[发明专利]基坑自动化监测异常数据识别方法

权利要求书

1.一种基坑自动化监测异常数据识别方法，其特征在于：包括下述步骤：

步骤1：在基坑现场安装温度计、雨量计、大气压强计，并实现基坑现场温度、大气压强及降雨量的采集，采集频率同监测项目的采集频率；

步骤2：根据前一采集日的温度变化曲线及钢筋计的频率输出变化曲线，找出两条曲线中的最高点及其对应的采集时刻，求取采集时刻之间的差值作为钢筋计所在位置温度与基坑环境温度之间的延时时间；

步骤3：根据上一轮采集结果并结合本轮采集的温度值、大气压强及采集周期内的降雨量对本轮监测值进行预测；

步骤4：针对每一个监测项目，若本轮采集的监测值在预测值的0.9-1.1倍区间内，确认为正常值，否则判定为异常值；

步骤5：针对每一个监测项目，若本轮判定为正常值，则对预测的均值进行迭代更新。

2.如权利要求1所述的基坑自动化监测异常数据识别方法，其特征在于：

所述步骤3具体为：

异常数据来源的采集对象包括钢筋计频率、测斜仪倾角、水位计压强及单点位移计的位移，首先定义监测值的变化由三部分构成：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三部分的综合体现，记监测项目的监测值为γ，基坑开挖状态为α，环境参数状态为θ，采集、传输及存储环节的噪声为β，则γ＝f(α,θ,β)，函数f表征监测值是三个状态参数的综合反映，将监测值γ分解为α,θ,β三个影响参数的独立作用之和，γ＝A(α)+B(θ)+C(β)，其中函数A表示基坑开挖状态α对监测项目的影响，函数B表示环境状态参数θ对监测项目的影响，函数C表示采集、传输及存储过程中噪声产生的误差，不作为对监测值的预测；

A(α)的在t+1时刻的预测值U(A(α),t+1)的定义如下：U(A(α),t+1)＝wU(A(α),t)+(1-w)I(A(α),t)，I(A(α),t)为t采集时刻的采集值被判定为背景值时修正过的采集值与预测值之间的变化，即：I(A(α),t)＝γ-U(A(α),t)，系数w的值根据采集时间间隔来确定，背景值判定规则如下，其中d为监测项目的方差，一般取值为监测项目前24小时判定为背景值的监测值的方差，ifG(A(α),t+1)>0.8，t时刻采集值A(α)为背景值；

环境状态参数对地下水位压强值预测的影响：定义t时刻至t+1时刻采集周期内的降水量为て，大气压强为ρ，则t+1采集时刻的监测值相比于t时刻的采集时刻的采集值的变化量预测值为：B(θ)＝B(p，τ)＝p(t+1)-p(t)+ρｇτ；

环境状态参数对钢筋计频率预测的影响：根据前一监测日频率输出的最高点与环境温度的最高点之间的时间差作为钢筋计所处位置环境温度与整个基坑环境温度之间的滞后响应时间Delay,定义在t+1采集时刻的监测值相比于t时刻的采集时刻的采集值的变化量预测值为：B(θ)＝B(ΔT)＝b(T_t+1-T_t)＝b(T_t+1-Delay-T_t-Delay)，其中b为钢筋计的温度修订系数，取前一个采集工作日数据的最高点和最低点的线性系数，单位kN/℃，T_t+1与T_t分别为在t+1采集时刻与在t采集时刻钢筋计所在的局部温度，T_t+1-Delay与T_t-Delay巧分别为在t+1采集时刻与在t采集时刻基坑外部的环境温度；

测斜仪倾角、单点位移计受环境状态参数的影响较小，忽略不计；

综上，本方法针对监测项目t+1采集时刻的预测值为：

1)水位压强

γ_e＝U(A(α),t+1)+p(t+1)-p(t)+ρｇτ

2)钢筋计频率

γ_e＝U(A(α),t+1)+b(T_t+1-Delay-T_t-Delay)

3)测斜仪倾角、单点位移计

γ_e＝U(A(α),t+1)。

3.如权利要求2所述的基坑自动化监测异常数据识别方法，其特征在于：

系数w的值根据采集时间间隔来取0～1中间的小数，采集时间间隔越短，w取值越大。