一种上软下硬基坑吊脚桩锚索力智能预测方法及系统技术方案

本发明专利技术公开了上软下硬基坑吊脚桩锚索力智能预测方法及系统，包括通过布设在基坑中多种传感器采集基坑中的多元信息获得吊脚桩基坑监测信息序列，利用随机森林回归法对吊脚桩基坑监测信息序列建立回归模型，通过回归模型预测下一时刻的锚索力。本方法通过采集基坑中锚索力、地下水位、气温、基坑开挖一端距离锚索固定端的水平距离以及基坑开挖底部距离锚索固定端的竖向距离等信息，并通过上述信息建立锚索力的回归模型，通过该模型可以精确地预测下一时刻的锚索力，以保证基坑的施工安全。本发明专利技术并公开了上软下硬基坑吊脚桩锚索力智能预测系统，可以实现对基坑的锚索力精确地预测。

【技术实现步骤摘要】
一种上软下硬基坑吊脚桩锚索力智能预测方法及系统
本专利技术涉及基坑施工
，具体涉及上软下硬基坑吊脚桩锚索力智能预测方法及系统。
技术介绍
在上软下硬地层的基坑开挖施工过程中，围护桩的桩脚不是深入基坑底部，而是出于硬岩地层之中，悬于基坑侧壁的中部，形象地称为“吊脚桩”。吊脚桩围护结构节省了桩基施工工程量，具有很好的经济效益。但是，为了保护桩脚的稳定性，需要在预留合理岩肩宽度的基础上，采用锁脚锚索来进行桩脚的加固。锚索力的大小和变化反映了桩脚结构稳定程度，对于其进行预测是保证基坑结构稳定的关键。现阶段对锚索力的监测只能反映当前锚索的受力状态，尚缺乏锚索力的超前预测分析的方法。目前吊脚桩锚索力预测控制存在以下问题：1)由于地质水文条件的复杂性，锚索力也受到了温度、地下水、基坑开挖空间效应的诸多因素的影响，如何自动获得锚索力预测影响的信息是有待解决的关键问题。2)一般的时间序列预测机器学习模型存在过度拟合的问题，考虑的因素也往往限于单一信息的时间序列预测。如何选取合理的多因素时间序列预测预测模型是有待解决的问题。3)在预测基础上进行报警和控制的装置也需要开展。因此，针对上述问题本专利技术首先选取了影响上软下硬基坑吊脚桩锚索力的关键因素并建立了多元信息的自动监测装置。然后建立了基于多决策树的多因素时间序列综合预测模型。最后形成了预测报警流程和装置。
技术实现思路
本专利技术针对以上问题的提出了一种基于随机森林回归模型的上软下硬基坑吊脚桩锚索力智能预测方法。>本专利技术采用的技术手段如下：一种上软下硬基坑吊脚桩锚索力智能预测方法，包括以下步骤：步骤1：在上软下硬的吊脚桩基坑开挖过程中布设锚索计、水位计、温度计、水平激光测距仪以及竖直激光测距仪，用于每隔预设的时间间隔采集一组吊脚桩基坑监测信息获得吊脚桩基坑监测信息序列，所述吊脚桩基坑监测信息包括锚索力、地下水位、气温、基坑开挖一端距离锚索固定端的水平距离以及基坑开挖底部距离锚索固定端的竖向距离；步骤2：根据所述吊脚桩基坑监测信息序列建立具有n个样本的样本集，所述样本为以第h-1、h-2、h-3、…h-N时刻的吊脚桩基坑监测信息作为输入信号，以第h时刻的吊脚桩基坑监测信息的锚索力作为输出信号，h为吊脚桩基坑监测信息时刻序列号，N为样本的输入信号的数量，h＞N；步骤3：对所述样本集采用bootstrap抽样法进行有放回的抽样，获得K个样本数量为M的训练样本集和K个样本数量为n-M的测试数据集，每个样本数量为M的训练样本集为一棵决策树，对K棵决策树进行学习训练，测试数据集对决策树训练效果进行评价；步骤4：假设每个训练样本集有p个输入变量，从每棵决策树的每个内部节点随机抽取某个变量作为候补分枝变量，依据分枝优度准则选择最佳分枝；步骤5：每棵决策树内部的数据集从根部至叶子进行递归分枝，在回归模型中可按需求自由调节叶子尺寸，确保决策树生长和回归模型建立的准确度；步骤6：重复步骤3至步骤5产生了K棵决策树，将这K棵决策树建立随机森林回归模型，随机森林回归模型的回归预测效果通过K棵决策树对测试数据集预测平均误差率进行评价；步骤7：采集吊脚桩基坑最近时刻的吊脚桩基坑监测信息，并将最近时刻的吊脚桩基坑监测信息作为输入信息输入至随机森林回归模型，通过所述随机森林回归模型输出下一时刻的锚索力预测值。进一步地，还包括步骤8：判断下一时刻的锚索力预测值是否小于锚索力安全阈值，如果是返回步骤2，如果否则执行步骤9：输出报警提示信息。进一步地，所述步骤9还包括开启油缸控制单元对锚索力进行调节。一种上软下硬基坑吊脚桩锚索力智能预测系统，包括，安装在基坑锚脚锚索上用于采集锚索力的锚索计；设置在基坑内用于采集基坑中地下水位的水位计；设置在基坑内用于采集基坑的气温的温度计；设置在基坑内用于采集基坑开挖一端距离锚索固定端的水平距离的水平激光测距仪；设置在基坑内用于采集基坑开挖底部距离锚索固定端的竖向距离的竖直激光测距仪；按照预设的时间间隔采集所述锚索力、所述地下水位、所述气温、所述基坑开挖一端距离锚索固定端的水平距离以及所述基坑开挖底部距离锚索固定端的竖向距离并形成吊脚桩基坑监测信息序列的数据采集箱；用于将所述吊脚桩基坑监测信息序列无线发送至锚索力预测模块的数据发射箱；用于获得所述吊脚桩基坑监测信息序列并根据所述吊脚桩基坑监测信息序列预测下一时刻锚索力的锚索力预测模块。进一步地，所述锚索力预测模块包括吊脚桩基坑监测信息序列获取模块、样本集建立模块、训练样本集和测试数据集建立模块、随机森林回归模型建立模块以及锚索力预测输出模块；吊脚桩基坑监测信息序列获取模块，用于获取由所述数据发射箱发送的吊脚桩基坑监测信息序列并发送至所述样本集建立模块；样本集建立模块，用于根据所述吊脚桩基坑监测信息序列建立具有n个样本的样本集并将所述样本集发送至训练样本集和测试数据集建立模块，所述样本为以第h-1、h-2、h-3、…h-N时刻的吊脚桩基坑监测信息作为输入信号，以第h时刻的吊脚桩基坑监测信息的锚索力作为输出信号，h为吊脚桩基坑监测信息时刻序列号，N为样本的输入信号的数量，h＞N；训练样本集和测试数据集建立模块，用于对所述样本集采用bootstrap抽样法进行有放回的抽样，获得K个样本数量为M的训练样本集和K个样本数量为n-M的测试数据集，每个样本数量为M的训练样本集为一棵决策树，共形成K棵决策树；随机森林回归模型建立模块，用于根据所述训练样本集产生K棵决策树，并采用森林回归算法将所述K棵决策树进行学习训练，建立基于随机森林回归算法的锚索力预测模型；锚索力预测输出模块，采集吊脚桩基坑最近时刻的吊脚桩基坑监测信息，并将最近时刻的吊脚桩基坑监测信息作为输入信息输入至随机森林回归模型，预测并输出下一时刻的锚索力预测值。进一步地，还包括当所述锚索力预测值大于锚索力安全阈值时进行预警的预警模块。进一步地，还包括当所述锚索力预测值大于锚索力安全阈值时对锚索力进行调节的锚索力调节模块。进一步地，所述随机森林回归模型建立模块包括决策树分裂单元、第一判断单元以及决策树回归单元；所述决策树分裂单元，用于回归决策树的分裂，每棵决策树对各自的样本训练集进行训练，非叶节点处从全部特征变量中随机抽取m个变量组成特征变量子集，再从所述特征变量子集中选出均方误差之和最小的一个特征变量作为分裂节点，每棵决策树独立生长，得到不同的分支结构；所述第一判断单元，用于判断K棵决策树是否完成，如果完成进入转决策树回归单元，否则转到下一棵决策树的决策树分裂单元；所述决策树回归单元，用于计算输入数据由K棵决策树进行决策时获得的K个回归结果的算术平均值，并将所述算术平均值作为基于随机森林回归算法的锚索力预测模型的最终预测结果。与现有技术比较，本专利技术所述的一种上软下硬基坑吊脚桩锚索力智能预测方法具有以下有益效果：通过采本文档来自技高网...

