一种竖井开挖地表沉降监测数据的奇异值挖掘方法技术

本发明专利技术公开了一种竖井开挖地表沉降监测数据的奇异值挖掘方法，包括以下步骤：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；计算空间序列数据的偏态分布模型值；计算最优偏态分布模型参数；计算空间序列数据与最优偏态分布模型的残差与标准差；计算时间序列数据的线性回归模型值；计算时间序列数据与线性回归模型值之间的残差和标准差；根据残差与标准差判断时间序列数据与空间序列数据是否为奇异值，若是，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

【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除
。
而岐离值是指由于监测传感器监测到的极端表现，例如竖井状态或紧临环境发生变化而引起的监测数据异常表现，岐离值是对竖井状态或紧邻环境动态演化规律的真实反映，不宜直接舍弃，应该分析背后的潜在成因，避免竖井状态突变引起的坍塌事故
。
[0004]学者们对深竖井和深施工监测数据的预处理算法进行了广泛的研究，取得了丰硕的研究成果
。
王世纪利用
Matlab
中的小波分析对上海某支撑轴力监测数据进行了降噪处理和异常值检测
。
沙梦宜基于全阶段空间变形相关系数，提出一种异常信息识别方法，并对武汉地铁某车站工程地连墙变形异常值进行了识别
。
郭松等采用
Grubbs
检验法对某一建筑物沉降监测异常值进行了剔除，并分析了是否剔除异常值对于沉降变形预测的影响
。
仲志煜采用加权移动极差法识别施工监测数据异常值，并采用
Daubechies
小波函数原理对监测数据进行降噪处理
。
李军
、
王涛等采用奇异谱分析法分解和重构原始监测数据，以实现原始数据的降噪处理
。
张茜采用数据挖掘技术和复杂网络的理论知识
,
发掘监测数据特征和工程风险事件之间的联系
。
王超等采用线性拟合控制图法及时发现监测数据异常点，对深桩锚支护体系的稳定性进行评价
。
[0005]上述研究主要针对地表沉降的时间序列数据奇异值进行挖掘，鲜有针对空间序列数据奇异值进行挖掘
。
然而受到各类地表扰动的影响，地表沉降监测数据的空间分布规律奇异性更大，给数据的科学分析带来的挑战更大
。

技术实现思路

[0006]本专利技术提供了一种竖井开挖地表沉降监测数据的奇异值挖掘方法，解决了现有技术主要针对地表沉降的时间序列数据奇异值进行挖掘，少有针对空间序列数据奇异值进行
挖掘，从而导致奇异值挖掘不够准确的问题
。
[0007]为了解决上述技术问题，本专利技术的技术方案为：一种竖井开挖地表沉降监测数据的奇异值挖掘方法，包括以下步骤：
[0008]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；
[0009]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；
[0010]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；
[0011]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
；
[0012]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；
[0013]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
'
；
[0014]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
；
[0015]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
；
[0016]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
。
[0017]本专利技术的有益效果是：通过地表沉降偏态分布模型进行非线性回归分析和移动线性回归分析，能很好地反映出竖井开挖地表沉降监测数据的时间序列数据和空间序列数据的总体变化趋势，并以监测数据残差大于
1.5
倍标准差为判断依据，能很好地判别监测数据中的奇异值，并且所提出的回归分析法能同时起到滤波降噪的作用，解决了现有技术主要针对地表沉降的时间序列数据奇异值进行挖掘，少有针对空间序列数据奇异值进行挖掘，从而导致奇异值挖掘不够准确的问题
。
[0018]进一步地，所述步骤
S2
的具体步骤为：
[0019]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；
[0020]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；
[0021]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
。
[0022]上述进一步方案的有益效果为：通过地表变形偏态分布模型进行监测数据的一元回归分析，能很好地反映地表沉降的总体变化趋势；以空间序列数据的偏态分布模型值为基础，能够有效地评价监测数据偏离沉降总体趋势的程度，从而筛选出奇异值
。
[本文档来自技高网...

【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：