一种基于灰色关联的基坑整体的预警状态评价方法与流程

1.本发明涉及自动化监测技术，特别涉及一种基坑整体预警状态评价方法。


背景技术：

2.随着城市化的迅速推进和城市工程项目的日益增多，基坑工程的安全问题逐渐引起人们的关注，而由于基坑工程的复杂性和不确定性，基坑监测成为了预防基坑安全事故发生的重要手段。
3.传统的基坑工程监测一般通过人工操作仪器进行检测，检测条件受环境影响大、时效性差，采用自动化监测可以有效避免人工检测的不利环境、较高的监测频率可以保证参数预警的实时性，避免瞬时坍塌事故，同时可节省人力成本，保证监测工程的安全性，并可实现数据自动分析和报警，保障施工安全。然而目前基坑工程自动化监测的报警机制主要针对单个传感器实测参数进行报警。中国专利文献cn112686566a公开了一种深基坑的预警方法、装置、系统、计算机设备及存储介质，通过基坑采集设备对应的目标监测数据与预设报警阈值对比，判定基坑采集设备处于报警状态；但上述专利只能用来判定单个采集设备的报警状态，无法判定基坑整体的报警状态。目前可用于基坑整体报警状态的方法主要是工程结构安全评估方法，包括专家评估法、模糊评价法、层次分析法等。中国专利文献cn110807576a公开了一种基于模糊综合评判法的超深软土基坑安全，采用三级模糊综合评判法，建立软土深基坑工程安全评价模型，但上述方法过于复杂，实际应用时需要计算参数较多，对大量工程的适用性有待探讨。


