一种用于直升机场深回填区沉降的预测模型及监测系统技术方案

本发明专利技术公开了一种用于直升机场深回填区沉降的预测模型及监测系统，包括如下步骤：对深回填区进行分层沉降监测并获得实时沉降数据，根据现场情况对实时沉降数据进行筛选，剔除异常数据；获取敏感性分析参数集并构建有限元分析模型，选取所述分析模型对所述敏感性分析参数集进行分析并输出敏感性分析模拟数据，所述敏感性分析模拟数据包括深回填区的蠕变变形数据；根据所述敏感性分析模拟数据与所述实时沉降数据进行仿真分析，得出沉降规律数据集；根据灰色系统理论和神经网络对所述沉降规律数据集进行训练和学习形成沉降联合预测模型

【技术实现步骤摘要】
一种用于直升机场深回填区沉降的预测模型及监测系统


[0001]本专利技术涉及交通建设工程
，尤其涉及一种用于直升机场深回填区沉降的预测模型及监测系统
。

技术介绍

[0002]随着我国的经济发展，直升机也发展成为主要的运输工具，直升机发展的同时需要建设直升机场与之匹配使用，从而使直升机可以为国内外客户提供陆上石油
、
海洋石油服务
、
海洋监测
、
空中拍照和引航作业等方面
。
其中，由于直升机场的占地面积较大，故选址通常设于郊区，特别是在深圳这种用地较为紧张的城市，直升机场的选址就设定在山林地带，这种位置的地形高低差较大
、
且较为复杂，这就需要对场地进行深回填等大量的土方转移
、
平整
、
夯实等施工工序，而深圳地区的土质大多数为粘性土壤，这就对直升机场的施工质量提出了较高的施工水平，从而避免机场后期出现大面积的沉降
。
[0003]由于直升机场的建造场地以及地理环境原因，施工过程中常遇见大面积的深回填区，而由于山林地带的土质多以粘性土为主，这就对深回填区后期沉降留下隐患，为了减小深回填区后期发生大面积沉降影响直升机场的正常运行，一般会在施工前后对直升机场的深回填区进行沉降预测，尽可能的对深回填区的沉降进行控制，但现有的沉降预测模型大多数只对固结沉降或蠕动沉降单一项进行预测，面对深圳地区山林地带的深回填区，不仅会发生固结沉降还会发生蠕动沉降，因此，采用单一的沉降预测模型所获得预测数据精确程度有待提高
。
[0004]为此，有必要提出一种用于直升机场深回填区沉降的预测模型及监测系统
。