【技术保护点】
1.一种上软下硬基坑吊脚桩锚索力智能预测方法，其特征在于：包括以下步骤：/n步骤1：在上软下硬的吊脚桩基坑开挖过程中布设锚索计、水位计、温度计、水平激光测距仪以及竖直激光测距仪，用于每隔预设的时间间隔采集一组吊脚桩基坑监测信息获得吊脚桩基坑监测信息序列，所述吊脚桩基坑监测信息包括锚索力、地下水位、气温、基坑开挖一端距离锚索固定端的水平距离以及基坑开挖底部距离锚索固定端的竖向距离；/n步骤2：根据所述吊脚桩基坑监测信息序列建立具有n个样本的样本集，所述样本为以第h-1、h-2、h-3、…h-N时刻的吊脚桩基坑监测信息作为输入信号，以第h时刻的吊脚桩基坑监测信息的锚索力作为输出信号，h为吊脚桩基坑监测信息时刻序列号，N为样本的输入信号的数量，h＞N；/n步骤3：对所述样本集采用bootstrap抽样法进行有放回的抽样，获得K个样本数量为M的训练样本集和K个样本数量为n-M的测试数据集，每个样本数量为M的训练样本集为一棵决策树，对K棵决策树进行学习训练，测试数据集对决策树训练效果进行评价；/n步骤4：假设每个训练样本集有p个输入变量，从每棵决策树的每个内部节点随机抽取某个变量作为候补分枝变量，依据分枝优度准则选择最佳分枝；/n步骤5：每棵决策树内部的数据集从根部至叶子进行递归分枝，在回归模型中可按需求自由调节叶子尺寸，确保决策树生长和回归模型建立的准确度；/n步骤6：重复步骤3至步骤5产生了K棵决策树，将这K棵决策树建立随机森林回归模型，随机森林回归模型的回归预测效果通过K棵决策树对测试数据集预测平均误差率进行评价；/n步骤7：采集吊脚桩基坑最近时刻的吊脚桩基坑监测信息，并将最近时刻的吊脚桩基坑监测信息作为输入信息输入至随机森林回归模型，通过所述随机森林回归模型输出下一时刻的锚索力预测值。/n...

