烟台金达测绘有限公司 山东省烟台市 264000
摘要：随着计算机技术和工业化生产水平的日益提高，各种监测设备、采集技术、无线传输技术等日臻成熟，均为传感器数据的自动化采集提供了硬件基础。目前自动化监测系统在深大基坑中已有较多应用，且可以通过物联网实现监测数据的自动化采集及传输。而自动化监测系统的核心是对监测数据的分析、处理，其准确性至关重要，因此有必要对其进行研究。
关键词：深基坑；自动化监测；数据分析；数据预测
一、工作原理
监测数据的处理、分析及预测是系统核心应用功能，包括原始监测数据的清洗、变形数据计算，并在此基础上实现变形数据监测、形变数据统计分析及短时预测，支撑现场施工监测需求。监测数据整理与分析技术研究总体逻辑框架如下：不良数据清洗研究不良数据的产生机理及识别清洗方法，变形数据计算根据各类传感器的原理及安装参数计算变形数据，形变监测及形变数据统计分析基于计算的变形数据提供满足基坑状态监测、基坑状态分析的各类统计方法；同时采用数学模型来逼近、模拟基坑的变形规律和动态特征，建立起基坑状态的短时预测机制，为基坑开挖提供科学依据。
二、不良数据识别与清洗
基坑自动化监测系统在自动化采集及传输时会由于周边电磁环境、传输干扰而发生变化产生不良数据；作为基坑监测后期分析与预警的关键性资源之一的监测数据，其监测质量问题尤其是不良数据的出现对后期能数据分析的结果产生越来越重要的影响。不良数据包括2种类型：第1种是真实不良数据，包含着从应用角度看非常有意义的知识；第2种是噪声异常数据，是采集、传输或存储过程中的错误引起的，会误导分析的结果。目前对于不良数据的态度主要有2种：一是拒绝，从数据集中删除全部不良数据，优点是可以减少不良数据的误导作用，但会丢失有意义的信息；二是保留，保留所有不良数据，不会丢失任何信息，但分析结果会受到异常数据的误导。
1、不良数据产生原因分析
产生不良数据的原因通常如下。
1）传感器故障或传感器短时异常，导致传感器输出信号不能正确反映采集量的真实状态。
2）整个采集系统接地不良或电压不稳导致传感器数据采集存在误差或错误而造成假数据。
3）无线采集器在采集接入及处理传感器数据时存在逻辑错误或误差，导致采集的数据异常。
4）无线传输过程中无线信号受到现场大功率设备或强电磁场的干扰，导致输出传输过程中发生异常。在基坑监测过程中，不良数据来源包括钢筋计频率、测斜仪倾角、水位计压强及单点位移计的位移。其中不良数据包括真实异常数据及噪声异常数据2类，并需要针对该2类异常数据进行识别。真实不良数据：有意义的能反映监测对象状态的部分异常数据，简单地将其排除会丢失有用的信息，导致后期预警数据分析的结果不精确或不正确。噪声不良数据：采集、传输或存储过程中的错误引起的那部分异常数据，这种异常数据会导致基坑预警分析的结果出现偏差或错误。
三、不良数据识别与清洗方法
定义监测值的变化由3部分构成：基坑开挖对监测项目带来的影响，环境状态参数变化给监测项目带来的影响以及噪声干扰给监测带来的异常影响。监测项目的最终监测值是上述3部分的综合体现。本方法通过预测基坑开挖及环境状态参数的变化对监测值的影响，来确定监测项目的下一采集时刻预测采集值，并通过比对预测采集值及实际采集值判定实际采集值是否异常。目前针对监测过程中产生的不良数据，通常采用均值偏离方法进行处理，其本质是依据监测对象状态在一段时间内不会发生突变，通过求取一段时间窗内的采集值均值，再通过与设定的阈值进行比较，所超过设定的阈值则判定采集值异常。
期刊文章分类查询,尽在期刊图书馆此方法可以识别部分不良数据，但由于阈值的设置难以把握，导致实际处理效果依赖于阈值的经验值，难以量化处理。本系统中通过预测基坑开挖及环境状态参数的变化对监测值的影响，来确定监测项目的下一采集时刻预测采集值，并通过比对预测采集值及实际采集值来判定实际采集值是否可靠，得出真实的监测数据，在整个基坑开挖的预警过程中起到重要的作用。