技术实现要素：

4.鉴于以上现有技术的缺点，本发明的目的在于提供一种基于灰色关联的基坑整体预警状态实用评价方法，用于解决现有技术中存在的技术问题。
5.为了达到目的，本发明提供以下技术方案：
6.本发明提供一种基于灰色关联的基坑整体预警状态评价方法，所述评价方法包括以下步骤：
7.(1)根据委托方或建设方和相关单位的具体要求，制定监测方案，确定监测点位；
8.(2)现场确认监测点位，安装监测传感器及无线网关；
9.(3)对监测点位的传感器进行指标关联，计算传感器所关联的指标x的重要度px
j
；
10.(4)采集传感器数据并传输至管理平台，根据传感器的预警阈值确定传感器是否预警；
11.(5)对预警的传感器进行预警状态打分，并计算指标重要度概率，得到结构状态分值n
s
；
12.(6)综合基坑结构状态分值进行整体预警。
13.进一步地，所述指标x包括围护墙或边坡顶部水平位移、围护墙或边坡顶部竖向位移、围护墙或边坡底部水平位移、深层水平位移、坑底隆起或回弹、土体分层竖向位移、侧向
土压力、观察井水位或承压水位、地下水位、孔隙水压力、立柱竖向位移、锚杆内力、立柱内力、支撑内力、围护墙内力、土钉内力、周边建筑竖向位移、周边建筑倾斜、周边建筑倾斜、周边建筑水平位移、周边建筑、地表裂缝、周边地表竖向位移、周边管线变形。
14.优选的，监测点位传感器按《建筑基坑工程监测技术规范(gb50497
‑
2009)》规定进行布设，传感器与所述指标关联例如某一固定测斜仪传感器关联指标深层水平位移，传感器与指标的关联是根据公知常识进行关联的。
15.步骤(3)的具体过程为：
16.(3.1)建立基坑预警故障树；
17.建立基坑故障树，底事件共有n个，采用布尔代数法确定最小割集q
i
为m个，即i＝1，2，
…
，m；
18.(3.2)计算底事件概率p
底
；
19.p
底
＝p
统
p
专
ꢀꢀ
(公式1)
20.其中，p
统
是根据实际工程案例计算统计得到的底事件发生概率；
21.p
专
是专家调查法得到的概率；所述的专家调查法概率根据有效问卷得到；
22.所述的有效问卷按专家根据指标对于基坑预警的重要度评价进行打分，很重要为4分，重要为3分，较重要为2分，一般重要为1分，不重要为0分，统计每个指标总分，并除以所有指标分值之和，得到指标专家调查法概率p
专
；
23.(3.3)计算顶事件发生概率p
顶
；
24.根据所述的底事件概率p
底
，根据故障树串并联概率计算原则得到最小割集概率p
i
；
25.根据最小割集概率p
i
，得到顶事件发生概率p
顶
；
26.p
顶
＝1
‑
∏(1
‑
p
i
)
ꢀꢀ
(公式2)
27.其中，i是最小割集的序号，i＝1，2，
…
，m；
28.(3.4)计算底事件结构重要度e
j
，
29.e
j
＝∑p
i
/p
顶
ꢀꢀ
(公式3)
30.其中，j是底事件的序号，j＝1，2，...，n；
31.∑p
i
为所有含第j个底事件的最小割集概率之和；
32.(3.5)计算底事件构成故障特征向量[x
r
]；
[0033]
所述的特征向量[x
r
]在所有最小割集q
i
对应的第i行中，所组成的底事件j对应位置处的元素x
ri
(j)为1，其余位置处元素为0，则底事件构成故障特征向量[x
r
]为：
[0034][0035]
(3.6)所述的底事件结构重要度e
j
构成待检向量[x
t
]，
[0036]
[x
t
]＝{e1,e2,...,e
n
}
ꢀꢀ
(公式5)
[0037]
其中，j是底事件的序号，j＝1，2，...，n；
[0038]
(3.7)计算底事件的灰关联度γ
j
；
[0039]
根据所述的特征向量和所述的待检向量可知，
[0040][0041]
其中，j是底事件的序号，j＝1，2，...，n；
[0042]
m为最小割集个数；
[0043]
ρ是分辨系数；
[0044]
ε
i
(j)是灰关联系数；
[0045]
δ
i
(j)是列元素差值；
[0046][0047]
δ
i
(j)＝|x
ri
(j)
‑
e
j
|
ꢀꢀ
(公式8)
[0048]
和分别表示向量行中最小值和向量列中最小值
[0049]
和分别表示向量行中最大值和向量列中最大值；；
[0050]
(3.8)将底事件关联度γ
j
归一化，得到重要度px
j
：
[0051][0052]
进一步地，步骤(4)中，所述传感器的预警采用三级预警，所述三级预警包括黄色预警、橙色预警、红色预警，所述的红色预警的预警值为《建筑基坑工程监测技术规范(gb 50497
‑
2009)》规定的最大限值，所述的橙色预警的预警值为所述《建筑基坑工程监测技术规范(gb 50497
‑
2009)》规定的最大限值的80％，所述的黄色预警的预警值为《建筑基坑工程监测技术规范(gb 50497
‑
2009)》规定的最大限值的60％。
[0053]
进一步地，步骤(5)中，所述预警状态打分的标准为，安全状态0分，黄色预警1分，橙色预警2分，红色预警4分。
[0054]
进一步地，设预警传感器个数q，按预警状态打分标准对q个预警传感器进行预警打分n
k
，其中k是预警传感器的序号，k＝1，2，
…
，q；
[0055]
当预警传感器个数q大于等于2时，将所述的预警传感器关联的指标重要度px
k
进行归一化处理，得到指标重要度概率px
k
'：
[0056][0057]
结构状态分值n
s
为：
[0058][0059]
