一种基坑结构数据多元时空融合与演化特征提取方法

技术领域

本发明涉及基坑监测技术领域，更具体的说是涉及一种基坑结构数据多元时空融合与演化特征提取方法。

背景技术

基坑作为一栋建筑的基础和前期施工项目，是后续建筑工作平稳、安全进行的重要保障。采集基坑数据的主要目的是对基坑的内部情况进行长期有效的检测，因此需要对基坑围护墙顶部竖向位移、深层水平位移、立柱竖向位移、地下水位等数据进行周期性的采集和评估，基坑数据的分析以及对基坑安全状态的评估一直是一项成本及人力消耗较大的工作。

但是，现有的基坑状态检测基本采用人力定期测量的方式进行，通常间隔时间较长，并且采集及分析需要消耗较多的成本及时间。

因此，如何提升基坑监测的实时性与前瞻性，减少人力资源的消耗，降低采集及分析的成本及时间是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基坑结构数据多元时空融合与演化特征提取方法以解决背景技术总提到的问题。

为了实现上述目的，本发明采用如下技术方案：

一种基坑结构数据多元时空融合与演化特征提取方法，包括以下步骤：

S1.获取历史基坑结构多元时空数据并进行预处理，对同一时间的数据根据空间特征进行整合，获得具有空间特征的整合数据；

S2.将具有空间特征的整合数据按时间跨度进行分类获得不同尺度的分类数据，将不同尺度的分类数据分别输入多元时空残差神经网络提取基坑结构数据的演化特征，根据提取的基坑结构数据的演化特征进行加权融合，并进行模型训练，获得训练好的多元时空残差神经网络预测模型；

S3.获取基坑传感器的实时测量的基坑结构数据，输入训练好的多元时空残差神经网路预测模型，将预测结果与相关安全标准比对，得到近期建筑基坑的安全状况。

优选的，步骤S1的具体内容包括：

S11.获取基坑中传感器测量的历史基坑机构数据，按传感器得到的数据种类进行划分，分为具备特定时空关系的基坑结构数据和仅具备时间关系的基坑结构数据；

S12.对于具备特定时空关系的基坑结构数据，将单个传感器得到的数据按时间先后顺序进行排列，根据空间排布规律，将同一时间多个传感器的数据按顺序拼接为一个数据矩阵；

S13.对于仅具备时间关系的基坑结构数据，时间尺度不变的情况下将数据的维数扩展为与同一时间维数最大的传感器相同维数，与具备特定时空关系的基坑结构数据维数相同；

S14.对同一时间的数据根据空间特征进行整合，并将具备特定时空关系的基坑结构数据与仅具备时间关系的基坑结构数据拼接，获得具有空间特征的整合数据。

优选的，步骤S2中时间跨度包括临近时间、附近时间和长期时间。

优选的，步骤S2中提取的基坑结构数据的演化特征包括平滑性特征、周期性特征及趋势性特征。

优选的，加权融合的方法为：

X

其中，·表示哈德玛积，X

优选的，将基坑中测得n类具备时空关系的数据，进行数据融合之后将所有数据相加，得到所有具备特定时空关系的数据融合结果，公式如下：

其中，X

优选的，模型训练的内容具体包括：首先通过前向传播将输入基坑数据传递到网络中，然后通过反向传播计算损失函数的梯度，并使用随机梯度下降法对网络参数进行更新，以最小化损失函数。

优选的，采用双曲正切函数限制输出的范围在-1～1之间，作为多元时空残差神经网络得到的结果

均方误差为:

一种计算机可读介质，所述存储介质存储有指令，其特征在于，当所述指令在所述可读介质上执行时，使得所述可读介质执行如权利要求1-7任意一项所述的方法。

一种处理终端，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如权利要求1-7任意一项所述的方法。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基坑结构数据多元时空融合与演化特征提取方法，在基坑结构数据无人化、自动化测量的基础上，对基坑结构多元数据进行时空融合，进而从融合数据中提取其演化特征，对基坑状态进行评估，利用多元时空残差神经网络实现了对基坑数据的实时监测与安全预警，相比传统的人工检测方法，减少了人力资源的消耗，提升了基坑监测的实时性与前瞻性，通过对历史趋势的分析，提高了系统监测的全面性，降低了施工作业过程中的安全风险。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的一种基坑结构数据多元时空融合与演化特征提取方法示意图；

