一种建筑工程施工数据智能管理系统的制作方法

本发明涉及电数字数据处理，具体涉及一种建筑工程施工数据智能管理系统。

背景技术：

1、深基坑支护是建筑工程施工中的重要环节，其影响着建筑工程的质量、安全等问题。在进行深基坑支护施工的过程中，深基坑的坑体会受到来自周围土壤的侧向土压力的作用，这种力的大小会对工程结构的稳定性和形态产生绝对性的影响，因此在建筑工程施工过程中需要对深基坑的土压力数据进行监测。

2、对于实时采集到的土压力数据，可通过异常检测算法获得数据在一段时间内的异常程度。但是因为建筑工程施工周期较长，施工周期较多，因此在数据采集过程中会出现大量的数据，在这些数据中存在较多的数据属于正常土压力数据，无需进行异常检测算法，因此为了减少异常检测的数据量需要对获得的数据进行管理，筛选出需要参与异常检测的数据。现有技术中可通过预设数据范围对土压力数据进行筛选，进而获得异常数据。但是土压力数据在不同施工场景下对应的正常数据范围是存在变化的，因此现有技术中无法准确的对土压力数据进行管理，即无法准确地在采集到的数据中将待异常分析的数据筛选出来。

技术实现思路

1、为了解决对土压力数据待异常分析的数据筛选不准确的技术问题，本发明的目的在于提供一种建筑工程施工数据智能管理系统，所采用的技术方案具体如下：

2、本发明提出了一种建筑工程施工数据智能管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现以下方法步骤：

3、根据预设采样频率在预设采样时段内获得建筑工程施工过程中深基坑内振弦式土压力盒的温度序列、频率序列和土压力序列；

4、根据正常温度范围在所述温度序列中筛选出第一异常时刻；根据所述温度序列和所述频率序列构建二维散点图，将第一异常时刻对应的散点删除，获得待分析散点图；

5、在所述待分析散点图中均匀划分至少两个待分析区域；获得每个待分析区域中散点的集中程度；根据所述待分析区域内散点的位置分布获得所述待分析区域的稠密距离；根据所有待分析区域的所述集中程度和所述稠密距离获得所述待分析散点图中的聚集距离；

6、以所述聚集距离作为dbscan聚类算法中的聚类半径，对所述散点图中的散点进行聚类，筛选出异常数据点；以所述异常数据点的采样时刻作为第二异常时刻；

7、对所述土压力序列中的所述第一异常时刻和所述第二异常时刻对应的元素进行异常程度分析。

8、进一步地，所述根据正常温度范围在所述温度序列中筛选出第一异常时刻，包括：

9、获得预设采样时段内的环境温度序列，根据所述环境温度序列获得环境温度范围；根据预设调整系数对所述环境温度范围进行缩放，获得所述正常温度范围；将所述温度序列内在所述正常温度范围之外的元素对应的采样时刻作为第一异常时刻。

10、进一步地，所述获得每个待分析区域中散点的集中程度，包括：

11、将所述待分析区域内每个维度下坐标的标准差和极差的乘积作为对应维度的离散特征；根据两个维度下的离散特征获得整体离散特征；根据所述整体离散特征获得所述集中程度；所述整体离散特征与所述集中程度呈负相关关系。

12、进一步地，所述根据所述待分析区域内散点的位置分布获得所述待分析区域的稠密距离包括：

13、根据坐标信息对所述待分析区域内的散点进行聚类，获得至少两个第一聚类簇，以簇内样本数量最多的第一聚类簇作为目标聚类簇；

14、任选一个维度作为目标维度；在所述目标聚类簇中，获得两两相同目标维度坐标的散点之间的非目标维度坐标差异，以最大非目标维度坐标差异对应的两个散点组成第一参考点对；获得所述第一参考点对中两个点连线上的散点数量，作为参考数量；若不止一个所述第一参考点对，则以所有连线上的平均散点数量作为所述参考数量；以所述最大非目标维度坐标差异与所述参考数量的比值作为目标维度下的初始稠密距离；

15、改变所述目标维度，获得每个维度下的所述初始稠密距离；

16、以两个维度之间最大初始稠密距离作为所述待分析区域的所述稠密距离。

17、进一步地，所述根据所有待分析区域的所述集中程度和所述稠密距离获得所述待分析散点图中的聚集距离包括：

18、以每个所述待分析区域的所述集中程度在所有待分析区域的集中程度中的占比作为权重系数；将所述权重系数与对应待分析区域的所述稠密距离相乘，获得加权稠密距离；将所有所述待分析区域的所述加权稠密距离累加，获得所述聚集距离。

