，包括调整模型的超参数、重新选择特征；
S57、将训练好的建筑基坑稳固评估模型部署到实际应用中，将建筑基坑稳固特征矩阵输入到训练好的模型中，得到建筑基坑稳固评估指数。
在本步骤中，通过使用监测数据构建评估模型，使决策更为客观和精准，模型能够从大量实时数据中提取有用的信息，帮助评估基坑稳固性，而非仅依赖于主观的人工判断；建筑基坑稳固评估指数是一个综合性的数值，能够综合考虑多种监测项目的影响，反映基坑的整体稳固状态，从而提供更全面的评估结果；
通过将模型部署到实际应用中，实现基坑稳固性的自动化监测和评估，能够实时地获得基坑的稳固评估指数，及时发现问题并采取必要的措施；
综上所述，本步骤将监测数据与现代数据分析技术相结合，实现了对建筑基坑稳固性的全面、自动化评估，为工程管理提供了更有效、准确的决策支持。
S6、将建筑基坑稳固评估指数与预设阈值进行比对，当建筑基坑稳固评估指数超过预设阈值，则生成基坑稳固警示信息并向工作人员展示；当建筑基坑稳固评估指数未超过预设阈值，则无动作并继续保持监测；
所述预设阈值的设定影响因素包括：
A、考虑工程要求和标准，不同的建筑工程有不同的安全标准和要求，预设阈值应在这些标准的基础上进行设定，确保建筑工程符合相应的法规和规范；
B、考虑当地土质和地质条件，不同地区的土质和地质条件差异较大，这会对基坑的稳固性产生直接影响；在软弱土壤地区，需要更加保守的阈值设定，以确保基坑在不稳定地质条件下的安全性；
C、考虑建筑基坑的深度和规模，较大规模的基坑需要更为严格的监测和更低的阈值，因为其稳固性问题对周围环境和工程结构造成的影响更大；
D、考虑历史数据和经验，通过分析以往类似工程的基坑监测数据，能够了解到一些潜在的稳固性问题和相应的评估指标，从而更准确地设定阈值；
E、考虑环境因素，不同的环境因素，如气候、地形等，也会对基坑的稳固性产生一定影响；
F、考虑项目的重要性和风险承受能力，项目的重要性以及相关方对风险的承受程度也会影响预设阈值的设定；对于关键工程，则需要更为保守的阈值，以最大程度地确保建筑基坑的安全性；
所述基坑稳固警示信息包括：
S61、警示级别，根据评估指数的超过程度，设定不同的警示级别，用于指导工作人员对问题的紧急性有清晰的认识；
S62、建议措施，警示信息提供一些建议的监测或维护措施，以缓解基坑稳固性问题；
S63、标记生成警示信息的时间，用于追踪问题的发生时间；
一旦生成了基坑稳固警示信息，则需要将这些信息展示给相关工作人员，展示方法包括：
a、在监测平台上显示相应的警示信息，以便监测人员随时关注；
b、发送警示通知，通过电子邮件、短信和其他通信方式将信息传递给相关责任人；
c、对警示信息进行记录，以备后续的分析和报告。
在本步骤中，通过与预设阈值的比对，能够实现对基坑稳固评估指数的实时监测，及时生成警示信息，帮助工作人员快速意识到潜在的问题，从而采取必要的措施；预设阈值的设定考虑了多种因素，综合考量能够更全面地评估基坑稳固性，并制定相应的阈值标准；
警示信息不仅包括了警示级别，还提供了建议的监测或维护措施；指导性信息能够帮助工作人员更好地理解问题的严重程度，并采取合适的应对措施；警示信息展示的方式多样化，这种多样性确保了信息能够以多种方式传达给相关人员，提高了信息传递的及时性和可靠性；警示信息中包括标记生成警示信息的时间，有助于后续对问题进行追踪和分析，同时对警示信息进行记录也为后续的分析和报告提供了依据；
综上所述，本步骤通过多方面的考量设定预设阈值，并实现了基坑稳固性监测与警示的全面性和实时性，同时提供了指导性的建议措施，为管理人员提供了有力的支持和参考。
实施例二
如图3所示，本发明的一种建筑基坑远程监测系统，具体包括以下模块；
数据采集设备部署模块，用于根据需要采集的数据，在需要进行远程监测的建筑基坑中部署数据采集设备集合，并发送；所要采集的数据包括基坑地下水位、锚杆拉力、施工振动幅度、施工振动频率、土壤层位移、围护墙位移、支护结构界面侧向拉力以及支护结构位移；
数据采集时间设定模块，用于根据建筑基坑的占地面积以及深度，设定数据采集设备集合的数据采集时间节点，并发送；
数据采集模块，用于接收数据采集设备集合和数据采集时间节点，按照数据采集时间节点，依次控制数据采集设备集合对建筑基坑进行数据采集，获得每个数据采集时间节点下的建筑基坑稳固参数特征向量，并发送；
数据整理模块，用于接收建筑基坑稳固参数特征向量，将若干个建筑基坑稳固参数特征向量按数据采集时间节点的时间顺序进行排列，并对每个建筑基坑稳固参数特征向量中的元素进行同类对齐，获得能够表征建筑基坑在最早数据采集时间节点至最晚数据采集时间节点之间的建筑基坑稳固特征矩阵，并发送；
评估指数获取模块，用于接收建筑基坑稳固特征矩阵，将所述建筑基坑稳固特征矩阵输入至预先构建的建筑基坑稳固评估模型中，获得建筑基坑稳固评估指数，并发送；
比对与警示模块，用于接收建筑基坑稳固评估指数，将建筑基坑稳固评估指数与预设阈值进行比对，当建筑基坑稳固评估指数超过预设阈值，则生成基坑稳固警示信息并向工作人员展示；当建筑基坑稳固评估指数未超过预设阈值，则无动作并继续保持监测。
该系统通过部署数据采集设备，系统能够实时采集建筑基坑的多种参数，实现了全面的监测；相对于传统的人工现场监测方法，系统通过自动化数据采集和远程监测，减少了对大量人力和物力资源的需求，从而降低了监测成本；由于是远程监测，不受天气和地形等自然因素的限制，提高了监测的灵活性和可靠性；数据整理模块将建筑基坑稳固参数特征向量整理成特征矩阵，有助于更高效的数据处理和分析，为后续评估提供了便利；