图2附图为本发明提供的同时间维度下数据整合示意图；

图3附图为本发明提供的多元时空残差神经网络架构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种基坑结构数据多元时空融合与演化特征提取方法，如图1，包括以下步骤：

S1.获取历史基坑结构多元时空数据并进行预处理，对同一时间的数据根据空间特征进行整合，获得具有空间特征的整合数据；

S2.将具有空间特征的整合数据按时间跨度进行分类获得不同尺度的分类数据，将不同尺度的分类数据分别输入多元时空残差神经网络提取基坑结构数据的演化特征，根据提取的基坑结构数据的演化特征进行加权融合，并进行模型训练，获得训练好的多元时空残差神经网络预测模型；

S3.获取基坑传感器的实时测量的基坑结构数据，输入训练好的多元时空残差神经网路预测模型，将预测结果与相关安全标准比对，得到近期建筑基坑的安全状况。

为了进一步实施上述技术方案，如图2，步骤S1的具体内容包括：

S11.获取基坑中传感器测量的历史基坑机构数据，按传感器得到的数据种类进行划分，分为具备特定时空关系的基坑结构数据和仅具备时间关系的基坑结构数据；

S12.对于具备特定时空关系的基坑结构数据，将单个传感器得到的数据按时间先后顺序进行排列，根据空间排布规律，将同一时间多个传感器的数据按顺序拼接为一个数据矩阵；

在本实施例中，以深层水平位移数据为例，构建一个矩阵D∈R

S13.对于仅具备时间关系的基坑结构数据，时间尺度不变的情况下将数据的维数扩展为与同一时间维数最大的传感器相同维数，此时该数据的维数与具备特定时空关系的基坑结构数据维数相同；

S14.对同一时间的数据根据空间特征进行整合，并将具备特定时空关系的基坑结构数据与仅具备时间关系的基坑结构数据拼接，获得具有空间特征的整合数据。

为了进一步实施上述技术方案，步骤S2中时间跨度包括临近时间、附近时间和长期时间。

在实际应用中，具备特定时空关系的基坑结构数据在较短的时间周期内具有数据变化的平滑性，在较长的时间尺度下会表现出一定的周期性，在更大的时间跨度下则会呈现出一定的趋势性。

为了进一步实施上述技术方案，步骤S2中提取的基坑结构数据的演化特征包括平滑性特征、周期性特征及趋势性特征。

在本实例中，对整个时间周期内的结构化数据进行取样，数据为经整合过后的同时间多元空间数据组，将具备时空关系的基坑数据分为三天、三十天以及三百天三个尺度对其进行演化特征的提取，之后在同一时间数据的内部对其进行卷积即可抓取到数据间的空间相关性，提取得到局部的特征。

为了进一步实施上述技术方案，由于不同的时间段下的基坑数据对当前时刻的演化特征影响情况不同，故对得到的数据进行加权融合，加权融合的方法为：

X

其中，·表示哈德玛积，X

当基坑中测得有n类具备时空关系的数据时，均采用上述的方法对其进行数据融合，之后将所有数据相加即可得到所有具备特定时空关系的数据融合结果，公式如下：

其中，X

为了进一步实施上述技术方案，模型训练的内容具体包括：首先通过前向传播将输入基坑数据传递到网络中，然后通过反向传播计算损失函数的梯度，并使用随机梯度下降法对网络参数进行更新，以最小化损失函数。

为了进一步实施上述技术方案，采用双曲正切函数限制输出的范围在-1～1之间，作为多元时空残差神经网络得到的结果

均方误差为:

根据多元时空残差神经网络得到的下一时刻基坑结构数据，与国家现行的建筑基坑工程监测技术规范中对各项指标的要求进行比对，即可知晓未来一段时间基坑结构的安全性能情况。

一种计算机可读介质，存储介质存储有指令，其特征在于，当指令在可读介质上执行时，使得可读介质执行一种基坑结构数据多元时空融合与演化特征提取方法。

一种处理终端，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现一种基坑结构数据多元时空融合与演化特征提取方法。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。