一种用于基坑监测预警的经验曲线拟合系统的制作方法

本发明涉及建筑工程基坑监测领域，具体涉及一种用于基坑监测预警的经验曲线拟合系统。

背景技术：

基坑监测是深基坑开挖前需要做的一项准备工作，是保证基坑安全，防止基坑坍塌的一项重要措施。往往基坑监测是委托专业的第三方检测公司进行，在基坑监测过程中当基坑达到预警值时，基坑已处于危险状态，预警效果往往有所滞后，于是业内急需一种能够预测并准确预警的监测系统。

技术实现要素：

本发明的目的在于提供一种用于基坑监测预警的经验曲线拟合系统，与传统的设置预警值的预警系统相比，通过在云端管理平台内建立本发明系统，并建立企业数据库，能够将现场各监测点采集的数据累计曲线与数据库中的经验曲线在后台进行拟合并预测，对未来可能出现不良趋势的监测点进行预警。

为进一步实现上述目的，本发明采用以下技术方案：一种用于基坑监测预警的经验曲线拟合系统，包括云端管理平台，在所述云端管理平台内由企业数据库、智能预测模块、监测数据预处理模块和监测数据集成采集模块组成；根据不同监测项设置测量机器人或监测传感器，收集数据并传输至监测数据集成采集模块，然后经过监测数据预处理模块将监测数据进行处理后发送至云端管理平台；在经验曲线拟合系统里将数据进行统计，可根据不同要求形成图表方便查看。

作为上述技术方案的优选实施方式，本发明实施例提供的用于基坑监测预警的经验曲线拟合系统进一步包括下列技术特征的部分或全部：

作为上述技术方案的改进，经验曲线拟合系统实现基坑监测预警包括下述步骤：

第一步、通过智能预测模块对监测数据进行分析并对各监测点的未来走势进行预测，如果达到设定的预警值将进行第二步；

第二步、系统将预测出可能会出现预警的监测点的累计曲线与企业数据库中实际达到预警和报警值的这类监测点的累计曲线群进行拟合匹配；

第三步、智能预测模块与企业数据库中拟合匹配后的相似的曲线视为预警曲线，即判定为该监测点基坑周边未来可能出现危险，需要采取基坑加固措施。

作为上述技术方案的改进，所述云端管理平台为云端服务器，所有系统均集成在云端服务器内，云端服务器选用阿里云。

作为上述技术方案的改进，所述企业数据库内收集了各个不同项目基坑监测过程中各实际监测点的累计变化曲线，即收集基坑监测过程中监测点达到预警值和报警值的累计变化曲线。

作为上述技术方案的改进，所述智能预测模块是采用人工神经网络模型对水平位移、垂直位移、支撑轴力、围护结构内力、土压力、地下水位、裂缝、深沉水平位移以及倾斜等检测项中的监测数据进行预测，并根据后续数据对模型进行修正，做到提前预警。

作为上述技术方案的改进，所述监测数据预处理模块是在监测数据采集之后进行工作，预处理部分负责数据采集、插值处理、粗差处理和特征值提取等。

作为上述技术方案的改进，所述监测数据集成采集模块是通过测量机器人和各类监测传感器进行数据采集。

作为上述技术方案的改进，所述测量机器人是用于测量基坑的水平和垂直位移。

作为上述技术方案的改进，通过在基坑边坡上设置固定棱镜进行自动数据采集。

作为上述技术方案的改进，所述监测传感器是用于垂直位移、支撑轴力、围护结构内力、土压力、地下水位、裂缝、深沉水平位移以及倾斜等监测项的监测，根据监测项的不同，通过埋设对应监测项的监测传感器进行数据采集。

与现有技术相比，本发明具有如下有益效果：

(1)本发明为自动化监测，大大降低了人力成本，同时监测频率可人工设置，大大提高了基坑监测的及时性和准确性。

(2)本发明通过建立智能预测模块，通过人工神经网络模型对各监测点未来的走势进行预测，为系统预警提供判定依据。

(3)本发明通过建立独有的企业数据库，收集各个项目监测数据，尤其是达到预警和报警监测点的历史数据，为系统预警提供判定依据。

(4)本发明通过对采集的数据进行预测，并与企业数据库内的历史数据进行拟合匹配，通过这两个判定条件，大大提高了基坑预警的准确性和可靠性。

(5)本发明系统均集成在云端管理平台内，可远程控制、管理、查看，使用起来非常方便，并且系统扩展性强。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本发明用于基坑监测预警的经验曲线拟合系统的结构框图；

