一种大批量混凝土搅拌桩质量快速评估方法技术

本发明专利技术提出了一种大批量混凝土搅拌桩质量快速评估方法，解决了混凝土搅拌桩桩体质量评估效率低，评估实时性差的问题。具体方法如下：基于已有工程数据构建分布式数据集。基于Spark平台构建分布式计算模型，对分布式数据集训练分布式核主成分分析，得到低维数据集，并得到多组DKPCA模型；随后在Spark平台上，用该分布式低维数据集训练RBF神经网络。评估时采用Kafka传递实时数据，将待评估样本通过分布式KPCA模型处理后，通过RBF神经网络转换得到评估结果。该分布式系统能够实现大规模高流速数据的低延迟质量评估，并对桩机运行参数调节给出实时建议。考虑到施工工艺对桩体质量有较大影响，将打桩工艺参数化后纳入模型中，提高模型的真实性与可靠性。高模型的真实性与可靠性。高模型的真实性与可靠性。

【技术实现步骤摘要】
一种大批量混凝土搅拌桩质量快速评估方法


[0001]本专利技术涉及混凝土成桩领域，具体涉及一种大批量混凝土搅拌桩质量快速评估方法。

技术介绍

[0002]作为建筑行业的基础，桩基工程的稳定与坚固极为重要，根基不牢固将导致极为危险的建筑事故。因此，对成桩的质量分析与评估是尤为重要的一环。对桩基的质量检测，目前国内外使用较为普遍的技术有：低应变反射波法、低应变动力试桩法、静荷载试验法、声波透射法和基于BP神经网络的桩基检测等。前面的方法的固有缺陷是，需要耗费大量的试验成本，甚至需要对桩体进行采样测试，导致大规模的检测效率低下，检测较为片面，也无法反应整体的成桩质量；而基于BP神经网络的模型容易陷入局部最优，且收敛速度较慢。
[0003]针对以上问题，这里提出基于Spark分布式架构搭建系统，实现分布式KPCA降维，并使用Gustafson
‑
Kessel聚类结合RBF神经网络模型来实现搅拌桩质量的评估。该方法可以更加稳定和快速的评估水泥搅拌桩的质量，且具有实时性，对桩基工程有极大的意义。
专利技术内容
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大批量混凝土搅拌桩质量快速评估方法，其特征在于：首先基于已有的数据，构建分布式数据集；然后基于Spark平台构建分布式KPCA模型对数据集进行降维处理，并建立分布式RBF神经网络预测模型，利用聚类算法得到网络模型的隐含层节点，并用已有数据集对网络进行训练得到隐含层到输出层的权重；最后将待评估数据流作为输入，得到的输出即为评估结果。2.如权利要求1所述的一种大批量混凝土搅拌桩质量快速评估方法，其特征在于，具体包括如下步骤：步骤1：基于已有的数据，构建分布式数据集，原始数据集包含以下多个有效的特征列：经度Longitude，纬度Latitude，运行时长Time，期望长度ExpectedLength，实际长度RealLength，喷浆时间SprayTime，总浆量TotalSlurry，总灰量TotalConcrete，上升速度UpSpeed，下降速度DownSpeed，内电流Incurrent，外电流OutCurrent，垂直度Verticality，状态State，评分Score，标签Label；这里对数据集进行预处理；首先遍历数据集，去除超过两个缺失值的数据行以及缺失值比率超过10％的特征列；随后采用低方差滤波、高相关滤波算法对数据进行特征选择，滤除方差小，隐含信息少的特征；对相关度高的多个特征列，保留其中之一；最后对数据集的缺失值进行填充；这里采用均值填充法，计算原始数据集下该列的已有数据的均值，并填充缺失空行；最后对数据集随机采样，取出30％数据隐去标签，作为测试集；步骤2：构建分布式KPCA模型进行数据降维处理；步骤3：构建分布式RBF神经网络的质量评估模型，并采用Gustafson
‑
Kessel算法聚类求得RBF神经网络的隐含层；步骤4：判断聚类结果是否稳定，稳定则训练结束，否则转步骤3；步骤5：使用测试数据集对RBF神经网络模型进行训练，得到隐含层到输出层的权重，确定了该权重，即可由输入得到预测结果，此时模型训练完毕；步骤6：用Kafka中间件传递待评估实时桩机参数，经过分布式KPCA模型后，再通过RBF...

【专利技术属性】
技术研发人员：秦文虎，季书涵，孙立博，
申请(专利权)人：东南大学，
类型：发明
国别省市：