[發明專利]基于大數據分析的盾構施工地面沉降預測系統和方法

在審

• 申請號: 201710303105.8
• 申請日: 2017-05-03
• 公開（公告）號: CN107092990A
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 孔憲光;常建濤;劉堯;王繼虎;王奇斌
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/08;G06F17/50
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 程曉霞,王品華

技術領域

本發明屬于工業大數據技術領域，尤其涉及地鐵盾構施工領域的地面沉降預 測，具體是一種基于大數據分析技術的盾構施工地面沉降預測系統和方法，可用 于對盾構施工過程中地面沉降量的預測。

背景技術

隨著地鐵建設規模的不斷擴大，用于地鐵隧道施工的盾構挖掘設備得到的大 量使用。盾構機是一種結構復雜的大型機電液控一體化設備，同時由于盾構施工 環境相對惡劣，地質環境復雜多變，所以在施工過程中會產生很多問題，其中對 地鐵施工影響較為嚴重的就是地面沉降。

地面沉降是指在盾構施工中，由于地層物質被挖出，隧道周圍地層土體的應 力狀態和原本穩定的結構狀態將發生重分布，引起地層移動而導致不同程度地面 的隆起或沉降。而對地面沉降的預測就是要提前發現地面沉降問題，利用某種方 法及時預測出地面沉降量，將可能出現的重大施工事故進行及時預警和匯報，提 高施工質量。

關于地面沉降預測模型的建立，傳統方法通常是在單機、串行模式下進行模 型訓練，當面對海量數據時，由于數據量巨大，數據的存儲和處理，會暴露出容 錯性差、速度慢、效率低等問題。這與盾構地面沉降預測所要求的實時性、快速 性以及準確性相悖。同時，傳統方法所使用的數據量較小，這對所建立預測模型 的準確性具有較大影響。

隨著地鐵施工規模的不斷擴大，日益增長的海量盾構施工數據，使傳統分析 方法面臨數據量巨大而帶來的難以解決的速度和效率問題，嚴重影響盾構施工數 據的存儲能力和處理速度，進而影響盾構施工過程中的地面沉降量實時預測。同 時，傳統方法只能處理小樣本數據，進而會降低預測模型的預測準確性。

發明內容

本發明針對現有技術的不足，提出一種具有海量數據存儲、冗余能力和實時、 高效計算能力的基于大數據分析技術的地面沉降預測系統和方法。

本發明是一種基于大數據分析技術的盾構施工地面沉降預測系統，依據數據 走向依次包括有數據收集模塊、數據預處理模塊、特征提取模塊、建立預測模型 模塊和模型應用模塊，所述數據收集模塊，包括有地質數據收集子模塊、盾構機 運行數據收集子模塊和地面沉降量數據收集子模塊，負責進行地面沉降量預測所 需數據的收集；其特征在于，還設有大數據平臺模塊，大數據平臺模塊包括 Hadoop平臺子模塊和Spark平臺子模塊，Spark平臺子模塊是基于Hadoop平臺 子模塊，大數據平臺模塊中的Hadoop平臺子模塊分別與數據收集模塊、數據預 處理模塊、特征提取模塊、建立預測模型模塊和模型應用模塊之間進行雙向數據 存儲交互；大數據平臺模塊中的Spark平臺子模塊分別與數據收集模塊、數據預 處理模塊、特征提取模塊、建立預測模型模塊和模型應用模塊之間具有滿足Spark 編程范式的并行計算通道；所述數據預處理模塊，在Spark平臺并行計算框架下， 對數據集中的屬性進行缺失值填補、離群點檢測和歸一化處理；所述特征提取模 塊在Spark平臺并行計算框架下，采用PCA降維算法進行特征提取；所述建立預 測模型模塊是基于Hadoop子模塊中的海量數據并在符合Spark平臺子模塊的計 算框架下，利用多節點誤差平均值去觸發誤差反饋過程，用連接權值向量的平均 值向量作為最終預測模型的連接權值，形成預測模型，其中建立模型所需的輸入 數據為地質參數數據和盾構機運行數據，輸出數據為盾構監測點沉降量數據；所 述模型應用模塊是在大數據平臺模塊的基礎上，將建立預測模型模塊建立的預測 模型進行功能封裝，并以API的形式提供模型接口，在盾構施工過程，盾構施工 人員調用該模型接口，實現對盾構施工過程中地面沉降量的預測。

本發明還是一種基于大數據分析技術的盾構施工地面沉降預測方法，在權利 要求1-5所述的任一基于大數據分析技術的盾構施工地面沉降預測系統上實現， 其特征在于，包括有如下步驟：

(1)搭建大數據平臺：確定大數據平臺模塊中的節點拓撲結構，節點數量 根據數據量大小進行確定，在各個網絡節點上按照需要配置相關環境，包含linux 操作系統安裝、節點網絡配置、ssh無密碼登錄設置、安裝java程序，在以上配 置環境基礎上，在各節點搭建Hadoop平臺形成Hadoop平臺子模塊和搭建Spark 平臺形成Spark平臺子模塊，大數據平臺為地面沉降預測提供海量數據存儲與計 算基礎，提高預測實時性；