图2是本发明用于基坑监测预警的经验曲线拟合系统现场布置平面图。

图中：1、云端管理平台；2、经验曲线拟合系统；3、企业数据库；4、智能预测模块；5、监测数据预处理模块；6、监测数据集成采集模块；7、测量机器人；8、监测传感器；9、固定棱镜。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供的用于基坑监测预警的经验曲线拟合系统，如图1-2所示，包括云端管理平台1，在云端管理平台1内由企业数据库3、智能预测模块4、监测数据预处理模块5和监测数据集成采集模块6组成；根据不同监测项设置测量机器人7或监测传感器8，收集数据并传输至监测数据集成采集模块6，然后经过监测数据预处理模块5将监测数据进行处理后发送至云端管理平台1；在经验曲线拟合系统2里面可以将数据进行统计，可根据不同要求形成图表方便查看。

本发明可用于基坑监测中的水平位移、垂直位移、支撑轴力、围护结构内力、土压力、地下水位、裂缝、深沉水平位移以及倾斜等监测项。

具体地，经验曲线拟合系统2实现基坑监测预警需要三步：第一步通过智能预测模块4对监测数据进行分析并对各监测点的未来走势进行预测，如果达到设定的预警值将进行第二步；第二步系统将预测出可能会出现预警的监测点的累计曲线与企业数据库3中实际达到预警和报警值的这类监测点的累计曲线群进行拟合匹配；第三步智能预测模块4与企业数据库3中拟合匹配后的相似的曲线视为预警曲线，即判定为该监测点基坑周边未来可能出现危险，需要采取基坑加固措施。

本发明一实施例中，所述云端管理平台1为云端服务器，本发明所有系统均集成在云端服务器内，本发明云端服务器以阿里云为例进行说明。

本发明一实施例中，所述企业数据库3内收集了各个不同项目基坑监测过程中各实际监测点的累计变化曲线，即收集基坑监测过程中监测点达到预警值和报警值的累计变化曲线。

本发明一实施例中，所述智能预测模块4是采用人工神经网络模型对水平位移、垂直位移、支撑轴力、围护结构内力、土压力、地下水位、裂缝、深沉水平位移以及倾斜等检测项中的监测数据进行预测，并根据后续数据对模型进行修正，做到提前预警。

本发明一实施例中，所述监测数据预处理模块5是在监测数据采集之后进行工作，预处理部分负责数据采集、插值处理、粗差处理和特征值提取等。预处理模块能够减弱随机误差的影响，并且为后面预测提供数据。

本发明一实施例中，所述监测数据集成采集模块6是通过测量机器人7和各类监测传感器8进行数据采集。

本发明一实施例中，所述测量机器人7是用于测量基坑的水平和垂直位移，例如通过在基坑边坡上设置固定棱镜9进行自动数据采集。本发明测量机器人7型号以拓普康ms05axii为例进行说明。

本发明一实施例中，所述监测传感器8是用于垂直位移、支撑轴力、围护结构内力、土压力、地下水位、裂缝、深沉水平位移以及倾斜等监测项的监测，根据监测项的不同，通过埋设对应监测项的监测传感器8进行数据采集。

更为具体地，本发明垂直位移监测采用的监测传感器8为静力水准仪，型号以hc-d300为例进行说明；支撑轴力监测采用的监测传感器8为埋入式应变计，型号以hc-9200为例进行说明；支撑轴力监测和围护结构内力监测采用的监测传感器8为钢筋应力计，型号以hc-9011为例进行说明；土压力监测采用的监测传感器8为土压力计，型号以hc-ty10为例进行说明；地下水位监测采用的监测传感器8为水位计，型号以hc-9500a为例进行说明；裂缝监测采用的监测传感器8为裂缝计，型号以hc-lf200为例进行说明；深层水平位移监测采用的监测传感器8为固定测斜仪，型号以hc-cx300为例进行说明；倾角监测采用的监测传感器8为倾角传感器，型号以hc-b200为例进行说明。

以上所述是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变动，这些改进和变动也视为本发明的保护范围。