【技术实现步骤摘要】
PBA车站钢管柱结构变形预测方法、系统
[0001]本专利技术涉及地下工程结构变形监测
,尤其是PBA车站施工,具体为一种PBA车站钢管柱结构变形预测方法、系统。
技术介绍
[0002]车站,尤其是地铁车站,作为城市公共交通系统的重要组成部分,承载着大量的乘客和交通流量。为满足使用要求,采用PBA工法修建的多跨结构大型车站渐渐成为主流。在车站开挖过程中,钢管柱的变形一直是安全监测的重点。因此,能够预测车站在不同施工阶段的结构变形情况,并根据实际监测数据作出预警十分重要。
[0003]相关的传统方法中,车站的结构变形预测主要依赖于工程师的经验和基于物理原理的数值模拟方法。然而,这些方法存在一些局限性。首先,工程师的经验往往是有限的,无法考虑到所有可能的因素和复杂的相互关系。其次,基于物理原理的数值模拟方法需要大量的计算和复杂的参数设置,不仅耗时耗力,还存在模型误差和不确定性。
[0004]随着机器学习技术的快速发展,以机器学习为代表的人工智能算法在预测和分类等领域取得了巨大的成功。机器学习能够从大量的数据中学习并发现隐藏的模式和规律,从而做出准确的预测。因此,将机器学习应用于车站结构变形预测成为一种有前景的方法。基于机器学习的车站钢管柱结构变形预测方法可以利用历史结构变形数据和实时监测数据,通过构建预测模型来分析车站结构的变形情况。通过对大量数据的学习,机器学习模型能够捕捉到车站结构变形的规律和趋势,从而提前预测潜在的问题并采取相应的措施。此外,基于机器学习的方法还可以根据实时监测数据进行实时预测 ...
【技术保护点】
【技术特征摘要】
1.一种PBA车站钢管柱结构变形预测方法,其特征在于包括:步骤一:收集历史PBA车站钢管柱应变监测数据,得到历史车站数据集;步骤二:对所述历史车站数据集进行向量化处理,得到能够用于机器模型使用的特征;步骤三:将向量化处理后的历史车站数据集进行数据预处理;步骤四:采用全连接神经网络对预处理后的历史车站数据集进行特征提取,得到数据的特征向量;步骤五:基于特征提取后数据的特征向量,采用改进型随机森林预测算法进行模型训练,构建预测模型;步骤六:使用预测模型进行待预测PBA车站钢管柱结构变形预测。2.根据权利要求1所述的预测方法,其特征在于,步骤二中,所述向量化处理包括:将历史车站数据集中的文本特征进行向量化处理,并将向量化后的特征与其中的非文本特征组合。3.根据权利要求2所述的预测方法,其特征在于,所述将历史车站数据集中的文本特征进行向量化处理包括:对收集到的历史车站数据集中的文本特征,使用TF
‑
IDF向量化方法进行向量化处理,其中:TF公式表示如下:其中,n
i,j
表示词条t
i
在历史车站数据集d
j
中出现的次数,n
k,j
表示第k个词条在历史车站数据集d
j
中出现的次数,k的取值范围为[1,Ku],Ku为需要统计的词语的总数,TF
i,j
表示词条t
i
在历史车站数据集d
j
中出现的频率;对于某一特定词语的IDF
i
,由样本的总数除以包含该词语的样本的数目的商取对数得到:其中,IDF
i
即词条t
i
的逆文本频率指数,表示关键词的普遍程度,|n+m|表示所有样本的数量,|j:t
i
∈d
j
|表示包含词条t
i
的样本数量;因此,TF
‑
IDF表达为:其中,TF_IDF
i
为用于评估一字词对于一个历史车站数据集或一个语料库中的其中一个样本的重要程度系数;通过计算TF
‑
IDF系数,将文本特征转化为向量,公式如下:其中,X
vec
为向量化后的特征,X
all
为所有数据,TI表示TF
‑
IDF计算。4.根据权利要求1所述的预测方法,其特征在于,步骤三中,所述将向量化处理后的历史车站数据集进行数据预处理包括:
(1)缺失值的处理,对所述历史车站数据集中丢失的车站数据根据数据的重要性采取不同的措施,包括插值、删除;(2)异常数据的处理,对所述历史车站数据集中不合理的车站数据进行删除操作;(3)数据的归一化,对所述历史车站数据集中车站数据不同的数值范围和取值范围进行归一化操作,具体采用极差标准化方法对数据进行归一化:其中,x
min
、x
max
分别表示整体数据样本中的最小值和最大值,x
in
表示输入的车站数据,x
out
表示归一化后的车站数据。5.根据权利要求1所述的预测方法,其特征在于,步骤四中,所述采用全连接神经网络对预处理后的历史车站数据集进行特征提取包括:所述全连接神经网络为多层前馈神经网络,该网络有d个输入神经元、q个隐层单元和L个输出单元,隐含层第h个神经元的阈值为γ
h
,输出层第j个神经元的阈值为θ
j
,输入层第i个神经元与隐含层第h个神经元的连接权重为v
ih
,隐含层第h个神经元与输出层第j个神经元的连接权重为w
hj
;隐含层使用ReLU激活函数,表示如下:输出层使用Softmax函数,表示如下:其中v为d
×
q大小的权值矩阵,x为...
【专利技术属性】
技术研发人员:江华,张珂,张晋勋,武福美,殷明伦,安冬,孙晓鹏,张雷,
申请(专利权)人:北京城建集团有限责任公司,
类型:发明
国别省市:
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。