通过建筑基坑稳固评估模型，系统能够将监测数据转化为具体的评估指数，通过比对与警示模块实现对建筑基坑稳固性的定量评估，提高了对潜在风险的及时感知和响应能力；当建筑基坑稳固评估指数超过预设阈值时，系统能够生成基坑稳固警示信息并向工作人员展示，提高了安全性和监测的实时性；
综上所述，系统通过引入远程监测和自动化数据处理技术，有效地提高了建筑基坑监测的效率、精度和实时性。
前述实施例一中的建筑基坑远程监测方法的各种变化方式和具体实施例同样适用于本实施例的建筑基坑远程监测系统,通过前述对建筑基坑远程监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中建筑基坑远程监测系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.一种建筑基坑远程监测方法，其特征在于，所述方法包括：
在需要进行远程监测的建筑基坑中部署数据采集设备集合；所要采集的数据包括基坑地下水位、锚杆拉力、施工振动幅度、施工振动频率、土壤层位移、围护墙位移、支护结构界面侧向拉力以及支护结构位移；
基于建筑基坑的占地面积以及深度，设定数据采集设备集合的数据采集时间节点；
按照数据采集时间节点，依次控制数据采集设备集合对建筑基坑进行数据采集，获得每个数据采集时间节点下的建筑基坑稳固参数特征向量；
将若干个建筑基坑稳固参数特征向量按数据采集时间节点的时间顺序进行排列，并对每个建筑基坑稳固参数特征向量中的元素进行同类对齐，获得能够表征建筑基坑在最早数据采集时间节点至最晚数据采集时间节点之间的建筑基坑稳固特征矩阵；
将所述建筑基坑稳固特征矩阵输入至预先构建的建筑基坑稳固评估模型中，获得建筑基坑稳固评估指数；
将建筑基坑稳固评估指数与预设阈值进行比对，当建筑基坑稳固评估指数超过预设阈值，则生成基坑稳固警示信息并向工作人员展示；当建筑基坑稳固评估指数未超过预设阈值，则无动作并继续保持监测。
2.如权利要求1所述的一种建筑基坑远程监测方法，其特征在于，所述建筑基坑稳固参数特征向量为：(Hgw,Fb,A,f,Dso,Dw,Fsu,Dsu)；其中，Hgw表示基坑地下水位，Fb表示锚杆拉力，A表示施工振动幅度，f表示施工振动频率，Dso表示土壤层位移，Dw表示围护墙位移，Fsu表示支护结构界面侧向拉力，Dsu表示支护结构位移。
3.如权利要求2所述的一种建筑基坑远程监测方法，其特征在于，所述建筑基坑稳固特征矩阵为：
；
其中，Hgwi表示在第i个数据采集时间节点下监测到的基坑地下水位数值，Fbi表示在第i个数据采集时间节点下监测到的锚杆拉力数值，Ai表示在第i个数据采集时间节点监测到的施工振动幅度数值，fi表示在第i个数据采集时间节点监测到的施工振动频率数值，Dsoi表示在第i个数据采集时间节点监测到的土壤层位移数值，Dwi表示在第i个数据采集时间节点监测到的围护墙位移数值，Fsui表示在第i个数据采集时间节点监测到的支护结构界面侧向拉力数值，Dsui表示在第i个数据采集时间节点监测到的支护结构位移数值。
4.如权利要求1所述的一种建筑基坑远程监测方法，其特征在于，所述建筑基坑稳固评估模型构建方法包括：
对建筑基坑稳固特征矩阵进行数据预处理，包括处理缺失值、异常值，进行数据归一化、标准化；
从建筑基坑稳固特征矩阵中选择和提取关键特征，减少数据的维度；
选择评估模型，包括统计模型、机器学习模型和基于物理原理的工程模型；
使用已知的建筑基坑监测数据进行模型训练；
使用独立的测试数据集来验证模型的泛化能力；
一旦模型在评估中表现不佳，则对模型进行调整，包括调整模型的超参数、重新选择特征；
将训练好的建筑基坑稳固评估模型部署到实际应用中，把建筑基坑稳固特征矩阵输入到训练好的模型中，得到建筑基坑稳固评估指数。
5.如权利要求1所述的一种建筑基坑远程监测方法，其特征在于，数据采集时间节点的设定影响因素包括：建筑工程的阶段性、天气和季节、施工活动周期、实时性要求、传感器响应时间、经验和历史数据。
6.如权利要求1所述的一种建筑基坑远程监测方法，其特征在于，所述预设阈值的设定影响因素包括工程要求和标准、当地土质和地质条件、建筑基坑的深度和规模、历史数据和经验、环境因素、项目的重要性和风险承受能力。
7.如权利要求1所述的一种建筑基坑远程监测方法，其特征在于，所述基坑稳固警示信息包括警示级别、建议措施和时间戳。
8.一种建筑基坑远程监测系统，其特征在于，所述系统包括：
数据采集设备部署模块，用于根据需要采集的数据，在需要进行远程监测的建筑基坑中部署数据采集设备集合，并发送；所要采集的数据包括基坑地下水位、锚杆拉力、施工振动幅度、施工振动频率、土壤层位移、围护墙位移、支护结构界面侧向拉力以及支护结构位移；
数据采集时间设定模块，用于根据建筑基坑的占地面积以及深度，设定数据采集设备集合的数据采集时间节点，并发送；
数据采集模块，用于接收数据采集设备集合和数据采集时间节点，按照数据采集时间节点，依次控制数据采集设备集合对建筑基坑进行数据采集，获得每个数据采集时间节点下的建筑基坑稳固参数特征向量，并发送；
