一种基于多参数变量的基坑变形量预警监测方法技术

本发明专利技术属于基坑变形监测技术领域，公开了一种基于多参数变量的基坑变形量预警监测方法，为了解决现有采用传感器来监测基坑变形量而存在着不能实现变形量的预警以及反馈指导基坑支护结构设计的问题。本发明专利技术利用以往的基坑的数据信息和该基坑变形量的监测数据信息、通过对不同变量的权重的调整，以构建相应的机器模型，从而利用机器模型来预测基坑的变形量，相比于现有技术利用传感器的被动式监测变形量的方式，本发明专利技术的变形量预测和预警具有主动性，不仅能够指导基坑支护结构的设计，便于优化基坑支护结构，同时对于基坑开挖、基坑开挖过程中的风险点具有较强的指导意义，提高基坑支护和开挖的安全性。坑支护和开挖的安全性。坑支护和开挖的安全性。

【技术实现步骤摘要】
一种基于多参数变量的基坑变形量预警监测方法


[0001]本专利技术属于基坑变形监测
，具体涉及一种基于多参数变量的基坑变形量预警监测方法。

技术介绍

[0002]建筑工程基坑支护结构和周围地表会因基坑开挖而出现变形，对周边建筑、地下管线、构筑物及道路的安全产生严重威胁。尤其部分深基坑工程处于城市市政设施及人员流动密集区域，因此更应严格要求深基坑的变形控制。
[0003]目前对于基坑变形量监测的方式主要采用传感器进行数据采集，并将传感器检测到的数据传输给控制器，控制器依照其设定的数值(即是否超出设定的范围)决定是否报警或者预警。
[0004]现有技术中关于利用传感器来监测基坑变形量的技术文献也较多，例如申请号为2019106463601公开了一种城市建筑基坑常规变形监测系统及方法，括基坑本体和支护结构，所述监测系统包括监测主机和若干个感应器，所述感应器设置在所述基坑本体或者所述支护结构中，所述感应器包括壳体，所述壳体内设置有活动件和用于感应所述活动件位置的感应件，所述感应件与所述监测主机电性连接。本专利技术的城市建筑基坑常规变形监测系统及方法，能够直接输出变形量的角度和方向，实现复杂度低、精度高。
[0005]又例如申请号为2019104831897公开了一种基坑变形监测方法及系统，设置一基准传感器网络和多个监测传感器网络；基准传感器网络的各传感器节点发送频率不同的两个无线电波给第一个监测传感器网络，其它监测传感器网络依次将自身的测量数据和接收到的测量数据发送给其后的监测传感器网络，直到最后一个监测传感器网络将所有测量数据发送至基准传感器网络；服务器接收基准传感器网络发送所有测量数据，并根据所有测量数据获取各监测传感器网络的中心点位置；服务器根据多次获取的各监测传感器网络的中心点位置，计算得到基坑的变形量。本技术通过传感器网络来监测基坑的变形，无需人工进行测量，且对安装条件要求不高，提高测量的便捷性。
[0006]又例如申请号为2021104700154公开了一种高精度城市建筑基坑常规变形监测系统及其监测方法，基坑包括基坑本体和支护结构，监测系统包括监测主机和若干个感应器，感应器设置在基坑本体或者支护结构中，感应器包括壳体，壳体内设置有活动件和用于感应活动件位置的感应件，感应件与监测主机电性连接；壳体呈管状并且垂直设置，壳体的上端和下端均封闭，壳体的上端穿设有连接管，用于连接感应件和监测主机的线缆从连接管中穿过；壳体内滑动设置有升降板，并且升降板与壳体的内壁紧密贴合，升降板与壳体的下端之间通过弹簧相连接，升降板与壳体的上端之间填充有保护液，该技术能够直接输出变形量的角度和方向，实现复杂度低、精度高。
[0007]又例如申请号为2021113986771公开了一种基坑深层土体变形监测装置及计算方法，监测装置,包括测量管体和应力传感器，测量管体的管壁具有一定厚度，测量管体内壁沿着测量管体长度方向等间距间隔设有多组应力传感器组，每组应力传感器组包括两个安
装高度一致的应力传感器；该计算方法,首先，在装置安装前测定每一节段的弯曲圆心所对应的角度以及对应的半径；然后，通过应力传感器是产生压应力或拉应力判断土体变形方向；最后，通过弧长公式换算得到土体变形量的大小。该技术能够直观显示深层土体变形的发展趋势，并能够实时测量深层土体变形量。
[0008]从上述举例的现有技术来看，目前基坑变形监测均是基于传感器的采集数据，从而获得基坑变形量。
[0009]然而，通过传感器采集监测数据仅仅是一个结果，对于引起基坑变形的因素指导意义不强，并且通过传感器监测的监测数据无法实现预警作用，无法对基坑支护结构的设计起到良好的反馈作用。

