一种建筑物不均匀沉降的监测方法及系统技术方案

本发明专利技术属于沉降监测技术领域，涉及一种建筑物不均匀沉降的监测方法及系统，通过

【技术实现步骤摘要】
一种建筑物不均匀沉降的监测方法及系统


[0001]本专利技术属于沉降监测
，更具体地，涉及一种建筑物不均匀沉降的监测方法及系统
。

技术介绍

[0002]基础设施沉降是城市管理工作的重要内容之一，它是土层内部压缩在地表的反映，虽然致灾缓慢，但一经形成，便极难恢复
。
随着城市化进程的加速，地面沉降造成的经济损失等危害逐渐凸显，并伴有城市经济越发达，地面沉降危害越严重的现象
。
[0003]随着城市建设的发展
,
高层建筑成为近年来发展较快的系统工程之一
,
沉降监测成为其安全施工的必要措施由于复杂的工程地质条件等众多因素的影响
,
要求对大量离散的
、
随机性的监测数据进行处理
,
寻求其中的规律
,
尤其对沉降监测数据进行预报显得更为重要时间序列被广泛应用于对这类数据的建模和预报
,
利用现代统计学和信息处理技术寻求随机事件的统计规律
.
但时间序列主要是针对平稳时序进行建模和预测的
,
而实际的高层建筑沉降监测数据一般属于具有趋势值的非平稳时间序列
,
无法直接建立预测模型
,
主观性预测的外延性也不好
。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种建筑物不均匀沉降的监测方法，包括如下步骤：
S1、
通过
GNSS
>监测装置在不同时间点监测建筑物沉降形变量，构成沉降形变数据序列；
S2、
利用曲线拟合法描述离散点数据之间的函数关系，对数据序列进行筛选，形成标准沉降数据序列；
S3、
使用时变模型对标准沉降数据序列进行趋势值的提取；
S4、
使用提取的趋势值通过
RBF
神经网络进行沉降量预测并输出；
S5、
对输出的沉降预测序列进行一致性处理，获得一致性处理后的沉降预测序列，并形成沉降表格
。
[0005]进一步地，步骤
S2
中，设某一监测点在
m
个不同时间点的沉降观测数据序列为
l={l1，
l2， …
，
l
i
，
…
l
m
},
第
i
个时间点
t
i
的观测数据
l
i
的展开式为： （1）；式中
,n
为多项式拟合的次数
,a0，
a1，
a2， …
，
a
n
为展开式系数，将
m
个不同时间点的沉降观测数据序列展开式转换为矩阵
L
表达式为：
L=BX
；结合最小二乘原理可得多项式拟合的方程系数
,
即：
X=(B
T
B)
‑1B
T
L
；将求解出的方程系数
a0,a1,
…
,a
n
代入式
(1)
，得到基于曲线拟合方程模型
。
[0006]进一步地，对不符合该曲线拟合方程的时间点的沉降观测数据进行剔除，保留符
合该曲线拟合方程的时间点的沉降观测数据，形成标准沉降数据序列为：；
M
表示标准沉降数据个数，为第
k
个标准沉降数据
。
[0007]进一步地，第
k
个标准沉降数据和第
k
‑1个标准沉降数据与之间的时距为
t
k
‑
t
k
‑1,
其中
t
k
为与之间的总时间间隔
,
则第
k
个标准沉降数据的一次累加式为：
=
，
k=1
；
=,k≥1
；其中，为的一次累加，为的一次累加；时变模型为：；；其中，
x1为的趋势值，
a
，
u
为待辨识参数
。
[0008]进一步地，步骤
S4
中，将单位时间间隔内的
P
个趋势值作为模型输入序列
x
（1）
(I)
：
I=1,2,
…
，
P
；
P
为样本个数；对输入序列
x
（1）
(I)
作二次预测，生成二次预测序列
x
（2）
(I)
，即：
,I=1,2,
…
，
P
；其中，
r
为迭代次数；总的累计沉降量
S(I)
：
S(I)=s(I)+s(0)=x
