基于机器学习模型理论的基坑变形预测研究.pdf
《基于机器学习模型理论的基坑变形预测研究.pdf》由会员分享,可在线阅读,更多相关《基于机器学习模型理论的基坑变形预测研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、中国新技术新产品2024 NO.1(上)-81-工 程 技 术随着城市建设的不断发展,工程建设已不再局限于地面,城市地下空间开发日益增多,因此基坑工程也随之增加1-2。与此同时,基坑工程变得越来越复杂,因此对基坑进行监测变得尤为重要,基坑监测技术也逐渐从人工监测向自动化监测领域发展3。与人工监测相比,自动化监测通过将不同的传感器和监测设备相连,能即时获取各监测仪器的数据,全天候动态监测基坑。这个方式不仅可以节省人力成本,还能更高效、准确地对监测点位进行实时监测。随着计算机技术的发展,机器学习不仅能处理多样性数据,还具备高速性和优越的预测能力,因此广泛运用于岩土工程领域。常规的机器学习算法很少考
2、虑特征值对结果的相关性。因此,本文基于现场自动化监测实测数据,引入互信息,采用机器学习算法 MI-BP 对基坑变形进行预测,可以很好地选取和结果相关的特征,提升模型计算的速度。1 基坑变形监测及建立机器学习模型1.1 基坑变形自动化监测基坑自动化监测技术是在大数据、物联网技术的基础上,结合多种传感器,以监测集成设备为枢纽,向监测云平台传输数据,监测云平台可根据收集的数据进行实时分析,并结合输入的设计控制值进行实时预警,解决了很多人工难以解决的问题4-5。自动化监测系统通常包括但不限于以下组成部分。传感器技术:利用各种传感器(例如位移传感器、倾斜传感器和应变传感器等)实时测量基坑周围土体和结构的
3、变形情况。数据采集系统:采集传感器生成的数据,并将其传基于机器学习模型理论的基坑变形预测研究田久晖1,2程华强1,2苏鑫1,2邓钦震1,2杨宏1,2(1.武汉市市政建设集团有限公司,湖北 武汉 430070;2.武汉市桥梁工程有限公司,湖北 武汉 430070)摘 要:为了研究基于机器学习模型理论的基坑变形预测,本文根据实测工程项目,在现场试验中采用自动化监测专用设备,完成了深层水平位移自动化监测。在此基础上,采用机器学习模型理论 MI-BP 对监测数据进行预测。研究结果表明:自动化监测设备可以很好地完成深层水平位移监测,提高了基坑监测的效率,保障了基坑施工安全。此外,机器学习模型理论 MI-
4、BP 可对基坑变形进行预测,其中互信息可以很好地选取和结果相关的特征,提升了模型的计算速度,在更多模型数据的场景中优势更明显。关键词:基坑;变形;自动化监测;机器学习;MI-BP中图分类号:TU47文献标志码:A试区大气压强 P=102.0kPa,测试频率 0.5MHz,干球温度 t=16.1,湿球温度 t=13.6,施加电压 U=1.1ur/3=1.1550/3349.297 kV。根据 GBT110222011 规定,如果干扰电平不超过2500mV,则认为试验通过。试验所得无线电干扰特性如图 8 所示。施加试验电压时,无线电干扰值远小于国标规定的 2500mV,试验通过。结果表明,装配均压
5、环防电晕结构的隔离开关电晕放电强度低,具有较均匀的电场强度分布,验证了有限元计算方法的正确性与准确性。5 结论在 550kV 电压等级下,无防电晕结构的钳夹式隔离开关静触头夹块尖角、静触头两端和绞线圈外侧等部位电场强度大,极易引起电晕。均压盘式防电晕结构能有效降低夹块和静触杆端部表面电场强度,但对绞线圈的影响不明显,增加均压盘盘径虽能在一定程度上降低绞线圈表面场强,但从工艺和成本方面考虑,在 550kV 下不适用,但在 363kV 下具有优越性。均压环式防电晕结构作用范围大、屏蔽效果好,是550kV 电压等级下的理想方案。现场无线电干扰试验验证了计算结果。运用有限元方法计算静电场,研究防电晕结
6、构的方法具有一定价值。参考文献1 刘雨芳.GW16A-550型户外高压交流隔离开关三维电场与温度场分析 D.长沙:湖南大学,2016.2 袁建生,鞠勇,邹军,等.特高压直流输电线路屏蔽环三维有限元电场计算方法与策略 J.电工技术学报,2015,30(10):7-13.3 崔玉坤,曹安全,刘宇,等.35kV 旁路开关隔离部位电场分析及优化设计 J.高压电器,2021,57(6):222-227.4 李智琦,罗日成,吴东,等.500kV 变电站绝缘子串均压环结构优化分析 J.电力科学与技术学报,2019,34(1):171-176.5 常越,孟珍政,唐华超,等.420kV 隔离开关绝缘结构优化J.
