本發(fā)明涉及管廊安全狀態(tài)評估，尤其是涉及一種基于多任務(wù)學(xué)習(xí)的管廊施工過程風(fēng)險預(yù)測方法。

背景技術(shù)：

1、隨著全球城市化進程的加速推進，地下空間的開發(fā)利用已成為城市基礎(chǔ)設(shè)施建設(shè)的重要組成部分。地下管廊及隧道作為城市地下空間的重要組成部分，其建設(shè)需求日益增加。盾構(gòu)法施工因其高效、精準(zhǔn)的特點，在這一領(lǐng)域得到了廣泛應(yīng)用。然而，盾構(gòu)施工過程復(fù)雜，涉及地質(zhì)結(jié)構(gòu)、地下水文、施工機械、人員操作等多種環(huán)境因素及施工條件的變化，這些因素極易引發(fā)安全隱患，對施工安全構(gòu)成嚴(yán)重威脅。

2、當(dāng)前，盡管已有多種施工安全監(jiān)控和管理措施，但大多依賴于人工經(jīng)驗和傳統(tǒng)技術(shù)手段，難以實現(xiàn)對施工風(fēng)險的全面、準(zhǔn)確預(yù)測。因此，開發(fā)一種基于多任務(wù)學(xué)習(xí)的管廊施工過程風(fēng)險預(yù)測方法，對于保障施工安全、減少事故發(fā)生具有重要意義。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于多任務(wù)學(xué)習(xí)的管廊施工過程風(fēng)險預(yù)測方法，通過結(jié)合多視角圖像數(shù)據(jù)、結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)等多種信息源，構(gòu)建了能夠處理復(fù)雜場景下時空相關(guān)性的深度學(xué)習(xí)模型，實現(xiàn)對施工現(xiàn)場潛在安全隱患的實時預(yù)測和警報，該方法克服了現(xiàn)有技術(shù)中數(shù)據(jù)單一、人工依賴性強、風(fēng)險預(yù)測滯后等缺點，有效提高了施工風(fēng)險預(yù)測的精度和響應(yīng)速度。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種基于多任務(wù)學(xué)習(xí)的管廊施工過程風(fēng)險預(yù)測方法,包括以下步驟：

3、s1、管廊施工，并進行現(xiàn)場結(jié)構(gòu)健康監(jiān)測獲得原始結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)；

4、s2、對s1中的原始結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)進行預(yù)處理；

5、s3、將預(yù)處理后的結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)通過時頻變換、特征提取技術(shù)將原始數(shù)據(jù)轉(zhuǎn)換為圖像；

6、s4、將s3的圖像轉(zhuǎn)換為多任務(wù)學(xué)習(xí)算法所能處理的標(biāo)準(zhǔn)格式；

7、s5、根據(jù)s2中的結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)建立管廊施工過程風(fēng)險預(yù)測模型；

8、s6、基于s4轉(zhuǎn)化以后的標(biāo)準(zhǔn)格式的圖像，在s5的基礎(chǔ)上建立預(yù)測管廊施工期間力學(xué)行為過程的多任務(wù)學(xué)習(xí)模型；

9、s7、對s6中建立的多任務(wù)學(xué)習(xí)模型進行訓(xùn)練及測試，并對施工現(xiàn)場進行風(fēng)險預(yù)測，確定安全隱患區(qū)，有安全隱患則發(fā)出警報。

10、優(yōu)選的，s1中對管廊施工，并進行現(xiàn)場結(jié)構(gòu)健康監(jiān)測獲得原始結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)的具體步驟如下：

11、s11、在深基坑開挖階段，通過布設(shè)高精度位移傳感器和應(yīng)力計，實時監(jiān)測數(shù)據(jù)并進行分析，及時預(yù)警坍塌風(fēng)險；

12、s12、深基坑施工結(jié)束后，在管廊主體結(jié)構(gòu)施工階段，通過安裝應(yīng)變片、裂縫計傳感器，實時監(jiān)測結(jié)構(gòu)的應(yīng)力、應(yīng)變及裂縫發(fā)展情況。

13、優(yōu)選的，s2中對數(shù)據(jù)進行預(yù)處理的過程如下：

14、s21、對數(shù)據(jù)進行清洗，去除冗余、錯誤或缺失的信息；對于缺失值，根據(jù)數(shù)據(jù)的分布規(guī)律和業(yè)務(wù)邏輯，采用均值填充、中位數(shù)填充；

