[发明专利]一种基坑变形监测方法及系统

权利要求书

1.一种基坑变形监测方法，其特征在于，包括以下具体步骤：

获取基坑监测数据并确定所述基坑的预测指标与特征指标，将选取好的监测数据进行数据预处理，其中，将最大程度反映基坑变形的监测数据作为预测指标，其余监测数据作为特征指标，所述数据预处理包括数据的缺失值处理、异常值处理和数据归一化处理；

将预处理后的基坑监测数据通过变分自编码器进行特征提取并构造出原始时序数据集，其中，先确定隐藏变量z的维度，然后训练变分自编码器已通过最小化重构误差进行模型效果评估，训练完成后提取隐藏变量z作为基坑监测数据的低维深度隐藏特征；

对原始时序数据集进行时间窗滑动以构建样本数据集，其中，从所述原始时序数据的第一条数据开始构造滑动窗口，每次沿着时间方向向前滑动一个窗口，相邻两样本之间会有重叠，将滑动窗口构建的样本数据集划分为训练集和测试集；

将所述样本数据集输入至已训练的LSTM模型进行训练得到具有低维隐藏特征，对LSTM模型进行模型优化并将所述测试集输入到优化后的LSTM基坑变形预测模型中，使用均方误差、平均绝对误差和决定系数作为评价指标对模型预测效果进行评估，以完成对基坑变形监测。

2.根据权利要求1所述的基坑变形监测方法，其特征在于，使用均方误差、平均绝对误差和决定系数作为评价指标对模型预测效果进行评估，以完成对基坑变形监测，包括：

采用均方差MSE、平均绝对误差MAE和决定系数R²作为评价指标，MSE表示预测值与真实值之差平方的期望值，MAE表示预测值与真实值之差绝对值的平均值，MSE、MAE和R²的表达式为其中n表示样本总数，y_i表示实测值，表示预测值，表示实测数据平均值。

3.根据权利要求1所述的基坑变形监测方法，其特征在于，对LSTM模型进行模型优化并将所述测试集输入到优化后的LSTM基坑变形预测模型中，包括：

LSTM网络的单元结构包括遗忘门f_t、输入门i_t和输出门o_t，遗忘门f_t用于接收上一时刻的记忆状态c_t-1，并决定c_t-1被遗忘的部分，控制着记忆状态c_t-1有多少被保留到当前时刻的记忆状态c_t；输入门i_t决定者多少新信息被保留到记忆单元c_t，其中Sigmoid层决定需要更新的值，Tanh层可创建新的后选值向量以生成候选记忆；Sigmoid层决定需要输出的记忆单元并经过Tanh函数进行处理，控制着记忆单元状态c_t有多少作为网络的输出值h_t。