基于前馈和循环神经网络的基坑稳定性自动预警方法技术

本发明专利技术公开了基于前馈和循环神经网络的基坑稳定性自动预警方法，包括如下步骤：

【技术实现步骤摘要】
基于前馈和循环神经网络的基坑稳定性自动预警方法


[0001]本专利技术涉及基坑稳定性预警
，特别是基于前馈和循环神经网络的基坑稳定性自动预警方法
。

技术介绍

[0002]随着城市建设和基础设施的不断发展，软土地区资源的开发显得尤为重要
。
在我国经济发达的沿海或长江漫滩地区，如南京
、
上海
、
福建等地，有较大规模的淤泥质黏土层
。
软土地区的土壤性质较差，地基承载力低，导致施工难度大
。
在基坑开挖过程中，可能出现的问题包括基坑变形
、
土体失稳
、
邻近建筑物受到影响等
。
为了确保基坑施工安全，需要对基坑变形进行准确的预测和控制
。
[0003]神经网络是一种模拟人类大脑神经结构的计算模型，能够进行大量数据的学习和分析，并通过训练和优化，自动发现输入数据中的规律
。
近年来，神经网络在地质工程
、
土木工程等领域的应用逐渐得到广泛关注
。
神经网络可以结合现场监测数据对基坑变形进行实时监测，分析变形趋势，为工程师提供实时预警，发现潜在安全隐患
。