15、s22、在s21過程結(jié)束后，識別并處理數(shù)據(jù)的異常值；

16、s23、處理完數(shù)據(jù)的異常值之后進行數(shù)據(jù)轉(zhuǎn)換與標(biāo)準(zhǔn)化。

17、優(yōu)選的，s3中的圖像為由原始傳感器數(shù)據(jù)經(jīng)過變換和可視化后生成的二維圖像或三維圖像，作為多任務(wù)深度學(xué)習(xí)的輸入。

18、優(yōu)選的，s4中將圖像轉(zhuǎn)換為多任務(wù)深度學(xué)習(xí)算法所能處理的標(biāo)準(zhǔn)格式的具體步驟如下：

19、s41、調(diào)整尺寸，讓所有圖像具有相同的寬度和高度；

20、s42、調(diào)整尺寸之后進行歸一化處理，將圖像的像素值從[0,255]的范圍縮放到[0,1]或[-1,1]的范圍內(nèi)；

21、s43、歸一化處理之后，根據(jù)深度學(xué)習(xí)框架的要求，調(diào)整圖像的顏色通道順序；

22、s44、調(diào)整顏色通道順序之后，對數(shù)據(jù)進行增強；

23、s45、數(shù)據(jù)增強完成后，進行批處理形成批次；

24、s46、s45完成之后，進行格式轉(zhuǎn)換：根據(jù)深度學(xué)習(xí)框架的要求，將處理后的圖像數(shù)據(jù)轉(zhuǎn)換為能夠直接被深度學(xué)習(xí)框架所讀取和處理的文件格式。

25、優(yōu)選的，s5中建立管廊施工過程風(fēng)險預(yù)測模型的過程如下：

26、s51、定義數(shù)據(jù)矩陣：將從一個傳感器采集的監(jiān)測數(shù)據(jù)視為一個時間序列，得到多重傳感器采集的監(jiān)測數(shù)據(jù)組成的數(shù)據(jù)矩陣x，

27、x∈rn×l；

28、其中n表示傳感器的數(shù)量，l表示每個時間序列的長度，r表示管廊監(jiān)測數(shù)據(jù)矩陣；

29、s52、得到數(shù)據(jù)矩陣之后，進行指標(biāo)類型定義：

30、，；

31、其中m為監(jiān)控指標(biāo)的類型，是監(jiān)控指標(biāo)i對應(yīng)的傳感器數(shù)，將x和x的預(yù)測結(jié)果賦值為和，表示第i類監(jiān)控指標(biāo)的數(shù)據(jù)矩陣，表示傳感器存儲的標(biāo)量數(shù)據(jù)；

32、s53、指標(biāo)類型定義完成后，進行時間尺度定義，在經(jīng)驗過程中，時間序列會逐漸被輸入到模型中進行訓(xùn)練，輸入長度被稱為觀測窗口，表示為p，在此基礎(chǔ)上，預(yù)測下一個q時刻的信息；

33、s54、將上述過程完成之后開始預(yù)測實施，將數(shù)據(jù)導(dǎo)入循環(huán)神經(jīng)網(wǎng)絡(luò)算法，對管廊施工過程監(jiān)測數(shù)據(jù)預(yù)測。

34、s55、進行風(fēng)險預(yù)測；根據(jù)監(jiān)測數(shù)據(jù)預(yù)測結(jié)果，在管廊施工現(xiàn)場設(shè)置閾值和定義風(fēng)險。

35、優(yōu)選的，s6中建立預(yù)測管廊施工期間力學(xué)行為過程的多任務(wù)學(xué)習(xí)模型的具體步驟如下：

36、s61、將不同指標(biāo)的監(jiān)測數(shù)據(jù)輸入模型，進行多時間序列的并行預(yù)測，過程如下：

37、；

38、；

39、其中argmin（）是計算誤差最小值的函數(shù)，表示t-p+1時刻到t時刻的時序監(jiān)測數(shù)據(jù)，表示t+1時刻到t+p時刻的時序監(jiān)測數(shù)據(jù)，表示計算傳感器數(shù)據(jù)與對應(yīng)預(yù)測數(shù)據(jù)的誤差最小值的函數(shù)；

40、s62、并行預(yù)測完成后，建立多任務(wù)學(xué)習(xí)模型，具體為：工作過程如下：將原始監(jiān)測數(shù)據(jù)輸入編碼器模塊，進行時空相關(guān)性學(xué)習(xí)，經(jīng)過多個時空注意力塊的編碼過程后，將最后一步的輸出作為輸入，轉(zhuǎn)移到解碼器模塊中進行最終預(yù)測。

