买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中交四航局第一工程有限公司;中交第四航务工程局有限公司;中交(成都)市政建设有限公司

摘要：本发明提供了一种隧道洞内桩基托换结构施工时上部桥梁结构变形预警监控方法，适用于隧道施工监测领域；所述预警监控方法采用GRU—SVM联合的方法，包括监测点位的布置、监测数据的获取、监测数据的初步整理、监测数据的分析和变形预警的实现；本发明提出的一种隧道洞内桩基托换结构施工时上部桥梁结构变形预警监控方法，具有较高的准确性，可广泛的应用于隧道施工监测领域。

主权项：1.一种隧道洞内桩基托换结构施工时上部桥梁结构变形预警监控方法，其特征在于，所述方法包含以下步骤：1监测点位布置；2监测数据获取；3监测数据初步整理；4监测数据的分析；5变形预警的实现；所述监测点位的布置，包括根据隧道正穿桥梁桩基的情况进行布置监测点位，所述监测点位分为：正穿桥梁桩基位移监测点位，桥梁位移监测点位，桥梁应力监测点位，所述监测点位的布置时间应在隧道掌子面距离正穿桥梁桩基的水平距离为200米时布置完成，所述监测点位数量为i个；所述监测数据的获取，包括根据所述监测点位i开展监测工作并获得监测数据集Ci{a1，a2，a3，......，an}，所述监测工作的开展起点为所述隧道掌子面距离所述正穿桥梁桩基水平距离为50d时开始，d为所述桥梁桩基的最大桩基直径，所述监测工作的结束的标志为所述监测点位的监测数据符合结束监测标准；所述监测数据的初步整理，包括对所述监测数据Ci进行缺失值的插补获得包含不确定性估计的完整数据集Di，所述缺失值的插补方法采用贝叶斯方法插补，所述贝叶斯方法的模型采用线性模型；所述数据的初步整理，还包括对所述数据集Di进行归一化获得归一化后数据集Ei＝{x1，x2，x3，......，xn}，所述归一化的方法采用最大最小值法；所述监测数据的分析，包括对所述归一化后数据集Ei进行数据检测与校正，获得预测值bn+1，所述数据检测与校正的步骤为：a模型构建，构建门控循环单元模型，b采用滑动窗口法对所述门控循环单元模型进行训练，窗口起点为t0，终点为t0+L-1，其中L为窗口长度，将所述归一化后数据集长度为L-1的片段{xt0，......，xt0+L-1}，以{xt0+L}为结果标记进行迭代训练，时间窗口按照时间的顺序向后滑动，每次滑动一个位次，依次进行训练直至整个模型收敛达到预先设置要求，最终获得训练好的门控循环单元模型MGRU，c预测值获取，根据所述训练好的门控循环单元模型MGRU，输入所述数据集Ei＝{x1，x2，x3，......，xn}，获得对应的预测值数据集为Fi＝{yL，......，yn，yn+1}，将对应的预测值数据集的预测值减去所述数据集Ei的对应值获得差值数据集Hi＝{dL，...，dn}，其中dj＝yj-xj，与并基于所述值数据集Hi＝{dL，...，dn}，采用专家评判法或者支持向量机分裂模型MSVM获得评判结果，所述评判结果为0或者1，所述0代表非异常，所述1代表异常，最终将专家评判法结果整理成数据集Gi＝{0OR1L,...0OR1n}，d根据所述数据集Gi＝{0OR1L,...0OR1n}，构建新的数据集Mi＝{bL，......，bn}，所述新的数据集Mi的构建原则为：当评判结果为0时，采用所述数据集Ei的值，当所述评判结果为1时，采用所述预测值数据集Fi数据，最终构建新的数据集Mi＝{bL，......，bn}，将所述数据集Mi的长度为L-1的片段{bn-L-1，......，bn}输入到所述训练好的门控循环单元模型MGRU获得预测值bn+1，e构建支持向量机分类模型，对所述支持向量机分类模型采用训练数据进行训练，所述支持向量机输入和输出神经元个数均为1，所述训练数据的输入数据为所述插值数据集Hi＝{dL’...dn’}，所述训练数据对应的输出值为Gi＝{0OR1L,...0OR1n}，最终获得训练完成后支持向量机分类模型MSVM，f对于同一类监测点位，第一个监测点进行分析时需要采用专家评判法，后续点位进行分析时采用所述支持向量机分裂模型MSVM，不再采用所述专家评判法获得评判结果；所述变形预警的实现，包括根据获得的预测值bn+1以及制定的预警标准，分析所述预测值bn+1是否超出预警标准，如果超出则进行预警，达到变形预警的目的。

全文数据：

权利要求：

百度查询： 中交四航局第一工程有限公司 中交第四航务工程局有限公司 中交(成都)市政建设有限公司 一种隧道洞内桩基托换结构施工时上部桥梁结构变形预警监控方法