技术实现思路

[0004]本专利技术的目的是提供基于前馈和循环神经网络的基坑稳定性自动预警方法，要解决基坑开挖过程中，基坑变形无法准确预测和控制导致施工安全风险高的技术问题
。
[0005]为实现上述目的，本专利技术采用如下技术方案：本专利技术提供基于前馈和循环神经网络的基坑稳定性自动预警方法，包括如下步骤：
S1
，确定采集数据类型，采集数据类型包括土体参数
、
内支撑参数
、
地连墙参数
、
基坑尺寸
、
开挖时序参数；
S2
，在基坑相应位置安装固定测斜仪
、
无线单点水位计
、
渗压计
、
轴力计，静力水准仪
、
水准仪并安装全功能采集仪，实现地连墙水平位移
、
地下水位
、
内支撑轴力
、
基坑周围地表沉降以及坑底隆起等数据的远程
、
全自动实时上传；
S3
，对
S1
采集的数据进行预处理；
S4
，建立前馈神经网络，神经网络中包含输入层
、
全连接层
、
单个隐藏层
、
输出层；
S5
，建立反向传播机制，并训练前馈神经网络，综合考虑计算效率
、
收敛速度以及预测精度等因素确定神经元个数；
S6
，根据前馈神经网络模型，得到基坑变形的各控制指标的最大值，以该最大值作为阈值，并划定控制指标的安全等级；控制指标包括地下水位数据
、
地连墙水平位移数据
、
支撑轴力数据
、
地表沉降数据和坑底隆起数据；
S7
，根据实际开挖工况与收集参数，为
S6
中的各控制指标分别建立单层
RNN
循环神经网络并进行训练；
S8
，将
RNN
循环神经网络模型预测的各个控制指标随工况变化的结果与
S6
中的阈
值进行对比，判定各控制指标在当前工况的安全等级
。
[0006]优选的，所述
S1
具体为：土体参数包括土的粘聚力
、
内摩擦角
、
弹性模量
、
泊松比；内支撑参数包括支撑的截面积
、
刚度
、
道数
、
间距；地连墙参数包括地连墙的厚度
、
嵌入深度
、
抗弯刚度；基坑的尺寸包括基坑的面积
、
最大宽度和长度
、
最大开挖深度；时序参数包括不同工况基坑的开挖深度与不同工况中内支撑的施作道数
。
[0007]优选的，所述
S2
具体包括以下步骤：根据现场基坑支护结构施工图
、
基坑内支撑施工方案
、
基坑监测方案以及
《
建筑基坑工程监测技术规范
》
的相关规定，在对应位置均匀设置测量点并安装测量仪器
。
[0008]优选的，所有监测点的监测频率为：基坑挖深小于
5m
，每2天监测1次；基坑挖深超过
5m 至底板垫层浇筑，每1天监测1次；底板浇筑至完成后7日内，每1天监测2次；底板完成后7‑
14
天，每2天监测1次；底板完成后
14
‑
28
天，每3天监测1次；支撑开始拆除到拆除完成后3日，每1天监测1次；基坑开挖期间，每天测报抽水量及坑内地下水位
。
[0009]优选的，所述
S3
对数据的预处理方法为：根据土体参数
、
内支撑参数
、
地连墙参数
、
基坑尺寸
、
开挖时序参数，建立有限元模型，然后改变参数，建立
700
组不同工况，收集训练数据，并对数据进行归一化处理，将数据分为训练集与测试集
。
[0010]优选的，所述
S4
具体包括如下步骤：输入层为
S1
中的各采集参数，全连接层为输入层与隐藏层之间的参数矩阵，隐藏层取若干个神经元，输出层为最大地连墙最大水平位移
、
基坑开挖中最高水位
、
内支撑最大轴力
、
基坑周围地表最大沉降以及坑底最大隆起；全连接层与输出层之间加入
Relu
激活函数
。
[0011]优选的，所述
S5
具体包括以下步骤：建立反向传播机制，参数矩阵沿梯度方向变化并更新，损失函数选为均方根损失函数；训练数据的输入为
S3
中有限元模型的土体参数
、
内支撑参数
、
地连墙参数
、
基坑尺寸
、
开挖时序参数，训练数据的标签为各组参数对应的有限元计算结果，
batch
选为8，对前馈神经网络进行训练，得到能预测基坑各控制指标最大变形的前馈神经网络模型
。
[0012]优选的，所述
S6
具体包括以下步骤：根据各控制指标的阈值将安全等级划分为稳定
、
临界
、
预警三个等级；各控制指标的小于其阈值的
0.8
倍即为稳定等级；各控制指标的小于其阈值但大于其阈值的
0.8
倍即为临界等级；各控制指标等于其阈值即为预警等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于前馈和循环神经网络的基坑稳定性自动预警方法，其特征在于：包括如下步骤：
S1
，确定采集数据类型，采集数据类型包括土体参数
、
内支撑参数
、
地连墙参数
、
基坑尺寸
、
开挖时序参数；
S2
，在基坑相应位置安装固定测斜仪
、
无线单点水位计
、
渗压计
、
轴力计，静力水准仪
、
水准仪并安装全功能采集仪，实现地连墙水平位移
、
地下水位
、
内支撑轴力
、
基坑周围地表沉降以及坑底隆起等数据的远程
、
全自动实时上传；
S3
，对
S1
采集的数据进行预处理；
S4
，建立前馈神经网络，神经网络中包含输入层
、
全连接层
、
单个隐藏层
、
输出层；
S5
，建立反向传播机制，并训练前馈神经网络，综合考虑计算效率
、
收敛速度以及预测精度等因素确定神经元个数；
S6
，根据前馈神经网络模型，得到基坑变形的各控制指标的最大值，以该最大值作为阈值，并划定控制指标的安全等级；控制指标包括地下水位数据
、
地连墙水平位移数据
、
支撑轴力数据
、
地表沉降数据和坑底隆起数据；
S7
，根据实际开挖工况与收集参数，为
S6
中的各控制指标分别建立单层
RNN
循环神经网络并进行训练；
S8
，将
RNN
循环神经网络模型预测的各个控制指标随工况变化的结果与
S6
中的阈值进行对比，判定各控制指标在当前工况的安全等级
。2.
如权利要求1所述的基于前馈和循环神经网络的基坑稳定性自动预警方法，其特征在于，所述
S1
具体为：土体参数包括土的粘聚力
、
内摩擦角
、
弹性模量
、
泊松比；内支撑参数包括支撑的截面积
、
刚度
、
道数
、
间距；地连墙参数包括地连墙的厚度
、
嵌入深度
、
抗弯刚度；基坑的尺寸包括基坑的面积
、
最大宽度和长度
、
最大开挖深度；时序参数包括不同工况基坑的开挖深度与不同工况中内支撑的施作道数
。3.
如权利要求1所述的基于前馈和循环神经网络的基坑稳定性自动预警方法，其特征在于，所述
S2
具体包括以下步骤：根据现场基坑支护结构施工图
、
基坑内支撑施工方案
、
基坑监测方案以及
《
建筑基坑工程监测技术规范
》
的相关规定，在对应位置均匀设置测量点并安装测量仪器
。4.
如权利要求3所述的基于前馈和循环神经网络的基坑稳定性自动预警方法，其特征在于，所有监测点的监测频率为：基坑挖深小于
5m
，每2天监测1次；基坑挖深超过
5m 至底板垫层浇筑，每1天监测1次；底板浇筑至完成后7日内，每1天监测2次；底板完成后7‑
14
天，每2天监测1次；底板完成后

【专利技术属性】
技术研发人员：秦会来，朱雨轩，李鹏飞，吴杰，葛辰贺，秦胜旺，
申请(专利权)人：中国建筑第二工程局有限公司，
类型：发明
国别省市：