技术实现思路

[0005]为了克服现有的技术的不足，本专利技术提供一种用于直升机场深回填区沉降的预测模型及监测系统
。
[0006]一方面，本专利技术技术方案如下所述：
[0007]一种用于直升机场深回填区沉降的预测模型，包括如下步骤：对深回填区进行分层沉降监测并获得实时沉降数据，根据现场情况对实时沉降数据进行筛选，剔除异常数据；
[0008]获取敏感性分析参数集并构建有限元分析模型，选取所述分析模型对所述敏感性分析参数集进行分析并输出敏感性分析模拟数据，所述敏感性分析模拟数据包括深回填区的蠕变变形数据；
[0009]其中，根据所述敏感性分析模拟数据与所述实时沉降数据进行仿真分析，得出沉降规律数据集；
[0010]根据灰色系统理论和神经网络对所述沉降规律数据集进行训练和学习形成沉降联合预测模型
。
[0011]在一种可能实现方式中，所述构建有限元分析模型包括：对所述有限元分析模型进行有限元网格划分使连续的结构离散化成有限个单元
。
[0012]在一种可能实现方式中，所述敏感分析参数集至少包括深回填区中的填筑高度参数
、
填料土石比参数
、
地基处理方式参数
、
结构分析参数以及热分析参数，且至少基于所述填料土石比参数和所述地基处理方式参数构建有限元分析模型
。
[0013]在一种可能实现方式中，所述选取所述计算模型对所述敏感性分析参数集进行分析并输出敏感性分析模拟数据还包括：对深回填区进行分层处理，每一层根据蠕变公式发生蠕变，所述蠕变公式为式中
ε
t∞
为所述蠕变变形程度，
ε
t
为所述蠕变
t
时间所对应的蠕变程度，
t0为与所述蠕变变形时间
t
量纲相同的单位时间，
n
为所述深回填区土的粘性系数
。
[0014]在一种可能实现方式中，还包括根据所述对深回填区进行分层处理，每一层根据蠕变公式发生蠕变，结合分层总和法得出深回填区的蠕变沉降公式，所述蠕变沉降公式为蠕变公式发生蠕变，结合分层总和法得出深回填区的蠕变沉降公式，所述蠕变沉降公式为式中
s0为与所述蠕变沉降
s
量纲相同的单元蠕变沉降，值为1，
n
为深回填区的蠕变速率参数，
η
为当前荷载下处于高固结状态下的最终蠕变沉降，
θ
为当前荷载下处于正常固结状态下的最终蠕变沉降
。
[0015]在一种可能实现方式中，所述根据灰色系统理论和神经网络对所述沉降规律数据集进行训练和学习形成沉降联合预测模型至少包括：所述沉降联合预测模型对深回填区进行预测并输出预测数据，将实时沉降数据输入所述沉降联合预测模型并与所述预测数据对比验证
。
[0016]在一种可能实现方式中，所述对所述沉降规律数据集进行训练和学习形成沉降联合预测模型前还包括采用三次样条插值对所述沉降规律数据集进行等时距处理
。
[0017]在一种可能实现方式中，还包括：所述沉降规律数据集作为所述灰色系统理论模型的输入值
X0，经过累计生成序列
X1，并计算得到所述灰色系统理论的预测值
Y1。
[0018]在一种可能实现方式中，还包括将所述灰色系统理论的输入值
X0和预测值
Y1作为所述神经网络模型的输入值，所述实时沉降数据作为所述神经网络模型的输出层期望值，经过设置参数
、
训练所述神经网络模型输出预测值
。
[0019]另一方面，本专利技术还提供了一种监测系统，适用于权利要求1‑9任一项所述的一种用于直升机场深回填区沉降的预测模型，至少包括用于监测深回填区填筑沉降量的沉降监测模块
、
以及用于监测深回填区填筑水平位移的水平监测模块
。
[0020]根据上述方案的本专利技术，其有益效果在于，一种用于直升机场深回填区沉降的预测模型及监测系统，本专利技术提供用于直升机场深回填区沉降的预测模型，通过敏感性分析收集具有蠕变变形数据的敏感性分析参数集，可以更好地理解模型的行为和性能，以及输入参数对模型输出的影响程度，进而更好地优化和改进模型
。
通过有限元分析模型对敏感性分析参数集进行分析，有助于更好地理解实际问题中各种参数对预测模型最终结果的影响程度
。
通过利用有限元分析模型对敏感性分析模拟数据与实时沉降数据进行仿真分析形成沉降规律数据集，为预测模型提供包含固结沉降规律和蠕动沉降规律的数据支持
。
并通过灰色系统理论和神经网络对含有固结沉降规律和蠕动沉降规律的沉降规律数据集进行学习，使本专利技术可以同时直升机场深回填区的固结沉降和蠕动沉降进行预测，从而提高了对直升机场深回填区沉降趋势数据预测精度
。
附图说明
[0021]图1为本专利技术一种用于直升机场深回填区沉降的预测模型的流程图
。
具体实施方式
[0022]下面结合附图以及实施方式对本专利技术进行进一步的描述：
[0023]需要说明的是，深圳地区的山地土质为高压缩性粘土本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于直升机场深回填区沉降的预测模型，其特征在于，包括如下步骤：对深回填区进行分层沉降监测并获得实时沉降数据，根据现场情况对实时沉降数据进行筛选，剔除异常数据；获取敏感性分析参数集并构建有限元分析模型，选取所述分析模型对所述敏感性分析参数集进行分析并输出敏感性分析模拟数据，所述敏感性分析模拟数据包括深回填区的蠕变变形数据；其中，根据所述敏感性分析模拟数据与所述实时沉降数据进行仿真分析，得出沉降规律数据集；根据灰色系统理论和神经网络对所述沉降规律数据集进行训练和学习形成沉降联合预测模型
。2.
根据权利要求1所述的一种用于直升机场深回填区沉降的预测模型，其特征在于，所述构建有限元分析模型包括：对所述有限元分析模型进行有限元网格划分使连续的结构离散化成有限个单元
。3.
根据权利要求2所述的一种用于直升机场深回填区沉降的预测模型，其特征在于，所述敏感分析参数集至少包括深回填区中的填筑高度参数
、
填料土石比参数
、
地基处理方式参数
、
结构分析参数以及热分析参数，且至少基于所述填料土石比参数和所述地基处理方式参数构建有限元分析模型
。4.
根据权利要求1或2所述的一种用于直升机场深回填区沉降的预测模型，其特征在于，所述选取所述计算模型对所述敏感性分析参数集进行分析并输出敏感性分析模拟数据还包括：对深回填区进行分层处理，每一层根据蠕变公式发生蠕变，所述蠕变公式为还包括：对深回填区进行分层处理，每一层根据蠕变公式发生蠕变，所述蠕变公式为式中
ε
t∞
为所述蠕变变形程度，
ε
t
为所述蠕变
t
时间所对应的蠕变程度，
t0为与所述蠕变变形时间
t
量纲相同的单位时间，
n
为所述深回填区土的粘性系数
。5.
根据权利要求4所述的一种用于直升机场深回填区沉降的预测模型，其特征在于，还包括根据...

【专利技术属性】
技术研发人员：龙绍章，柯波，曹猛，冯胜辉，时敬轩，郑林涛，
申请(专利权)人：中国华西企业有限公司，
类型：发明
国别省市：