[发明专利]联合机器学习和土力学模型的建筑沉降量提取方法、系统及装置

说明书

本发明提供了联合机器学习和土力学模型的建筑沉降量提取方法、系统及装置，该系统包括：基础信息获取模块，用于获取预设区域内的地面沉降信息、建筑载荷空间位置信息、建筑年龄数据、建筑附加应力、各年地下水位下降值、压缩层厚度数据；地面沉降模型模块，基于GA‑BP神经网络构建地面沉降模型一、地面沉降模型二；评估模块，构建固结沉降模型，联合地面沉降模型一、地面沉降模型二，剥离地下水引起的沉降值。本方案能够剥离地下水开采的影响，获取区域尺度建筑载荷引发的沉降量值，可充分利用现有的水文地质数据及建筑数据，极大程度的减少构建模型所需成本，并引入了建筑附加应力和建筑年龄影响因子，模拟更加精确。

技术领域

本发明涉及建筑沉降监测领域，尤其涉及建筑载荷引发的地面沉降量提取领域，特别是针对建筑载荷应力场和地下水渗流场共同作用下的地面沉降问题。

背景技术

地面沉降是区域性地面高程下降的一种地质环境现象。其涉及经济、环境、资源和社会等多个方面，是目前亟待解决的城市问题之一。了解地面沉降的非线性过程，揭示沉降的形成机理，才能更好的实现科学调控。前人研究表明，开采地下流体和建筑载荷增加通常是城市地面沉降的重要成因。近年来，随着全球城市化进程的加快，建筑载荷对地面沉降的影响有进一步加强的趋势。在此背景下，剥离地下水开采的影响，获取建筑载荷作用下的地面沉降量值，对沉降的科学防控至关重要。

现有的建筑载荷与地面沉降关系研究可分为两类。第一类利用空间统计分析方法探讨了建筑特征与地面沉降的关系。这些特征包括建筑附加应力、高度、密度和年龄等。这类方法仅分析了建筑载荷与地面沉降的相关性，无法定量提取建筑载荷引发的沉降量值。第二类基于岩土本构关系，构建建筑载荷作用下的地面沉降模型，研究建筑载荷对地面沉降的空间影响范围及建筑载荷引起的固结沉降时间。这类模型的构建通常需要复杂的岩土参数和地质钻孔数据，实验成本昂贵，难以大范围推广。此外，模型结果仅在小区域内保持较高的精度，对大范围沉降区难以适用。机器学习模型不受研究区水文地质参数获取的限制，可对区域尺度的地面沉降过程进行模拟。在众多机器学习模型中，BP神经网络通过模拟生物系统，对现实世界的物体做出交互反应。其具有较好的非线性映射能力，适用于地面沉降的模拟。遗传算法基于遗传学说理论，可优化样本种群。将遗传算法与BP神经网络结合，以避免BP神经网络陷入局部极小值。

综上，以往的建筑载荷作用下的地面沉降模型，仅在较小的区域内具有一定的适用性。随着全球沉降区面积的扩张，传统的模型难以适用。在地下水开采和建筑载荷共同作用下的沉降区，如何剥离地下水的影响，获取区域尺度建筑载荷引发的沉降量值，对沉降的防控至关重要。

发明内容

针对现有技术的不足，本发明提出了适用于大区域的建筑沉降量提取模型。该模型可在机器学习框架下使用现有的水文地质数据和建筑载荷信息，模拟区域尺度的地面沉降过程，获取建筑载荷造成的地面沉降量值。

具体而言，本发明提供了以下的技术方案：

一方面，本发明提供了一种联合机器学习和土力学模型的建筑沉降量提取方法，所述方法为：

步骤1、获取预设时间范围内，同一预设地区多次重复过境的SAR影像，进行干涉处理并提取高相干性目标点，对所述高相干性目标点的相位分量信息进行建模，分离各相位信息，以获取地面沉降信息；

步骤2、获取预设地区内建筑载荷空间位置信息、建筑年龄数据；

步骤3、获取建筑附加应力；

步骤4、获取预设地区各年地下水位下降值、压缩层厚度数据；

步骤5、分别构建地面沉降模型一、地面沉降模型二，提取区域尺度建筑载荷引发的地面沉降量值；所述地面沉降模型一以压缩层厚度数据、各年地下水位下降值、建筑年龄数据、建筑附加应力为输入，各年沉降量值为输出；所述地面沉降模型二以压缩层厚度数据、各年地下水位下降值为输入，各年沉降量值为输出；