数据整理模块，用于接收建筑基坑稳固参数特征向量，将若干个建筑基坑稳固参数特征向量按数据采集时间节点的时间顺序进行排列，并对每个建筑基坑稳固参数特征向量中的元素进行同类对齐，获得能够表征建筑基坑在最早数据采集时间节点至最晚数据采集时间节点之间的建筑基坑稳固特征矩阵，并发送；
评估指数获取模块，用于接收建筑基坑稳固特征矩阵，将所述建筑基坑稳固特征矩阵输入至预先构建的建筑基坑稳固评估模型中，获得建筑基坑稳固评估指数，并发送；
比对与警示模块，用于接收建筑基坑稳固评估指数，将建筑基坑稳固评估指数与预设阈值进行比对，当建筑基坑稳固评估指数超过预设阈值，则生成基坑稳固警示信息并向工作人员展示；当建筑基坑稳固评估指数未超过预设阈值，则无动作并继续保持监测。
9.一种建筑基坑远程监测电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311747749.8A CN117419773B (zh) | 2023-12-19 | 2023-12-19 | 一种建筑基坑远程监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311747749.8A CN117419773B (zh) | 2023-12-19 | 2023-12-19 | 一种建筑基坑远程监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117419773A true CN117419773A (zh) | 2024-01-19 |
| CN117419773B CN117419773B (zh) | 2024-03-19 |
Family
ID=89527040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311747749.8A Active CN117419773B (zh) | 2023-12-19 | 2023-12-19 | 一种建筑基坑远程监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117419773B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19921256A1 (de) * | 1999-05-07 | 2000-11-09 | Geso Ges Fuer Sensorik Geotech | Verfahren und Vorrichtung zum, auch permanenten und automatischen, Monitoring von Temperaturverteilungen und/oder Temperaturanomalien auf der Basis verteilter faseroptischer Temperatursenorik sowie Anwendungen derartiger Verfahren |
| CN109543237A (zh) * | 2018-10-29 | 2019-03-29 | 苏州科技大学 | 基于ga-bp神经网络的基坑位移预测方法 |
| CN113792372A (zh) * | 2021-09-28 | 2021-12-14 | 苏州大学 | 一种基于cv-lstm组合模型的地连墙变形动态预测方法 |
| CN115638833A (zh) * | 2022-12-23 | 2023-01-24 | 保定网城软件股份有限公司 | 一种监控数据处理方法及系统 |
| CN116050281A (zh) * | 2023-02-24 | 2023-05-02 | 上海澄域岩土科技有限公司 | 一种基坑变形监测方法及系统 |
| CN116233191A (zh) * | 2023-03-06 | 2023-06-06 | 中核大地勘察设计有限公司 | 一种智能化基坑监测系统 |
| CN116805441A (zh) * | 2023-07-20 | 2023-09-26 | 中煤航测遥感集团有限公司 | 一种基坑监测的预警方法、装置、电子设备及存储介质 |
-
2023
- 2023-12-19 CN CN202311747749.8A patent/CN117419773B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19921256A1 (de) * | 1999-05-07 | 2000-11-09 | Geso Ges Fuer Sensorik Geotech | Verfahren und Vorrichtung zum, auch permanenten und automatischen, Monitoring von Temperaturverteilungen und/oder Temperaturanomalien auf der Basis verteilter faseroptischer Temperatursenorik sowie Anwendungen derartiger Verfahren |
| CN109543237A (zh) * | 2018-10-29 | 2019-03-29 | 苏州科技大学 | 基于ga-bp神经网络的基坑位移预测方法 |
