System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及隧道变形预测,更具体地说,它涉及一种隧道变形预测方法、系统、设备及介质。
技术介绍
1、在隧道施工过程中,要穿越许多不同的地层,工程地质条件复杂多变,有可能会出现塌方、涌水、大变形等问题,除了对隧道进行结构设计、施工方案、养护维修的研究外,还需要从隧道施工中的变形监测入手,来实现对隧道变形的预测,即通过对量测项目的选取、数据收集、分析,并反馈于施工和设计,对于保证隧道施工安全和节约工程费用具有十分重要的意义。
2、目前常用的隧道监测方法有水准测量法、三角高程测量法等,随着科技的进步,隧道监测新技术新新方法也不断涌现,如三维激光扫描法,自动化监测等;其中,自动化监测的在隧道监测中的应用越来越多,与传统人工监测相比,减少了人员操作,消除了偶然误差,并且大大降低了成本,具有数据采集自动化,数据处理集成化,数据发布便捷化等优点。但在隧道自动化监测过程中不可避免的会出现测点损坏、通讯中断和施工扰动等不确定性因素,容易导致监测数据出现数量大、种类多的污染问题,污染主要表现为数据缺失和数据粗差;因此,如何解决监测数据的污染问题,是实现隧道变形预测不可或缺的。
技术实现思路
1、本专利技术的目的在于提供一种隧道变形预测方法、系统、设备及介质,以解决上述
技术介绍
中存在的问题。
2、本专利技术的上述技术目的是通过以下技术方案得以实现的:
3、第一方面,本申请提供了一种隧道变形预测方法,包括以下具体步骤:
4、获取待测隧道每个隧道截面中各个监
5、对于每个缺失数据序列,根据缺失数据序列中数据缺失的数量,得到至少一个单值缺失序列,并根据单值缺失序列的序列区间,从多个完整数据序列中截取得到多个相同序列区间的区间对照序列;
6、对于每个单值缺失序列,利用与单值缺失序列对应的多个区间对照序列进行插值处理,并将插值处理得到的插值数据放入单值缺失序列中的数据缺失位置,得到各个监测点同一指标、同一时序内且均为无数据缺失的第一数据序列;
7、判断各个第一数据序列中是否存在粗差值,并将存在粗差值的第一数据序列剔除,得到各个监测点同一指标、同一时序内且均为无数据缺失和无粗差值的多个目标数据序列;
8、根据目标数据序列并利用预设的预测方法对待测隧道进行变形预测。
9、本专利技术的有益效果是:本方案中,通过对缺失的数据进行插值补充,以及判断各个完整的数据序列中是否存在粗差值,有效的解决了监测数据会存在不完整和粗差的问题,提高了隧道变形预测的精度;其中,对于每个存在数据缺失的序列,首先根据数据缺失的数量,并以此来截取序列的时间区间,保证在截取的区间内只存在一个数据缺失,这样在进行插值处理时,只针对单个进行插值处理,能够有效的提高插值的精度;对于单个数据序列中存在多个数据缺失的情况,可以采用单个数据插值的方式一一进行缺失数据的补充,这样可以使进行插值处理后得到的各个数据序列更加具有参考价值,为最终变形预测的精度奠定了数据基础。
10、在上述技术方案的基础上,本专利技术还可以做如下改进。
11、进一步,上述插值处理具体为:
12、根据单值缺失序列中的数据缺失位置,将多个区间对照序列中相同位置的数据剔除,得到每个区间对照序列的第一对照序列;
13、计算单值缺失序列与各个第一对照序列的相关性系数,并将相关性系数最大的第一对照序列确定为第二对照序列;
14、若第二对照序列的相关性系数满足第一预设条件,根据第二对照序列得到插值数据。
15、采用上述进一步方案的有益效果是:通过计算单值缺失序列与各个第一对照序列之间的相关性系数,具有不仅利用了数据值,还利用隐藏在数据值之下存在但无法准确阐述的物理联系,因此关联了与缺失数据观测点的变形趋势相关性最强的变形数据序列,对相关数据序列的对应位置进行插值处理,利用其插值与观测值的误差进一步优化缺值数据的误差;其中,通过综合考虑变形序列不同时刻变形值之间的自相关性,以及与测点位置相当的测点之间的相关性来刻画出缺失信息的特征,最终达到提高插值精度的目的。
16、进一步,上述相关性系数的目标函数通过第一公式表示,第一公式为:
17、
