[发明专利]一种基坑变形监测方法及系统

说明书

本发明公开了一种基坑变形监测方法及系统，通过获取基坑监测数据并确定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，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，时间窗滑动以构建样本数据集，将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，基坑变形预测模型不仅能够充分利用时序数据的时间信息作出较高精度预测，同时也可以利用自编码器强大的特征表达能力增加模型的泛化能力和预测效果的稳定性。

技术领域

本发明属于基坑监测技术领域，尤其涉及一种基坑变形监测方法及系统。

背景技术

随着城市化进程的不断加快，日益增长的城市人口与有限的土地资源之间的矛盾更加凸显，为了更加有效的利用土地资源，高层建筑物日益增多，低下空间加速开发利用，低下基础设施的建设越来越多，如地下停车场、低下轨道交通等，由此产生了大量的基坑工程，而基坑的开挖势必会对基坑自身和周边环境产生影响，若不加以控制则极易发生安全事故。由于基坑施工过程是土体卸荷过程，期间受到多种外力作用，外力作用具有模糊性和复杂性，且基坑工程还受到其它多种不确定因素的综合影响，而在海量的监测数据中提取关键的特征指标，构建变形预测模型，推测形变体整体变化趋势和变形特点的准确性下降，使得构建合适的模型用于基坑变形预测变得十分艰巨。

发明内容

有鉴于此，本发明提供了一种可以提高基坑变形监测的准确性和模型的预测性能的基坑变形监测方法及系统，来解决上述技术问题，具体采用以下技术方案来实现。

第一方面，本发明提供了一种基坑变形监测方法，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。

作为上述技术方案的进一步改进，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。

作为上述技术方案的进一步改进，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：