[發(fā)明專利]一種邊坡變形預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201911332358.3
• 申請日: 2019-12-22
• 公開（公告）號: CN111144636B
• 公開（公告）日: 2022-08-16
• 發(fā)明（設(shè)計）人: 許建聰;許輝鵬
• 申請（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N20/00
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 王懷瑜

本發(fā)明涉及一種邊坡變形預(yù)測方法，包括以下步驟：S1、對監(jiān)測數(shù)據(jù)進(jìn)行編碼處理；S2、根據(jù)編碼后的數(shù)據(jù)，構(gòu)造數(shù)據(jù)集；S3、根據(jù)數(shù)據(jù)集，建立邊坡變形的XGboost預(yù)測模型；S4、對XGboost預(yù)測模型的計算參數(shù)進(jìn)行優(yōu)化；S5、通過優(yōu)化參數(shù)后的XGboost預(yù)測模型預(yù)測邊坡變形測斜值。與現(xiàn)有技術(shù)相比，本發(fā)明預(yù)測方法更加貼合地反映復(fù)雜工況下邊坡變形的實際情況，能夠?qū)吰潞突幼冃螠y斜值進(jìn)行有效地預(yù)測，從而對可能出現(xiàn)的險情進(jìn)行提前預(yù)測，為及時制定出最佳的安全措施提供寶貴的時間。

技術(shù)領(lǐng)域

本發(fā)明涉及邊坡和基坑工程領(lǐng)域，尤其是涉及一種邊坡變形預(yù)測方法。

背景技術(shù)

為確保邊坡工程安全施工及運營和鄰近既有隧道深基坑工程的安全施工，測斜作為一種重要的監(jiān)測手段，能夠?qū)崟r地反映出邊坡和基坑在土方開挖中的變化情況。通過在邊坡和樁錨支護(hù)的深基坑中布置一定數(shù)量的測斜管，定期記錄施工期間的測斜數(shù)據(jù)并綜合分析其變化趨勢，可掌握邊坡和基坑的變形情況。但是，在獲得測斜數(shù)據(jù)之后，如果邊坡和基坑的變形已經(jīng)達(dá)到發(fā)生災(zāi)變的閾值，已出現(xiàn)險情，再采取措施可能為時已晚，所以只有提前預(yù)知變形即將達(dá)到什么程度，才能及時地采取安全措施，避免災(zāi)情的發(fā)生。目前常采用神經(jīng)網(wǎng)絡(luò)和支持向量機等方法進(jìn)行變形的預(yù)測。但是，神經(jīng)網(wǎng)絡(luò)加上正則化機制往往假設(shè)參數(shù)符合高斯分布和拉普拉斯分布，且這些模型沒有考慮時間因素，并且對異常值和缺失值較為敏感。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的對異常值和缺失值較為敏感的缺陷而提供一種邊坡變形測斜值的預(yù)測方法。

本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

一種邊坡變形預(yù)測方法，包括以下步驟：

S1、對監(jiān)測數(shù)據(jù)進(jìn)行編碼處理；

S2、根據(jù)步驟S1編碼后的數(shù)據(jù)，構(gòu)造數(shù)據(jù)集；

S3、根據(jù)步驟S2已構(gòu)造數(shù)據(jù)集，建立邊坡變形的XGboost預(yù)測模型；

S4、對步驟S3已建立的XGboost預(yù)測模型的計算參數(shù)進(jìn)行優(yōu)化；

S5、采用步驟S4優(yōu)化的計算參數(shù)，通過步驟S3已建立的XGboost預(yù)測模型預(yù)測邊坡變形測斜值。

優(yōu)選的，所述步驟S1中監(jiān)測數(shù)據(jù)的編碼處理的具體過程為：

S11、時間直接用整數(shù)的天數(shù)表示。當(dāng)對新數(shù)據(jù)進(jìn)行預(yù)測時，把當(dāng)前監(jiān)測時間減去最初始的監(jiān)測時間的差值作為當(dāng)前數(shù)據(jù)的時間編碼；

S12、取前兩次數(shù)據(jù)的平均值作為當(dāng)前數(shù)據(jù)的特征，進(jìn)行先驗數(shù)據(jù)編碼；

S13、采用獨熱編碼的方式，將所有監(jiān)測點按照整數(shù)從0開始進(jìn)行監(jiān)測點號編碼。

S14、通過S11、S12和S13分別將監(jiān)測時間、監(jiān)測數(shù)據(jù)和監(jiān)測點號進(jìn)行特殊編碼建立一個廣泛通用的模型。

優(yōu)選的，所述步驟S2中根據(jù)編碼后的數(shù)據(jù)構(gòu)造數(shù)據(jù)集中包含：

S21、一個樣本點共有16個特征維度，監(jiān)測點號編碼共13維，還包括時間維度、測點所處深度、先驗信息等三個維度。y標(biāo)簽是模型的輸出值，模型的輸出值為測斜值。

S22、采用S21的16個特征維度和y標(biāo)簽，解析所有的數(shù)據(jù)表，獲取總數(shù)據(jù)；

S23、按照隨機的方式將S22獲取的整個數(shù)據(jù)集分成訓(xùn)練集、驗證集和測試集。其中，訓(xùn)練集占總數(shù)據(jù)90％的數(shù)據(jù)，驗證集占總數(shù)據(jù)4.8～5.0％的數(shù)據(jù)，測試集占總數(shù)據(jù)5.0～5.2％的數(shù)據(jù)。

優(yōu)選的，所述步驟S3中根據(jù)已構(gòu)造數(shù)據(jù)集建立邊坡變形的XGboost預(yù)測模型的具體過程為：

S31、根據(jù)S23分配的訓(xùn)練集樣本I，計算樣本在當(dāng)前輪的損失函數(shù)L_t：