技术实现思路

[0010]本专利技术为了解决现有采用传感器来监测基坑变形量而存在着不能实现变形量的预警以及反馈指导基坑支护结构设计的问题，而提供一种基于多参数变量的基坑变形量预警监测方法，具备主动预测变形量的功能，从而对基坑支护结构设计和基坑开挖具有良好的指导和反馈作用。
[0011]为解决技术问题，本专利技术所采用的技术方案是：
[0012]一种基于多参数变量的基坑变形量预警监测方法，其特征在于，包括如下步骤：
[0013](1)收集以往基坑的数据信息以及记录该基坑变形量的监测数据信息，所述基坑的数据信息包括但不限于：基坑形状及大小、基坑深度、地质条件、该基坑的支护结构类型、支护结构的支撑能力、周边环境条件、基坑安全等级；所述监测数据信息包括但不限于：总变形量和传感器各个时间点采集的变形量、以及传感器布置的位置信息。
[0014](2)依照该基坑的地质条件以及该基坑的支护结构类型对基坑的数据信息和监测数据信息进行分类；并且至少分为土钉墙数据库、水泥土重力式挡墙数据库、型钢水泥土搅拌墙数据库、支挡式结构数据库、地下连续墙数据库。
[0015](3)将土钉墙数据库、水泥土重力式挡墙数据库、型钢水泥土搅拌墙数据库、支挡式结构数据库、地下连续墙数据库中的数据分别构建机器学习模型；即是说利用土钉墙数据库中的数据构建土钉墙
‑
机器学习模型；利用水泥土重力式挡墙数据库中的数据构建水泥土重力式挡墙
‑
机器学习模型；利用型钢水泥土搅拌墙数据库的数据构建型钢水泥土搅拌墙
‑
机器学习模型；利用支挡式结构数据库的数据构建支挡式结构
‑
机器学习模型；利用地下连续墙数据库的数据构建地下连续墙
‑
机器学习模型。
[0016](4)重新收集获得采集训练数据库，所述训练数据库至少包括土钉墙训练数据库、水泥土重力式挡墙训练数据库、型钢水泥土搅拌墙训练数据库、支挡式结构训练数据库、地下连续墙训练数据库。
[0017](5)将土钉墙训练数据库、水泥土重力式挡墙训练数据库、型钢水泥土搅拌墙训练数据库、支挡式结构训练数据库、地下连续墙训练数据库中的数据分别放进土钉墙
‑
机器学习模型、水泥土重力式挡墙
‑
机器学习模型、水泥土搅拌墙
‑
机器学习模型、支挡式结构
‑
机器学习模型、地下连续墙
‑
机器学习模型进行训练，从而获得土钉墙
‑
机器模型、水泥土重力式挡墙
‑
机器模型、水泥土搅拌墙
‑
机器模型、支挡式结构
‑
机器模型、地下连续墙
‑
机器模型。
[0018](6)将新建基坑的基坑的数据信息输入到相应的机器模型中输出该基坑对应的变形量。
[0019]在一些实施例中，在构建各个机器学习模型时，将基坑尺寸大小、基坑深度、基坑形状、周边环境条件、基坑安全等级作为变量，并不断调整变量的权重以获得最佳的机器学习模型。
[0020]在一些实施例中，将地质条件中的地下水位信息和温度信息也作为变量，在构建机器学习模型时并不断调整地下水位、温度的权重。即是说本专利技术中的地质条件中不仅包含了地层信息，还包含了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多参数变量的基坑变形量预警监测方法，其特征在于，包括如下步骤：(1)收集以往基坑的数据信息以及记录该基坑变形量的监测数据信息，所述基坑的数据信息包括但不限于：基坑形状及大小、基坑深度、地质条件、该基坑的支护结构类型、支护结构的支撑能力、周边环境条件、基坑安全等级；所述监测数据信息包括但不限于：总变形量和传感器各个时间点采集的变形量、以及传感器布置的位置信息；(2)依照该基坑的地质条件以及该基坑的支护结构类型对基坑的数据信息和监测数据信息进行分类；并且至少分为土钉墙数据库、水泥土重力式挡墙数据库、型钢水泥土搅拌墙数据库、支挡式结构数据库、地下连续墙数据库；(3)将土钉墙数据库、水泥土重力式挡墙数据库、型钢水泥土搅拌墙数据库、支挡式结构数据库、地下连续墙数据库中的数据分别构建机器学习模型；即是说利用土钉墙数据库中的数据构建土钉墙
‑
机器学习模型；利用水泥土重力式挡墙数据库中的数据构建水泥土重力式挡墙
‑
机器学习模型；利用型钢水泥土搅拌墙数据库的数据构建型钢水泥土搅拌墙
‑
机器学习模型；利用支挡式结构数据库的数据构建支挡式结构
‑
机器学习模型；利用地下连续墙数据库的数据构建地下连续墙
‑
机器学习模型；(4)重新收集获得采集训练数据库，所述训练数据库至少包括土钉墙训练数据库、水泥土重力式挡墙训练数据库、型钢水泥土搅拌墙训练数据库、支挡式结构训练数据库、地下连续墙训练数据库；(5)将土钉墙训练数据库、水泥土重力式挡墙训练数据库、型钢水泥土搅拌墙训练数据库、支挡式结构训练数据库、地下连续墙训练数据库中的数据分别放进土钉墙
‑
机器学习模型、水泥土重力式挡墙
‑
机器学习模型、水泥土搅拌墙
‑
机器学习模型、支挡式结构
‑
机器学习模型、地下连续墙

【专利技术属性】
技术研发人员：彭涛，高晓峰，邓安，杨林，廖立国，
申请(专利权)人：中冶成都勘察研究总院有限公司，
类型：发明
国别省市：