四、监测数据处理及分析
监测变形分析的研究内容包括监测原始数据到变形数据的装换、变形数据处理和分析和变形物理解释等方面。本研究从变形监测现场应用需求出发，重点研究变形数据的准确获取及变形数据的统计分析。
1、监测数据到变形数据转换研究
传感器采集到的原始数据通常不是直接的形变数据，需要经过一定的物理量转换并结合参考坐标系，经过稳定性分析、观测值的平差处理来确定最终的形变数据。特别是监测点的变形信息是相对于参考点或一定的基准，如果所选基准本身不稳定或不统一，则由此或得的变形值就不能反映真正意义的变形，因此变形的基准问题是监测数据到变形数据转换研究的重要问题。同时各类传感器由于设备精度有限，测量值存在一定误差，有必要对测量结果进行平差处理。同时由于现场断电、传感器损坏等因素，监测值会不连续或缺少，有必要对变形数据进行插补。为此监测数据到变形数据的转换研究包括3个部分：基准点的确定或参考点的确定；传感器原始数据到变形数据的转化；变形数据的插补研究。
2、变形数据统计分析
1）测点趋势分析测点趋势分析是用来查看各监测点监测数据变化趋势走向。选择工程编号、监测项目以及监测点编号可查看到该测点的监测项目采集数据趋势图，可根据测点趋势图研究该测点的数据规律走向，分析是否存在潜在隐患以及根据测点趋势走向图可作未来预测性分析。
2）断面趋势分析断面趋势分析是看各断面监测点监测数据变化趋势走向的。选择工程编号、监测项目以及断面编号可查看到该断面所有监测项目采集数据趋势图，可根据断面上各测点趋势图研究该断面的数据规律走向，分析该断面各测点趋势走向是否有什么规律或潜在联系，以便后期为监测提供有力的数据进行监测项目监管及科学化分析。
3）多测点数据融合多测点数据融合将多个测点的监测数据绘制成曲线在一个平面图中显示，可用来查看多个测点之间的监测数据变化趋势，观察各个监测点监测数据并进行对比。选择工程编号、监测项目以及监测点（可同时选择多个监测点），点击“生成曲线”按钮，可绘制出多个不同断面同一种监测项目类型的多个测点趋势走向图，用来分析不同断面同一种监测项目是否有同一特性或者趋势走向在同一时间段是否一致以及是否存在关联性等。
4）测点关联性分析测点关联性分析用来查看多个测点之间的监测数据变化趋势，观察各个监测点数据判断多测点是否有存在变化关联。在“测点关联性分析”模块中，选择工程编号、监测点，单击“生成曲线”按钮，页面会显示监测点趋势变化图，通过监测点的趋势走向挖掘监测点趋势走向是否存在关联性，并利用他们所存在的关联更好的为基坑安全保驾护航。
结束语
通过对基坑监测成果的综合分析，对基坑在开挖及后期建筑施工过程中的稳定性进行评价，分析基坑在整个工程阶段的变形规律、受力特点。并根据实际监测数据建立数学模型进行预测，通过将系统采集的实际监测值与比拟值进行对比获得短期预测，自动化监测数据的分析与预测是系统应用功能的核心，通过对不良数据的清洗、分析及预测，实现深大基坑自动化系统监测的准确性。
参考文献：
［1］张友良，陈从新，刘小巍．面向对象的深基坑监测模型及系统的开发［J］．岩石力学与工程学报，2000，19（S1）：1061-1064．
［2］吴振君，王浩，王水林，等．分布式基坑监测信息管理与预警系统的研制［J］．岩土力学，2008，29（9）：2503-2507．
［3］周健宝．深大基坑监测数据的自动化釆集及传输技术研究［J］．铁道建设，2016（3）：29-33．
论文作者:王伟,李鸿翔
论文发表刊物:《建筑模拟》2019年第17期
论文发表时间:2019/6/19
标签：数据论文; 基坑论文; 不良论文; 断面论文; 趋势论文; 异常论文; 传感器论文; 《建筑模拟》2019年第17期论文;