19、进一步地，所述筛选出异常数据点，包括：

20、以所述聚集距离作为dbscan聚类算法中的聚类半径，对所述散点图中的散点进行聚类，获得第二聚类簇和离散点；将样本数量最多的所述第二聚类簇作为待分析聚类簇；将所述待分析聚类簇中样本点与聚类中心之间的距离作为判断距离；获得所述待分析聚类簇中的平均判断距离，以大于所述平均判断距离的所述判断距离对应的样本点作为异常样本；以所述异常样本、非待分析聚类簇中的样本和所述离散点作为所述异常数据点。

21、进一步地，所述根据所述对所述土压力序列中的所述第一异常时刻和所述第二异常时刻对应的元素进行异常程度分析包括：

22、使用lof异常检测算法对所述土压力序列中的所述第一异常时刻和所述第二异常时刻对应的元素进行异常程度分析。

23、进一步地，所述根据所述温度序列和所述频率序列构建二维散点图，包括：

24、以温度信息作为横坐标，频率信息作为纵坐标构建二维坐标空间，根据所述温度序列和所述频率序列获得所述二维坐标空间中的散点，获得所述二维散点图。

25、进一步地，所述在所述待分析散点图中均匀划分至少两个待分析区域，包括：

26、获得所述温度序列的传感器温度范围；将传感器温度范围均匀划分为预设数量个子范围，所述子范围在所述待分析散点图中对应的区域为所述待分析区域。

27、本发明具有如下有益效果：

28、本发明考虑到直接对土压力数据进行分析容易因为数据本身影响或者数据采集过程中的影响导致最终的筛选效果不好，因为土压力传感器采集到的土压力数据可通过传感器的温度和频率获得，因此本发明同时采集土压力传感器的温度信息、频率信息和土压力信息，并在后续过程中以温度信息和频率信息作为处理信息，进而获得待异常处理的土压力信息。在处理过程中，本发明通过正常温度范围初次筛选出第一异常时刻，进而在散点图中通过分析局部区域的集中和散点分布特征，利用聚集距离对散点图中的散点进行聚类分析，获得异常数据点对应的第二异常时刻。即第一异常时刻为粗略筛选出的异常时刻，第二异常时刻是进一步考虑到数据波动与分布的异常时刻，通过对数据的筛选和管理实现准确的对土压力数据的待异常分析的数据筛选，进而保证了后续异常分析过程的高效与准确性。

技术特征：

1.一种建筑工程施工数据智能管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现以下方法步骤：

2.根据权利要求1所述的一种建筑工程施工数据智能管理系统，其特征在于，所述根据正常温度范围在所述温度序列中筛选出第一异常时刻，包括：

3.根据权利要求1所述的一种建筑工程施工数据智能管理系统，其特征在于，所述获得每个待分析区域中散点的集中程度，包括：

4.根据权利要求1所述的一种建筑工程施工数据智能管理系统，其特征在于，所述根据所述待分析区域内散点的位置分布获得所述待分析区域的稠密距离包括：

5.根据权利要求1所述的一种建筑工程施工数据智能管理系统，其特征在于，所述根据所有待分析区域的所述集中程度和所述稠密距离获得所述待分析散点图中的聚集距离包括：

6.根据权利要求1所述的一种建筑工程施工数据智能管理系统，其特征在于，所述筛选出异常数据点，包括：

7.根据权利要求1所述的一种建筑工程施工数据智能管理系统，其特征在于，所述根据所述对所述土压力序列中的所述第一异常时刻和所述第二异常时刻对应的元素进行异常程度分析包括：

8.根据权利要求1所述的一种建筑工程施工数据智能管理系统，其特征在于，所述根据所述温度序列和所述频率序列构建二维散点图，包括：

9.根据权利要求1所述的一种建筑工程施工数据智能管理系统，其特征在于，所述在所述待分析散点图中均匀划分至少两个待分析区域，包括：

技术总结
本发明涉及电数字数据处理技术领域，具体涉及一种建筑工程施工数据智能管理系统。该系统共同采集振弦式土压力盒的温度、频率和土压力信息。根据正常温度范围对温度序列进行初次数据筛选，获得第一异常时刻，进一步将温度信息和频率信息关联分析获得待分析散点图。通过对待分析散点图中的待分析区域进行单独分析后整合，获得用于聚类的聚集距离，进而获得准确的聚类结果，根据聚类结果筛选出异常数据点，进而获得第二异常时刻。将第一异常时刻和第二异常时刻对应的土压力数据作为筛选后的数据进行异常程度分析。本发明通过对温度和频率的关联分析实现了对数据的二次筛选，通过对数据的筛选和管理获得准确的待异常分析的数据。

技术研发人员：宋永义,周广学,沈莉颖,于鹏飞
受保护的技术使用者：青岛新航农高科产业发展有限公司
技术研发日：
技术公布日：2024/1/12