【技术实现步骤摘要】
本专利技术涉及人工智能，具体地说是基于人工智能的砂土层液化防治方法及系统。
技术介绍
1、砂土液化是指饱水的疏松粉、细砂土在振动作用下突然破坏而呈现液态的现象，由于孔隙水压力上升，有效应力减小所导致的砂土从固态到液态的变化现象，影响砂土液化的因素很多，如砂土的地质成因和年代，颗粒的组成，大小、排列方式和形状以及松密程度，应力状态，应力历史，渗透性，压缩性，地震特性(如震级，震中距、持续时间)以及排水条件和边界条件等，为了降低砂土液化带来的风险，需要进行防治处理。
2、现有的砂土地层液化防治方法通常是在砂土发生液化后再进行处理，此种防治方式人工智能化程度低，不能够根据地质情况对砂土地层进行实时监控，并对液化潜势进行预测，进而会存在因防治不及时带来较大的灾害，不能满足使用需求。
3、如何对砂土层进行实时监控并沙土层液化趋势进行预测，以在砂土层液化前实现沙土层液化防治，是需要解决的技术问题。
技术实现思路
1、本专利技术的技术任务是针对以上不足，提供基于人工智能的砂土层液化防治方法及系统，来解决如何对砂土层进行实时监控并沙土层液化趋势进行预测的技术问题。
2、第一方面，本专利技术一种基于人工智能的砂土层液化防治方法，包括如下步骤：
3、通过各种传感器采集砂土层数据，包括地质响应数据、土质特性数据以及温湿度数据；
4、对砂土层数据进行数据处理，并基于预处理后的砂土层数据、通过训练后的沙土液化趋势预测模型对砂土层液化趋势进行预测，得
5、基于预测结果对砂土层业务风险进行评估，得到风险等级；
6、基于风险等级对砂土层进行加固和改造操作；
7、对加固和改造后的砂土层进行监控，通过各种传感器采集砂土层数据，包括地质响应数据、土质特性数据以及温湿度数据，基于砂土层数据对砂土层进行预警分析，对出现异常情况的砂土层进行应急响应处理。
8、作为优选，通过各种传感器采集砂土层数据，包括如下步骤：
9、通过地震传感器采集地震波的震动参数，其中地震传感器包括加速度计和地震计，震动参数包括振幅、频率以及加速度；
10、通过温度传感器采集砂土层土壤的温度，并基于温度检测砂土的热胀冷缩情况；
11、通过湿度传感器采集砂土层土壤的湿度；
12、通过频域反射仪采集砂土层土壤的压实度和密实度；
13、通过遥感传感器采集砂土层的地表形变、沉降和开裂情况；
14、通过数据记录仪记录各种传感器采集的砂土层数据。
15、作为优选，通过埋入或插入砂土层土壤的温度传感器采集土壤的温度，基于土壤的温度数据，基于线性回归模型拟合温度数据、并计算温度数据变化的斜率或趋势，以计算砂土层的热胀冷缩情况，计算公式如下：
16、y＝mx+b，
17、其中，y表示温度数据，x表示时间，m表示斜率，b表示截距。
18、作为优选，对砂土层数据进行数据处理，包括对砂土层数据进行数据清洗、数据集成、格式转换以及缺失值处理，并基于数据处理后的砂土层数据选取与砂土层液化相关的特征数据作为输入数据、通过训练后的沙土液化趋势预测模型对砂土层液化趋势进行预测，得到预测结果。
19、作为优选，基于砂土层液化的预测结果、通过定量评估方法对砂土层的液化风险进行评估，定量评估计算公式如下：
20、lpi＝a1*log(n)+a2*log(pi)+a3*log(ocr)+a4*log(rf)
21、其中，lpi为液化潜势指数，n为标准贯入试验值，pi为液性指数，ocr为超固结比，rf为相对密度，a1-a4为经验系数。
22、作为优选，基于液化风险指标将风险等级划分为三级，分别为高、中和低；
23、液化风险指标的计算公式如下：
24、ri＝a*pga+b*(cpt/csr)+c*(h/b)
25、其中，ri为液化风险指标，pga为地震峰值加速度，cpt为尖端阻力摩阻比，csr为地震容许应力比，h为堆土高度，b为基底宽度，a、b、c为经验系数，根据液化风险指标的大小，将砂土液化风险划分为不同的等级。
26、作为优选，对砂土层进行加固和改造操作，包括如下操作：
27、土体固结：通过施加预压力、振动、钻孔手段，使土体中的颗粒重新排列，增加土体的密实度和抗液化能力；
28、加固桩：对于液化风险等级为高的砂土层，在土体中钻孔并灌注混凝土或插入钢筋，形成加固桩，以增加土体的稳定性和抗液化能力；
29、地基改造：对弱土层进行改造，采用注浆灌输、土钉墙、搅拌桩的手段，改变土体的性质和结构，提高抗液化能力；
30、梁板加固：在现有的地面或地基上铺设加固的梁板结构，通过增加刚度和稳定性提高整体的抗液化能力；
31、排水处理：在地基中设置排水系统，通过排除过剩的地下水来减少土体饱和度，减轻砂土层液化的潜在风险；
32、超前预压：在地基中施加持续的静力或动力荷载，使土体在地震发生时形成一定的正应力，减小土体颗粒间的空隙，提高抗液化能力。
