【技术实现步骤摘要】
本专利技术涉及盾构监测，具体说是一种盾构管片开裂监测预测方法。
技术介绍
1、随着城镇化进程加速和城市规模成倍扩大，城市交通需求与基础设施落后之间的矛盾日益突出，地铁因其快速、高效、节能、准时等优势，成为改善城市交通的最佳利器。促使地铁和城市可持续发展，就需要隧道工程的性能安全稳定、质量可靠，管片是隧道工程质量安全的重要结构保障，不仅承受各种车辆和水土压力等，同时还起到抵御有害物质的侵蚀，管片一旦出现裂缝将影响到管片的使用功能和服役期限，若裂缝过大会发生管片开裂，引发渗水，严重时将会影响其耐久性，甚至线路运营的平稳性和安全性。
2、盾构管片开裂一般和管片生产质量或管片拼装质量有关，因此开裂位置主要分为管片纵缝开裂、管片环缝开裂、管片边角开裂、管片环向螺栓孔处砼开裂等情况，造成管片开裂的原因包括盾构姿势与管片姿势出现偏差，管片的环面与盾构推进方向存在夹角，其合力作用方向部位的管片发生开裂，或者工人经验不足，管片错台大，在管片边角或在螺栓孔处破裂等复杂原因。
3、因此，如何准确地对盾构管片的开裂预测，并且及时采取有效的修补措施，成为了重要的研究方向。目前，对盾构管片的变形开裂的研究大多集中在理论研究、数值模拟和现场试验，缺少管片开裂的预测研究。
技术实现思路
1、为解决目前盾构管片的变形开裂的研究大多集中在理论研究、数值模拟和现场试验阶段，缺少管片开裂的预测，无法对盾构管片的变形开裂进行提前预防或对开裂管片及时修补的问题，本专利技术的目的是提供一种盾构管片开裂监
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、一种盾构管片开裂监测预测方法，包括以下步骤：首先，通过两个倾角传感器测量管片变形的数据，筛选出管片变形异常值数据，收集隧道地质数据geo和盾构机机器数据mec；其次，采用四分位距法对筛选出的的管片变形异常值数据进行预处理，采用主成分分析法对隧道地质数据进行特征降维，采用r-relieff算法对盾构机机器数据进行特征工程制作数据集；最后，基于盾构管片开裂预警监控系统及评估方法，采用xgboost算法建立评估模型并训练，实现对拼装式管片开裂实时评估。优选的，通过倾角传感器测量管片变形的数据时，将两个倾角传感器粘贴在管片拼接处两侧或者管片中易产生裂缝的位置，测量管片变形的数据，将两个倾角传感器测得的管片变形量的差值记为
4、优选的，所述隧道地质数据geo包括密度、压缩模量、粘聚力和内摩擦角，所述盾构机机器数据mec包括推进参数、刀盘参数和注浆参数；评估管片变形的数据集表示为
5、优选的，采用四分位距法对筛选出的的管片变形异常值数据进行预处理的步骤是：
6、①把所有数值按照从小到大排列并分成四等份，处于三个分割点位置的数值为四分位数：第一四分位数q1，等于该样本中所有数值由小到大排列后第25％的数字；第二四分位数q2，等于该样本中所有数值由小到大排列后50％的数字；第三四分位数q3，等于该样本中所有数值由小到大排列后第75％的数字，q3与q1的差距又称为四分位距iqr；
7、②筛选异常值，得到管片变形异常量根据iqr确定数值样本的上界u和下界l，超出上界或下界的样本被定义为异常值，如式(1)所示：
8、iqr＝q3-q1
9、l＝q1-1.5×iqr (1)
10、u＝q3+1.5×iqr
11、优选的，主成分分析法的计算过程包括以下步骤：
12、①将n个地层参数记为x1,x2,x3,…,xn，所有地层参数所组成的向量可记为x＝[x1,x2,x3,…,xn]，当数据样本为m时，x记为：
13、
14、②然后根据式3计算x的协方差矩阵∑＝cov(x)
15、
16、③对每一个地层参数进行标准化处理，标准化后得到的协方差矩阵包含了所有地层参数的相关性指标ρ(xi,xj)；
17、④对x进行线性变换，用f表示，即得f＝ux，要保证f的各个变量之间相互独立，则有：
18、cov(f)＝cov(ux)＝ucov(x)u′＝λ (4)
19、⑤原始地层参数形成新的综合指标f表示为：
20、
21、其中，f1,f2…fk为原始地层参数的第1，2，…，k个主成分，根据方差贡献率选择主成分(方差贡献率是指该主成分占总方差的比例，代表了对原始数据的解释能力)，降维后的地质参数记为feageo。
22、优选的，采用r-relieff算法对盾构机机器数据进行特征工程制作数据集包括以下步骤：
23、①随机选择一个样本ri；
24、②找到与样本ri同类的k个最近邻ij；
25、样本i与样本j的距离定义为d(i,j)，其公式为：
26、
27、其中，
28、