| CN113792372A (zh) * | 2021-09-28 | 2021-12-14 | 苏州大学 | 一种基于cv-lstm组合模型的地连墙变形动态预测方法 |
| CN115638833A (zh) * | 2022-12-23 | 2023-01-24 | 保定网城软件股份有限公司 | 一种监控数据处理方法及系统 |
| CN116050281A (zh) * | 2023-02-24 | 2023-05-02 | 上海澄域岩土科技有限公司 | 一种基坑变形监测方法及系统 |
| CN116233191A (zh) * | 2023-03-06 | 2023-06-06 | 中核大地勘察设计有限公司 | 一种智能化基坑监测系统 |
| CN116805441A (zh) * | 2023-07-20 | 2023-09-26 | 中煤航测遥感集团有限公司 | 一种基坑监测的预警方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117419773B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dunn et al. | Fragility curves for assessing the resilience of electricity networks constructed from an extensive fault database | |
| CN102044094B (zh) | 线路巡检管理系统及方法 | |
| CN109064037B (zh) | 基坑施工风险管控方法、系统和设备 | |
| CN102330645A (zh) | 一种风电机组结构健康监测系统及其方法 | |
| CN109708688A (zh) | 一种历史文化建筑安全监测与预警系统及方法 | |
| Douard et al. | A probabilistic approach to introduce risk measurement indicators to an offshore wind project evaluation–improvement to an existing tool ecume | |
| KR101660102B1 (ko) | 용수량 수요 예측 장치 | |
| CN206627815U (zh) | 一种海上风电基础结构远程监控系统 | |
| Prakash et al. | Recent advancement of concrete dam health monitoring technology: a systematic literature review | |
| CN113155071A (zh) | 一种基坑边坡水平位移安全监测系统 | |
| CN115329812A (zh) | 一种基于人工智能的道路基础设施异常监测方法 | |
| CN116341272A (zh) | 一种用于配网工程数字化的施工安全风险管控系统 | |
| JP6373682B2 (ja) | 風力発電設備の応力推定装置および風力発電設備の応力推定方法、風力発電システム | |
| CN117419773B (zh) | 一种建筑基坑远程监测方法及系统 | |
| CN114357567A (zh) | 基于bim的风振监测、系统、存储介质及计算机设备 | |
| CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
| CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
| JP2006221402A (ja) | 地下水開発施設における地下水管理システム | |
| CN117390387A (zh) | 一种基于lstm模型的河道水位预测方法及系统 | |
| CN116591768A (zh) | 一种基于分布式网络的隧道监测方法、系统及装置 | |
| Gidon et al. | Bi-Directional LSTM Model for Accurate and Real-Time Landslide Detection: A Case Study in Mawiongrim, Meghalaya, India | |
| Peterson | Predicting and managing risk to bats at commercial wind farms using acoustics | |
| JP2020183956A (ja) | モニタリング装置および健全度モニタリングシステム | |
| Gorton et al. | Contributing to Long-term Wind Resource Characterization through Buoy-based Observations of Meteorological and Oceanographic Conditions | |
| KR100658494B1 (ko) | 사면 계측 장치, 계측 시스템 및 계측 방법 |
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 |