18、式中,表示单值缺失序列与第 i组第一对照序列的相关性系数, n表示单值缺失序列或第一对照序列中的数据个数, a表示单值缺失序列或第一对照序列中数据序号,表示单值缺失序列的平均值,表示第 i组第一对照序列的平均值,表示单值缺失序列中的第 a个元素,表示第 i组第一对照序列中的第 a个元素。
19、进一步,上述根据第二对照序列得到插值数据,具体为:
20、根据第二对照序列中数据剔除的位置,以该位置为中心并以预置的初始数据长度依次左右对称进行单步扩展,得到每次单步扩展后的多个第三对照序列;
21、将多个第三对照序列分别输入至预置的神经网络模型中进行处理,得到每个第三对照序列对应的数列插值;
22、根据各个数列差值,计算每个数列差值与对应的第二对照序列中剔除数据的第一差值,并将最小的第一差值确定为补偿差值;
23、将单值缺失序列输入至神经网络模型中进行处理,得到待插入单值缺失序列中数据缺失位置的第一插值,利用补偿差值对第一插值进行补偿,将补偿后的第一插值确定为插值数据。
24、进一步,上述判断各个第一数据序列中是否存在粗差值,具体为:
25、对多个第一数据序列依次进行抽值处理,得到进行抽值处理后的多个第二数据序列;
26、利用插值处理得到多个第二数据序列的第二插值,并计算各个第二插值与对应第一数据序列进行抽值处理的抽取数据的第二差值;
27、若第二差值满足第二预设条件,将满足第二预设条件的第二差值对应的第一数据序列判断为不存在粗差值;若不满足第二预设条件,则将对应的第一数据序列判断为不存在粗差值。
28、采用上述进一步方案的有益效果是:由于在隧道变形的自动化监测中,虽然一般会避免爆破等强震动施工对自动化监测影响,但在一些不可间断的工序、抢工期和抢险救灾等工程中会不可避免的影响自动化监测的精度,从而产生与实际工程情况明显不符的监测数据(粗差值),因此在将存在粗差值的数据进行剔除后,避免了与实际工程情况明显不符的数据而影响最终的变形预测,为增加变形预测的精度提供了条件。
29、进一步,上述第二预设条件具体为:
30、
31、式中,表示序号为 a的第二差值, n本文档来自技高网...
【技术保护点】
1.一种隧道变形预测方法,其特征在于,包括以下具体步骤:
2.根据权利要求1所述的一种隧道变形预测方法,其特征在于,所述插值处理具体为:
3.根据权利要求2所述的一种隧道变形预测方法,其特征在于,所述相关性系数的目标函数通过第一公式表示,所述第一公式为:
4.根据权利要求2所述的一种隧道变形预测方法,其特征在于,所述根据所述第二对照序列得到所述插值数据,具体为:
5.根据权利要求1-4中任一项所述的一种隧道变形预测方法,其特征在于,所述判断各个所述第一数据序列中是否存在粗差值,具体为:
6.根据权利要求5所述的一种隧道变形预测方法,其特征在于,所述第二预设条件具体为:
7.根据权利要求1所述的一种隧道变形预测方法,其特征在于,所述预测方法包括物理公式法、数值模拟法、数学算法和神经网络法中的至少一项。
8.一种隧道变形预测系统,应用于权利要求1-7中任一项所述的一种隧道变形预测方法,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种隧道变形预测方法,其特征在于,包括以下具体步骤:
2.根据权利要求1所述的一种隧道变形预测方法,其特征在于,所述插值处理具体为:
3.根据权利要求2所述的一种隧道变形预测方法,其特征在于,所述相关性系数的目标函数通过第一公式表示,所述第一公式为:
4.根据权利要求2所述的一种隧道变形预测方法,其特征在于,所述根据所述第二对照序列得到所述插值数据,具体为:
5.根据权利要求1-4中任一项所述的一种隧道变形预测方法,其特征在于,所述判断各个所述第一数据序列中是否存在粗差值,具体为:
6.根据权利要求5所述的一种隧道变形预测方法,其特征在于,所述...
【专利技术属性】
技术研发人员:刘志强,邢晓飞,师亚龙,裴涛涛,杨龙强,王彦杰,李飞,李海林,胡丁水,陈洋宏,
申请(专利权)人:中铁西南科学研究院有限公司,
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。