29、其中rank(ri,ij)是样本ri和ij构成矩阵的秩，σ是超参数；
30、diff(t,ri,ij)是样本ri和ij关于特征t的距离，其定义为：
31、对于离散特征：
32、
33、对于连续特征：
34、
35、其中i1，i2是两个样本，value(t,i1)是指样本i1第t个特征的值，进行特征工程后的盾构机机器参数记为feamec。
36、优选的，所述基于盾构管片开裂预警监控系统及评估方法，采用xgboost算法建立评估模型并训练，实现对拼装式管片开裂实时评估的具体步骤包括：
37、①将得到的数据集进行数据集划分，训练集：测试集＝7：3；
38、②将训练集输入xgboost评估模型，以cart回归树作为其基础树模型，其目标函数定义如下：
39、
40、式中，i代表样本索引；n代表样本总量；yi代表真实值；代表预测值；fk代表第k棵决策树的叶子结点个数；fk(xi)代表第k棵决策树在第i个样本上的预测分数，即叶子权重；代表k棵决策树的叶子权重之和，也即xgboost的预测结果；
41、对于xgboost算法，新生成的树要对上一次预测的模型的残差进行拟合，即当生成t棵树时，预测分数为：
42、
43、此时目标函数为：
44、
45、接下来将目标函数进行最小化，xgboost的思路是通过其在l(t)＝0处的泰勒二阶展开取近似，即目标函数近似为：
46、
47、其中gi为一阶导数，hi为二阶导数：
48、
49、
50、③通过以上的算法原理建立基于xgboost的管片变形预测研究模型，实现对拼装式管片开裂实时评估。
51、本专利技术相比现有技术具有以下优点：
52、本专利技术的盾构管片开裂本文档来自技高网...
【技术保护点】
1.一种盾构管片开裂监测预测方法，其特征在于：包括以下步骤：首先，通过两个倾角传感器测量管片变形的数据，筛选出管片变形异常值数据，收集隧道地质数据Geo和盾构机机器数据Mec；其次，采用四分位距法对筛选出的的管片变形异常值数据进行预处理，采用主成分分析法对隧道地质数据进行特征降维，采用R-reliefF算法对盾构机机器数据进行特征工程制作数据集；最后，采用XGBoost算法建立盾构管片开裂预测模型并训练，实现对盾构管片开裂实时评估。
2.根据权利要求1所述的一种盾构管片开裂监测预测方法，其特征在于：通过倾角传感器测量管片变形的数据时，将两个倾角传感器粘贴在管片拼接处两侧或者管片中易产生裂缝的位置，测量管片变形的数据，将两个倾角传感器测得的管片变形量的差值记为
3.根据权利要求2所述的一种盾构管片开裂监测预测方法，其特征在于：所述隧道地质数据Geo包括密度、压缩模量、粘聚力和内摩擦角，所述盾构机机器数据Mec包括推进参数、刀盘参数和注浆参数；评估管片变形的数据集表示为
4.根据权利要求1所述的一种盾构管片开裂监测预测方法，其特征在于：采用四分位距
5.根据权利要求1所述的一种盾构管片开裂监测预测方法，其特征在于：主成分分析法的计算过程包括以下步骤：
6.根据权利要求1所述的一种盾构管片开裂监测预测方法，其特征在于：采用R-reliefF算法对盾构机机器数据进行特征工程制作数据集包括以下步骤：
7.根据权利要求1所述的一种盾构管片开裂监测预测方法，其特征在于：所述盾构管片开裂监测预测方法，采用XGBoost算法建立评估模型并训练，实现对拼装式管片开裂实时评估的具体步骤包括：
...【技术特征摘要】
1.一种盾构管片开裂监测预测方法，其特征在于：包括以下步骤：首先，通过两个倾角传感器测量管片变形的数据，筛选出管片变形异常值数据，收集隧道地质数据geo和盾构机机器数据mec；其次，采用四分位距法对筛选出的的管片变形异常值数据进行预处理，采用主成分分析法对隧道地质数据进行特征降维，采用r-relieff算法对盾构机机器数据进行特征工程制作数据集；最后，采用xgboost算法建立盾构管片开裂预测模型并训练，实现对盾构管片开裂实时评估。
2.根据权利要求1所述的一种盾构管片开裂监测预测方法，其特征在于：通过倾角传感器测量管片变形的数据时，将两个倾角传感器粘贴在管片拼接处两侧或者管片中易产生裂缝的位置，测量管片变形的数据，将两个倾角传感器测得的管片变形量的差值记为
3.根据权利要求2所述的一种盾构管片开裂监测预测方法，其特征在于：...
【专利技术属性】
技术研发人员：陈健，靳军伟，李秀东，李明宇，靳倩倩，舒计城，王志奎，安芳慧，周祥，滕卫，段其广，杜明哲，李义翔，
申请(专利权)人：中铁十四局集团有限公司，
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。