7、电气时代,2021(3):61-63.6 项鑫.高压隔离开关电场分析与结构优化 J.电工电气,2023(6):60-64.中国新技术新产品2024 NO.1(上)-82-工 程 技 术输到数据中心或监测站点进行处理和存储。数据传输技术:利用网络技术实时传输监测数据,包括线和无线传输方式。数据处理与分析:对采集的数据进行分析、处理、展示、报警、预测和模拟。实时监控和报警系统:通过自动化监控系统实时监测基坑的变形情况,并根据事先设定的阈值进行报警,保障施工和工程安全。本项目采用固定式测斜仪和全自动测斜机器人对深层水平位移进行自动化监测,并在自动化监测专用设备上集成。1.2 建立机器学习模型机器学习
8、的概念首次出现于 20 世纪 50 年代。最早的机器学习是研究关于符号推理和专家系统。在 60 年代和 70 年代,机器学习算法更多侧重于逻辑推理和规则推导,在这期间,开始出现决策树和专家系统等方法,反向传播算法促进了神经网络的发展。SVM是在90年代初期引入的一种重要机器学习算法,解决分类问题时效果显著。此外,该方法进一步推动了机器学习的发展,处理非线性问题更有效。随着计算能力大幅提升,机器学习进入了大数据时代。大规模数据集的可用性推动了深度学习的兴起。2010 年以来,深度学习的快速发展得益于大数据、强大的计算资源和新的深度学习框架。强化学习是一种机器学习方法,能让智能体通过与环境互动来学
9、习最优策略。其在自动驾驶、游戏领域等方面表现出色,从而引起众多研究人员的关注。自动化机器学习工具的发展使机器学习更容易,迁移学习也成为研究热点,允许模型从一个领域迁移到另一个领域,提高了模型的泛化性能。机器学习算法的历史是一个不断演化和发展的过程,受计算能力、数据可用性以及新兴技术的推动。这个方法已经成为人工智能领域的核心组成部分,对人们的日常生活和各行业都有深远影响。本文将采用机器学习算法 MI-BP。其中,BP 为 BP 神经网络,互信息(Mutual Information)是信息论中的概念,用于度量随机变量间的相关性。在机器学习特征选择中,互信息通常用于关联评估特征和目标变量,确定对预
10、测目标变量是最有效的特征。当互信息值较大时,表示特征间存在较强的相关性;当互信息值接近 0 时,说明特征间没有明显的相关性。因此,可用互信息值评估每个特征与目标变量间的相关性,并选择具有较高互信息值的特征作为预测目标的重要特征。通过均方根误差(RMSE)、决定系数(R2)和均方误差(MSE)评价机器学习方法的有效性6-8。如公式(1)(3)所示。RMSEnyyinii?112*(1)Ryyyyiniiini212121?*(2)2*11-niiiMSEyyn=(3)式中:RMSE 为均方根误差;R2为决定系数;MSE 为均方误差;n 为数据数量;i 为数据序号;yi为实测值;yi*为预测值;y
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 学习 模型 理论 基坑 变形 预测 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。