一种基于时空图卷积网络的基坑数据预测方法及系统技术方案

本发明专利技术公开了一种基于时空图卷积网络的基坑数据预测方法，包括以下步骤：获取历史基坑数据；对历史基坑数据进行处理，得到训练数据集；基于图神经网络，以双时间结构构建初始基坑数据预测模型；使用训练数据集对初始基坑数据预测模型进行训练，得到基坑数据预测模型；使用基坑数据预测模型，进行实际的基坑数据预测。本发明专利技术还公开了一种实现所述基于时空图卷积网络的基坑数据预测方法的系统。本发明专利技术方法通过将基坑数据特征处理构造为图结构，充分利用了传感器位置信息和基坑三维数据，有效捕捉了传感器之间的空间关联性；再通过多特征通道强化了模型的泛化能力，提高了模型预测的准确性；另外本发明专利技术还引入了注意力机制，进一步提升了预测的精度和效率。本发明专利技术方法使用了双时间结构，提高了模型在面对不同时间段预测的准确性。

【技术实现步骤摘要】

本专利技术属于基坑数据预测领域，具体涉及一种基于时空图卷积网络的基坑数据预测方法及系统。

技术介绍

1、基坑的安全监测无疑是建筑安全体系中至关重要的一环。在这一过程中，借助遍布于基坑四周的多个传感器观测点，我们能够全面、细致地监测诸如桩顶水平位移、地表沉降等关键数据。这些监测数据不仅具有高度的空间相关性，而且它们在时间维度上也呈现出紧密的联系，任何一项数据的微小变动都可能引发其他数据的连锁反应。例如，当地表沉降现象逐渐加剧时，桩顶的水平位移也会相应地发生变化，这种变化可能进一步影响基坑的整体稳定性。因此，基坑数据的精确预测是确保基坑工程安全的关键手段。通过准确预测基坑的各项关键数据，就可以及时发现潜在的安全隐患。这种预测能力使得我们能够提前采取必要的措施，有效避免潜在事故的发生，保障施工人员的安全，同时确保工程的顺利进行。

2、近年来，随着深度学习的发展和盛行，深度学习模型也用在了基坑数据的预测。lstm(long short-term memory，长短时记忆网络)凭借其对历史数据的长期依赖性，在基坑数据预测中展现出强大的潜力。目前基坑预测方本文档来自技高网...

【技术保护点】

1.一种基于时空图卷积网络的基坑数据预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于时空图卷积网络的基坑数据预测方法，其特征在于，步骤S1所述历史基坑数据来自不同基坑传感器，每个不同种类的基坑传感器检测不同的基坑特征；所述基坑特征包括桩顶水平位移、桩顶竖向位移、砼支撑轴力、钢支撑轴力、深层水平位移以及地表沉降。

3.根据权利要求2所述的基于时空图卷积网络的基坑数据预测方法，其特征在于，步骤S2具体为：由于基坑传感器的相关位置具有空间关联性，将检测基坑特征的传感器作为图的节点，将步骤S1所述的历史基坑数据的传感器网络抽象成一种图结构，其中每个节点对...

【技术特征摘要】

1.一种基于时空图卷积网络的基坑数据预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于时空图卷积网络的基坑数据预测方法，其特征在于，步骤s1所述历史基坑数据来自不同基坑传感器，每个不同种类的基坑传感器检测不同的基坑特征；所述基坑特征包括桩顶水平位移、桩顶竖向位移、砼支撑轴力、钢支撑轴力、深层水平位移以及地表沉降。

3.根据权利要求2所述的基于时空图卷积网络的基坑数据预测方法，其特征在于，步骤s2具体为：由于基坑传感器的相关位置具有空间关联性，将检测基坑特征的传感器作为图的节点，将步骤s1所述的历史基坑数据的传感器网络抽象成一种图结构，其中每个节点对应一个传感器的物理位置，引入多特征通道设计，构造得到历史基坑数据邻接矩阵网络，使用以下算式表示：

4.根据权利要求3所述的基于时空图卷积网络的基坑数据预测方法，其特征在于，所述初始基坑数据预测模型包括小时尺度预测部分、日尺度预测部分和加权合并模块；小时尺度预测部分专注于邻近时间段的基坑数据预测，日尺度预测部分专注于一天或若干天的...

【专利技术属性】
技术研发人员：熊政华，肖玲，邹容芳，郭佳静，郭煜，陈一夫，熊正清，张卓，张彬，廖雅，
申请(专利权)人：中建五局第三建设深圳有限公司，
类型：发明
国别省市：