33、作为优选，基于砂土层数据对砂土层进行预警分析时，基于预定义的监测指标和阈值判断砂土层地基的状态和性能，并基于设置的报警机制和阈值，在砂土层数据超过预设的阈值时触发报警，并采集应急响应处理；
34、其中，对地基加固后的状态进行判断时，根据地基加固前后的测斜仪计算地基的变形角度，变形角度的计算公式为：
35、
36、其中，l为测量长度，α为倾斜角度，h1和h2为安装点到地面的垂直距离；并根据地基加固前后的水准测量数据，计算地基的沉降量，沉降量的计算公式为：
37、δh＝∑(δh)，
38、其中，δh为各测点的沉降量；
39、根据地基加固前后的千斤顶试验数据计算地基的剪切模量，剪切模量的计算公式为：
40、
41、其中，q′为土体在剪切面上的切应力，γ为土体的单位重量，s为土体的剪切变形。
42、第二方面，本专利技术一种基于人工智能的砂土层液化防治系统，用于通过如第一方面任一项所述一种基于人工智能的砂土层液化防治方法进行砂土层液化防治，所述系统包括数据采集模块、数据处理模块、风险评估模块、加固改造模块以及监控预警模块；
43、数据采集模块用于执行如下：通过各种传感器采集砂土层数据，包括地质响应数据、土质特性数据以及温湿度数据；
44、数据处理模块用于执行如下：对砂土层数据进行数据处理，并基于预处理后的砂土层数据、通过训练后的沙土液化趋势预测模型对砂土层液化趋势进行预测，得到预测结果；
45、风险评估模块用于执行如下：基于预测结果对砂土层业务风险进行评估，得到风险等级；
46、加固改造模块用于执行如下：基于风险等级对砂土层进行加固和改造操作；
本文档来自技高网...【技术保护点】
1.一种基于人工智能的砂土层液化防治方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于人工智能的砂土层液化防治方法，其特征在于，通过各种传感器采集砂土层数据，包括如下步骤：
3.根据权利要求2所述的基于人工智能的砂土层液化防治方法，其特征在于，通过埋入或插入砂土层土壤的温度传感器采集土壤的温度，基于土壤的温度数据，基于线性回归模型拟合温度数据、并计算温度数据变化的斜率或趋势，以计算砂土层的热胀冷缩情况，计算公式如下：
4.根据权利要求1所述的基于人工智能的砂土层液化防治方法，其特征在于，对砂土层数据进行数据处理，包括对砂土层数据进行数据清洗、数据集成、格式转换以及缺失值处理，并基于数据处理后的砂土层数据选取与砂土层液化相关的特征数据作为输入数据、通过训练后的沙土液化趋势预测模型对砂土层液化趋势进行预测，得到预测结果。
5.根据权利要求1所述的基于人工智能的砂土层液化防治方法，其特征在于，基于砂土层液化的预测结果、通过定量评估方法对砂土层的液化风险进行评估，定量评估计算公式如下：
6.根据权利要求1所述的基于人
7.根据权利要求1所述的基于人工智能的砂土层液化防治方法，其特征在于，对砂土层进行加固和改造操作，包括如下操作：
8.根据权利要求1所述的基于人工智能的砂土层液化防治方法，其特征在于，基于砂土层数据对砂土层进行预警分析时，基于预定义的监测指标和阈值判断砂土层地基的状态和性能，并基于设置的报警机制和阈值，在砂土层数据超过预设的阈值时触发报警，并采集应急响应处理；
9.一种基于人工智能的砂土层液化防治系统，其特征在于，用于通过如权利要求1-8任一项所述一种基于人工智能的砂土层液化防治方法进行砂土层液化防治，所述系统包括数据采集模块、数据处理模块、风险评估模块、加固改造模块以及监控预警模块；
...【技术特征摘要】
1.一种基于人工智能的砂土层液化防治方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于人工智能的砂土层液化防治方法，其特征在于，通过各种传感器采集砂土层数据，包括如下步骤：
3.根据权利要求2所述的基于人工智能的砂土层液化防治方法，其特征在于，通过埋入或插入砂土层土壤的温度传感器采集土壤的温度，基于土壤的温度数据，基于线性回归模型拟合温度数据、并计算温度数据变化的斜率或趋势，以计算砂土层的热胀冷缩情况，计算公式如下：
4.根据权利要求1所述的基于人工智能的砂土层液化防治方法，其特征在于，对砂土层数据进行数据处理，包括对砂土层数据进行数据清洗、数据集成、格式转换以及缺失值处理，并基于数据处理后的砂土层数据选取与砂土层液化相关的特征数据作为输入数据、通过训练后的沙土液化趋势预测模型对砂土层液化趋势进行预测，得到预测结果。
5.根据权利要求1所述的基于人工智能的砂土层液化防治方法，其特征在于，基...
【专利技术属性】
技术研发人员：侯向阳，王振军，仪晓立，惠冰，卞伟，张旭，孙巍，苗鑫，陈永乐，张文俊，相阳，赵忠孝，朱林辉，李鸿钊，
申请(专利权)人：中铁一局集团建筑安装工程有限公司，
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。