(2)
(I)+s(0)
；其中，
s(0)
为初始沉降量
。
[0009]进一步地，采用神经网络对总的累计沉降量
S(I)
进行预测，获得沉降预测序列；
RBF
神经网络的输出：
,J=1,2,
…
，
P
；式中，为沉降预测序列中的第
j
个元素，为第
q
个矢量的连接权值，
h
Jq
为第
q
个矢量的基函数；矢量总数为
Q。
[0010]进一步地，步骤
S5
中，沉降预测序列中的元素按照以下公式进行一致性处理，获得一致性处理后的沉降预测序列：；其中，为常数，为中的最大元素，为中的最小元素
。
[0011]本专利技术还提出了一种建筑物不均匀沉降的监测系统，用于实现建筑物不均匀沉降的监测方法，包括：
GNSS
监测装置
、
数据采集单元
、
数据处理单元
、
沉降预测单元和预测结果输出单元；
GNSS
监测装置在不同时间点监测建筑物沉降形变量
。
[0012]数据采集单元将不同时间点监测建筑物沉降形变量数据构成沉降形变数据序列，
并利用曲线拟合法描述离散点数据之间的函数关系，对数据序列进行筛选，形成标准沉降数据序列
。
[0013]数据处理单元，使用时变模型对标准沉降数据序列进行趋势值的提取
。
[0014]沉降预测单元，使用提取的趋势值通过
RBF
神经网络进行沉降量预测并输出
。
[0015]预测结果输出单元，对沉降预测单元输出的沉降预测序列进行一致性处理，获得一致性处理后的沉降预测序列，并形成沉降表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种建筑物不均匀沉降的监测方法，其特征在于，包括如下步骤：
S1、
通过
GNSS
监测装置在不同时间点监测建筑物沉降形变量，构成沉降形变数据序列；
S2、
利用曲线拟合法描述离散点数据之间的函数关系，对数据序列进行筛选，形成标准沉降数据序列；
S3、
使用时变模型对标准沉降数据序列进行趋势值的提取；
S4、
使用提取的趋势值通过神经网络进行沉降量预测并输出；
S5、
对输出的沉降预测序列进行一致性处理，获得一致性处理后的沉降预测序列，并形成沉降表格
。2.
根据权利要求1所述的建筑物不均匀沉降的监测方法，其特征在于，步骤
S2
中，设某一监测点在
m
个不同时间点的沉降观测数据序列为
l={l1，
l2，
…
，
l
i
，
…
l
m
},
第
i
个时间点
t
i
的观测数据
l
i
的展开式为：（1）；式中
,n
为多项式拟合的次数
,a0，
a1，
a2，
…
，
a
n
为展开式系数，将
m
个不同时间点的沉降观测数据序列展开式转换为矩阵
L
表达式为：
L=BX
；；其中
B
为时间点矩阵，
X
为系数矩阵；结合最小二乘原理可得多项式拟合的方程系数
,
即：
X=(B
T
B)
‑1B
T
L
；将求解出的方程系数
a0,a1,
…
,a
n
代入式
(1)
，得到基于曲线拟合方程模型
。3.
根据权利要求2所述的建筑物不均匀沉降的监测方法，其特征在于，对不符合该曲线拟合方程的时间点的沉降观测数据进行剔除，保留符合该曲线拟合方程的时间点的沉降观测数据，形成标准沉降数据序列为：；
M
表示标准沉降数据个数，为第
k
个标准沉降数据
。4.
根据权利要求3所述的建筑物不均匀沉降的监测方法，其特征在于，第
k
个标准沉降数据和第
k
‑1个标准沉降数据与之间的时距为
t
k
‑
t
k
‑1,
其中
t
k
为与之间的总时间间隔
,
则第
k
个标准沉降数据的一次累加式为：
=
，
k=1
...

【专利技术属性】
技术研发人员：余忠祥，周圆圆，周宗强，汪继葵，程伟仙，方超杰，
申请(专利权)人：天津风霖物联网科技有限公司，
类型：发明
国别省市：