41、優(yōu)選的，多任務(wù)學(xué)習(xí)模型采用基于和基于的算法分別進行空間相關(guān)學(xué)習(xí)和時間依賴學(xué)習(xí)，并在框架的基礎(chǔ)上建立，該框架由兩個對稱的編碼器模塊和解碼器模塊組成，而且每個模塊都由若干個被稱為時空注意力塊的層組成，同時以網(wǎng)絡(luò)作為提取時空相關(guān)性的核心算法，是一個由和算法組成的耦合網(wǎng)絡(luò)，一個時空注意力塊是多次計算的疊加，然后將其編碼結(jié)果輸入后續(xù)的時空注意力塊進行高跳信息學(xué)習(xí)。

42、優(yōu)選的，gcn是一種用于從結(jié)構(gòu)信息中捕獲空間中節(jié)點特征的拓?fù)渚W(wǎng)絡(luò)，gcn通過融合相鄰矩陣a中所有相鄰序列的信息，在一定時間更新每個序列的狀態(tài)過程如下：

43、；

44、其中，，，d表示每個時間序列的特征數(shù)，f是目標(biāo)特征的維數(shù)，輸出，在此基礎(chǔ)上計算，過程如下：

45、；

46、；

47、其中和是層和l層捕獲的特征，a和w為所有層中的所有節(jié)點共享，e1、e2為可學(xué)習(xí)參數(shù)的兩個節(jié)點；

48、是模型的一種變體，采用了復(fù)位門和更新門這兩個門元素來捕獲序列的長期依賴性，復(fù)位門用于限制更新部分中的信息量，其中歷史隱藏狀態(tài)被壓縮，當(dāng)前信息被混合，更新門用于利用復(fù)位門和激活功能的信息產(chǎn)生新的信息，具體過程為：

49、；

50、；

51、；

52、；

53、其中和表示復(fù)位門和更新門，和表示權(quán)重參數(shù)和偏差，，和分別表示歷史狀態(tài)、當(dāng)前狀態(tài)和當(dāng)前時刻的候選狀態(tài)，表示當(dāng)前時間步的輸入數(shù)據(jù)，σ和為激活函數(shù)；由此確定模型的生成過程如下:

54、；

55、；

56、；

57、；

58、其中表示圖卷積的權(quán)重參數(shù)。

59、優(yōu)選的，確定安全隱患區(qū)，發(fā)出警報的步驟如下：

60、s71、確定風(fēng)險指標(biāo)，確定能夠反映結(jié)構(gòu)的健康狀態(tài)的指標(biāo)；

61、s72、確定風(fēng)險指標(biāo)之后，對于每個風(fēng)險指標(biāo)，根據(jù)其對結(jié)構(gòu)安全的影響程度分配權(quán)重，并為每個風(fēng)險指標(biāo)設(shè)定一個基本分值；

62、s73、根據(jù)每個指標(biāo)乘以權(quán)重加上基本分值的和得到綜合分；

63、s74、根據(jù)結(jié)構(gòu)的安全要求和歷史數(shù)據(jù)設(shè)置閾值，當(dāng)綜合分超過閾值時，系統(tǒng)發(fā)出預(yù)警，定義為風(fēng)險啟動相應(yīng)的預(yù)警措施；

64、s75、持續(xù)對系統(tǒng)進行風(fēng)險預(yù)警，并根據(jù)新的數(shù)據(jù)調(diào)整權(quán)重、基本分值和閾值。

65、因此，本發(fā)明采用上述結(jié)構(gòu)的一種基于多任務(wù)學(xué)習(xí)的管廊施工過程風(fēng)險預(yù)測方法具有以下優(yōu)點：

66、1.首次在地下管廊施工過程中系統(tǒng)性地整合結(jié)構(gòu)健康監(jiān)測與環(huán)境監(jiān)測，全面評估施工安全性；

67、2.對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化和增強處理，確保了數(shù)據(jù)的一致性和模型訓(xùn)練的高效性，提升了模型預(yù)測的準(zhǔn)確性；

68、3.提出了gcn-gru耦合網(wǎng)絡(luò)，能夠深度學(xué)習(xí)時空特征，捕捉施工過程中的動態(tài)變化，實現(xiàn)對復(fù)雜施工場景的高效預(yù)測，提升模型的泛化能力；

69、4.構(gòu)建了基于圖網(wǎng)絡(luò)的風(fēng)險預(yù)測模型，能夠?qū)崟r分析監(jiān)測數(shù)據(jù)并發(fā)出安全警報，極大提升了施工安全管理的智能化水平；

70、5.結(jié)合了施工各階段的風(fēng)險評估，實現(xiàn)從施工開始到結(jié)束的全流程安全監(jiān)測和管理，形成閉環(huán)控制。

71、下面通過附圖和實施例，對本發(fā)明的技術(shù)方案做進一步的詳細(xì)描述。