【技术特征摘要】
1.一种上软下硬基坑吊脚桩锚索力智能预测方法，其特征在于：包括以下步骤：
步骤1：在上软下硬的吊脚桩基坑开挖过程中布设锚索计、水位计、温度计、水平激光测距仪以及竖直激光测距仪，用于每隔预设的时间间隔采集一组吊脚桩基坑监测信息获得吊脚桩基坑监测信息序列，所述吊脚桩基坑监测信息包括锚索力、地下水位、气温、基坑开挖一端距离锚索固定端的水平距离以及基坑开挖底部距离锚索固定端的竖向距离；
步骤2：根据所述吊脚桩基坑监测信息序列建立具有n个样本的样本集，所述样本为以第h-1、h-2、h-3、…h-N时刻的吊脚桩基坑监测信息作为输入信号，以第h时刻的吊脚桩基坑监测信息的锚索力作为输出信号，h为吊脚桩基坑监测信息时刻序列号，N为样本的输入信号的数量，h＞N；
步骤3：对所述样本集采用bootstrap抽样法进行有放回的抽样，获得K个样本数量为M的训练样本集和K个样本数量为n-M的测试数据集，每个样本数量为M的训练样本集为一棵决策树，对K棵决策树进行学习训练，测试数据集对决策树训练效果进行评价；
步骤4：假设每个训练样本集有p个输入变量，从每棵决策树的每个内部节点随机抽取某个变量作为候补分枝变量，依据分枝优度准则选择最佳分枝；
步骤5：每棵决策树内部的数据集从根部至叶子进行递归分枝，在回归模型中可按需求自由调节叶子尺寸，确保决策树生长和回归模型建立的准确度；
步骤6：重复步骤3至步骤5产生了K棵决策树，将这K棵决策树建立随机森林回归模型，随机森林回归模型的回归预测效果通过K棵决策树对测试数据集预测平均误差率进行评价；
步骤7：采集吊脚桩基坑最近时刻的吊脚桩基坑监测信息，并将最近时刻的吊脚桩基坑监测信息作为输入信息输入至随机森林回归模型，通过所述随机森林回归模型输出下一时刻的锚索力预测值。


2.根据权利要求1所述的上软下硬基坑吊脚桩锚索力智能预测方法，其特征在于：还包括步骤8：判断下一时刻的锚索力预测值是否小于锚索力安全阈值，如果是返回步骤2，如果否则执行步骤9：输出报警提示信息。


3.根据权利要求2所述的上软下硬基坑吊脚桩锚索力智能预测方法，其特征在于：所述步骤9还包括开启油缸控制单元对锚索力进行调节。


4.一种上软下硬基坑吊脚桩锚索力智能预测系统，其特征在于：包括，
安装在基坑锚脚锚索上用于采集锚索力的锚索计；
设置在基坑内用于采集基坑中地下水位的水位计；
设置在基坑内用于采集基坑的气温的温度计；
设置在基坑内用于采集基坑开挖一端距离锚索固定端的水平距离的水平激光测距仪；
设置在基坑内用于采集基坑开挖底部距离锚索固定端的竖向距离的竖直激光测距仪；
按照预设的时间间隔采集所述锚索力、所述地下水位、所述气温、所述基坑开挖一端距离锚索固定端的水平距离以及所述基坑开挖底部距离锚索固定端的竖向距离并形成吊脚桩基坑监测信息序列的数据采集箱；
用于将所...

【专利技术属性】
技术研发人员：高建新，姜谙男，郑帅，郑世杰，杨锐，郭树勋，李兴盛，薛永锋，侯拉平，李玉红，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21