The invention discloses a ground subsidence prediction system and method based on support vector machines, which is mainly used to solve the requirement that the supporting system can not cope with the mass data during the shield construction process. The system includes Hadoop data analysis platform, data collection module, data processing module, model, settlement prediction module, prediction method, the preprocessing denoising clustering algorithm is proposed to estimate the confidence interval and Yidala criterion based on abnormal point detection; build prediction model, iterative weight vector calculation process is the average values of N partition are updated, this strategy and stochastic gradient descent combination, enhance the training speed. The invention has the ability to store and analyze massive data redundancy and high performance ability, data analysis with real-time and high efficiency, is used to predict the ground settlement of shield tunnel construction, and provide a reference basis for the adjustment of project management personnel and operation personnel.
【技术实现步骤摘要】
基于支持向量机的地面沉降预测系统和方法
本专利技术属于工业大数据
,尤其涉及地铁盾构施工领域的地面沉降预测,具体是一种基于支持向量机的地面沉降预测系统和方法,可用于对盾构施工过程中地面沉降量的预测。
技术介绍
城市化建设是我国基础建设重要组成部分。近年来,随着经济的发展,我国城市化建设进程不断加快,城市地下空间开发和利用发展迅速,隧道工程项目大批量产生,以盾构施工工法为代表的地下工程已成为城市地下建设的主要方式。所谓的地面沉降预测是指,对以盾构法施工的地下空间工程为背景的施工过程中因地层移动而导致地面隆起或沉降程度的预测,施工过程中的地面沉降量是施工质量监测的重要指标。但是受施工环境和水文条件的限制,以及盾构机自身机构的复杂性,及时对盾构施工过程中的沉降量进行准确、智能的预测是目前亟需解决的难点。地下工程施工过程必然会造成地层的初始应力状态、岩土体的物理力学性能的改变,进而影响周围的环境。当地层移位和变形超过一定的限度时,就会危机周围邻近建筑物及其基础和地下管线的安全,引起一系列的岩土环境工程问题,如塌陷、涌水、涌砂现象,可能造成地表建筑物损坏,地面管线断裂等。由于盾构法施工主要针对地铁工程建设,工程穿过的地区多是城市繁华地段,对环境影响的要求较高,最大限度降低施工对周围土体的影响,减小施工对邻近建筑物及管线的影响,合理控制施工引起的地表沉降,及时准确、智能的预测地面沉降量具有重大的工程意义。现有的地面沉降预测都是在单机下用R或MATLAB等进行建模分析,数据分析效率慢,遇到数据量增大时时常会宕机,导致系统无法运行,从而影响工程质量和施工进度。在地铁 ...
【技术保护点】
一种基于支持向量机的地面沉降预测系统,其特征在于,包括Hadoop大数据分析平台、数据收集模块、数据预处理模块、模型构建模块、沉降预测模块,数据收集模块、数据预处理模块、模型构建模块、沉降预测模块均是基于Hadoop大数据分析平台进行运行,所述Hadoop大数据分析平台主要包括有HDFS分布式文件系统子模块、MapReduce计算框架子模块;数据存储模块是将采集的原数据分别存储到HDFS分布式文件系统子模块中;数据预处理模块和模型构建模块是依据MapReduce计算框架子模块的分析模式进行数据预处理和模型构建;沉降预测模块是将构建的预测模型进行与Hadoop平台兼容的接口封装,接口以API的形式提供应用链接,将预测结果输出。
【技术特征摘要】
1.一种基于支持向量机的地面沉降预测系统,其特征在于,包括Hadoop大数据分析平台、数据收集模块、数据预处理模块、模型构建模块、沉降预测模块,数据收集模块、数据预处理模块、模型构建模块、沉降预测模块均是基于Hadoop大数据分析平台进行运行,所述Hadoop大数据分析平台主要包括有HDFS分布式文件系统子模块、MapReduce计算框架子模块;数据存储模块是将采集的原数据分别存储到HDFS分布式文件系统子模块中;数据预处理模块和模型构建模块是依据MapReduce计算框架子模块的分析模式进行数据预处理和模型构建;沉降预测模块是将构建的预测模型进行与Hadoop平台兼容的接口封装,接口以API的形式提供应用链接,将预测结果输出。2.根据权利要求1所述的基于支持向量机的地面沉降预测系统,其特征在于,数据收集模块包括确定数据收集范围子模块和数据存储子模块,数据收集范围子模块是通过对盾构施工过程中的机理分析,确定特征变量,采集相应的机器运行数据、施工地质数据和施工环境数据;数据存储子模块是将已经采集的特征数据存储到Hadoop平台的分布式文件系统上。3.根据权利要求1所述的基于支持向量机的地面沉降预测系统,其特征在于,数据预处理模块包括清洗处理子模块、去噪处理子模块、归一化处理子模块和降维处理子模块;清洗处理子模块是检测并填充原数据中的空值;去噪处理子模块是对清洗处理子模块处理后数据中的异常点进行剔除;归一化处理子模块是将清洗处理子模块、去噪处理子模块处理后的数据映射到[0,1]区间内;降维处理子模块是将清洗处理子模块、去噪处理子模块、归一化处理子模块处理后的高维特征映射成低维特征。4.根据权利要求1所述的基于支持向量机的地面沉降预测系统,其特征在于,模型构建模块是基于数据收集模块的海量数据和Hadoop平台计算框架,利用批量并行化梯度下降算法对支持向量机的权值向量进行迭代求解,构建出地面沉降预测模型。5.根据权利要求1所述的基于支持向量机的地面沉降预测系统,其特征在于,所述的地面沉降预测模型是,其中x是输入变量,ω是权值向量,m是特征变量的个数,是截距值,权值向量ω是在支持向量机算法中用批量并行化梯度下降策略迭代计算获得。6.一种基于支持向量机的地面沉降预测方法,在权利要求1-5所述的基于支持向量机的地面沉降预测系统上运行,其特征在于,实现地面沉降预测过程包括有如下步骤:(1)搭建Hadoop大数据平台:根据盾构施工分析业务需求确定Hadoop大数据平台规模,包括确定节点数目和节点间的拓扑结构,然后在各节点安装配套工作环境,包括linux系统安装、节点网络配置、SSH无密码验证配置、Java环境安装、Hadoop集群安装,确定主节点与从节点,主节点只有一个;安装完成后,通过主节点控制其他从节点的启动、运行和管理,主节点实现任务的提交和分发,从节点具体运行实施;(2)收集构建模型所需的数据,数据主要分为三类,盾构机的运行数据由部署在机器上的传感器获取,依次传入下位机,上位机,以及本地存储中心,最后存储到HDFS分布式文件系统子模块中,地质数据通过地质勘探报告获...
【专利技术属性】
技术研发人员:孔宪光,常建涛,王佩,冯尓磊,刘尧,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。