【技术实现步骤摘要】
一种竖井开挖地表沉降监测数据的奇异值挖掘方法
[0001]本专利技术属于地表沉降监测
,具体涉及一种竖井开挖地表沉降监测数据的奇异值挖掘方法
。
技术介绍
[0002]在深竖井施工过程中,需要对竖井周边环境
、
地下水位
、
支撑轴力
、
结构及岩土体变形等进行监测,用于指导竖井施工和保障施工安全
。
监测数据的准确性和可靠性直接关系到竖井施工安全的准确判别和科学分析,是指引竖井安全施工的关键
。
但在实际施工过程中,监测点位
、
仪器等监测重要设施难免会受到施工机具
、
车辆
、
监测环境
、
监测人员和临近建筑施工等因素的影响,导致采集数据中存在一些与实际情况不符
、
与基本规律不符的奇异值,这些奇异值在一定程度上会影响结构
、
岩土体工作性态的科学分析,并影响竖井施工安全的准确判别和科学预测
。
因此,在将监测数据用于科学分析之前,往往需要对监测数据进行降噪
、
奇异值挖掘等预处理
。
[0003]奇异值是指偏离合理区间的数据,可以分为离群值和岐离值
。
离群值是指由于监测条件
、
观测
、
记录
、
计算等过程中的行为失误而导致的偏差,这种偏差没有实际意义,当偏差量较小时可以当作合理误差,当偏差量较大时则需要被剔 ...
【技术保护点】
【技术特征摘要】
1.
一种竖井开挖地表沉降监测数据的奇异值挖掘方法,其特征在于,包括以下步骤:
S1、
将竖井开挖地表沉降监测数据整理为时间序列数据和空间序列数据;
S2、
对于空间序列数据,采用地表变形偏态分布模型进行非线性回归分析,计算空间序列数据的偏态分布模型值;
S3、
计算空间序列数据与偏态分布模型值的残差平方和,并采用高斯
‑
牛顿迭代法逐步迭代,计算最优偏态分布模型参数,得到最优偏态分布模型;
S4、
计算空间序列数据与最优偏态分布模型的残差
d
i
与标准差
σ
;
S5、
对于时间序列数据,采用移动线性回归分析,计算时间序列数据的线性回归模型值;
S6、
计算时间序列数据与线性回归模型值之间的残差
d
j
和标准差
σ
'
;
S7、
判断空间序列数据与最优偏态分布模型的残差
d
i
是否大于
1.5
倍标准差
σ
,若是,则该空间序列数据为奇异值,进入步骤
S8
,否则直接进入步骤
S8
;
S8、
判断时间序列数据与线性回归模型值之间的残差
d
j
是否大于
1.5
倍标准差
σ
'
,若是,则该时间序列数据为奇异值,进入步骤
S8
,否则直接进入步骤
S9
;
S9、
判断奇异值的类型,若为离群值,则删除数据,若为岐离值,则分析奇异原因,完成奇异值挖掘
。2.
根据权利要求1所述的竖井开挖地表沉降监测数据的奇异值挖掘方法,其特征在于,所述步骤
S2
的具体步骤为:
S21、
对于空间序列数据,采用地表变形偏态分布模型,计算支护结构后地表任意点的沉降量;
S22、
采用一元非线性回归分析法,确定偏态分布模型的初始参数;
S23、
将初始参数输入支护结构后地表任意点的沉降量中,计算偏态分布模型的地表沉降,得到空间序列数据的偏态分布模型值
。3.
根据权利要求2所述的竖井开挖地表沉降监测数据的奇异值挖掘方法,其特征在于,所述步骤
S21
中支护结构后地表任意点的沉降量的表达式为:其中,
δ
(x)
表示支护结构后地表任意点的沉降量,
x
表示待求沉降点距竖井边的距离,
S
w
表示沉降曲线的包络面积,
exp(
·
)
表示自然指数函数,
x
m
表示最大沉降点距竖井边的距离,
w
表示经验系数
。4.
根据权利要求3所述的竖井开挖地表沉降监测数据的奇异值挖掘方法,其特征在于,所述步骤
S23
中空间序列数据的偏态分布模型值的表达式为:其中,
δ
i
(x
i
)
表示空间序列数据的偏态分布模型值,
x
i
表示第
i
个监测点距竖井边的距离,
S
w0
表示沉降曲线的初始包络面积,
w0表示初始经验系数,
x
m0
表示最大沉降点与竖井边距离的初始解
。
5.
【专利技术属性】
技术研发人员:杨志先,李鹏飞,王盼盼,廖周楷,唐芳,胡伟,陈周,李建清,裴建良,刘怀忠,谢红强,
申请(专利权)人:四川大学,
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。