当预警传感器个数q为1时，并且所述的预警传感器所关联的指标非侧向土压力时，选取所述的预警传感器所关联的指标重要度px，并按预警状态打分的标准对预警的传
感器打分记为n，重要度概率px
′
为：
[0060][0061]
结构状态分值n
s
为：
[0062]
n
s
＝px'
×
n
ꢀꢀ
(公式11.1)
[0063]
当预警传感器个数l为1时，并且所述的预警传感器所关联的指标为侧向土压力时，结构状态分值n
s
为：
[0064]
n
s
＝n
ꢀꢀ
(公式11.2)
[0065]
即结构状态分值n
s
即为该传感器的预警状态分值n。
[0066]
步骤(6)中，按结构状态分值n
s
进行整体预警：
[0067][0068]
1)本发明通过基坑预警指标的重要度，按规则进行状态打分，从而得到结构的状态分值，根据规则进行基坑整体预警，从而提供一种基坑结构整体预警方法。
[0069]
2)本发明的操作流程较为简便，可实现工程的整体快速预警。
[0070]
3)结合工程实践，将本发明应用于实际基坑工程项目，为企业在实际基坑工程项目整体预警中提供借鉴和参考意义，具有良好的推广价值。
附图说明
[0071]
图1是本发明的评价方法流程图。
[0072]
图2是本发明建立的基坑预警故障树。
[0073]
图3是某个基坑项目监测点位布置图。
具体实施方式
[0074]
以下结合附图对本发明的具体实施方式做详细描述，应当指出的是，实施例只是对发明的具体阐述，不应视为对发明的限定，实施例的目的是为了让本领域技术人员更好地理解和再现本发明的技术方案，本发明的保护范围仍应当以权利要求书所限定的范围为准。
[0075]
如图1所示，本发明提供一种基于灰色关联的基坑整体预警状态评价方法，所述评价方法包括以下步骤：
[0076]
s1，根据委托方或建设方和相关单位的具体要求，制定监测方案，确定监测点位；
[0077]
s2，现场确认监测点位，安装监测传感器及无线网关；
[0078]
s3，对监测点位的传感器进行指标关联，计算传感器所关联的指标x的重要度px
j
；
[0079]
所述指标x包括围护墙或边坡顶部水平位移、围护墙或边坡顶部竖向位移、围护墙或边坡底部水平位移、深层水平位移、坑底隆起或回弹、土体分层竖向位移、侧向土压力、观察井水位或承压水位、地下水位、孔隙水压力、立柱竖向位移、锚杆内力、立柱内力、支撑内力、围护墙内力、土钉内力、周边建筑竖向位移、周边建筑倾斜、周边建筑倾斜、周边建筑水
平位移、周边建筑、地表裂缝、周边地表竖向位移、周边管线变形。
[0080]
优选的，监测点位传感器按《建筑基坑工程监测技术规范(gb 50497
‑
2009)》规定进行布设，传感器与所述指标关联例如某一固定测斜仪传感器关联指标深层水平位移，传感器与指标的关联是根据公知常识进行关联的。
[0081]
步骤s3的具体过程为：
[0082]
s3.1建立基坑预警故障树；
[0083]
如图2所述，建立基坑故障树，底事件共有22个，采用布尔代数法确定最小割集为6个，即最小割集为q
i
中的i取值为：i＝1，2，
…
，6；
[0084]
具体为q1＝{x1,x2,x3,x4,x5,x6}；
[0085]
q2＝{x7}；
[0086]
q3＝{x8,x9,x10}；
[0087]
q4＝{x11}；
[0088]
q5＝{x12,x13,x14,x15,x16}；
[0089]
q6＝{x17,x18,x19,x20,x21,x22}；
[0090]
s3.2计算底事件概率p
底
；
[0091]
p
底
＝p
统
p
专
ꢀꢀ
(公式1)
[0092]
其中，p
统
是根据实际工程案例计算统计得到的底事件发生概率；
[0093]
p
专
是专家调查法得到的概率，所述的专家调查法概率根据有效问卷得到；
[0094]
所述的有效问卷按专家根据指标对于基坑预警的重要度评价进行打分，很重要为4分，重要为3分，较重要为2分，一般重要为1分，不重要为0分，统计每个指标总分，并除以所有指标分值之和，得到指标专家调查法概率p
专
；
[0095]
s3.3计算顶事件发生概率p
顶
；
[0096]
根据所述的底事件概率p
底
，根据故障树串并联概率计算原则得到最小割集概率p
i
；
[0097]
根据所述的底事件概率，得到最小割集概率如图表1所示；
[0098]
表1最小割集概率
[0099][0100]
根据最小割集概率p
i
，得到顶事件发生概率p
顶
；
[0101]
p
顶
＝1
‑
∏(1
‑
p
i
)
ꢀꢀ
(公式2)
[0102]
其中，i是最小割集的序号，i＝1，2，
…
，6；
[0103]
s3.4计算底事件结构重要度e
j
；
[0104]
e
j
＝∑p
i
/p
顶
ꢀꢀ
(公式3)
[0105]
其中，j是底事件的序号，j＝1，2，3，...，22；
[0106]
∑p
i
为所有含第j个底事件的最小割集概率之和；
[0107]
s3.5计算底事件构成故障特征向量[x
r
]；
[0108]
所述的特征向量[x
r
]在所有最小割集q
i
对应的第i行中，所组成的底事件j对应位置处的元素x
ri
(j)为1，其余位置处元素为0，则底事件构成故障特征向量[x
r
]为：
[0109][0110]
s3.6所述的底事件结构重要度e
j
构成待检向量[x
t
]，
[0111]
[x
t
]＝{e1,e2,...,e
n
}
ꢀꢀ
(公式5)
[0112]
其中，j是底事件的序号，j＝1，2，...，n；
[0113]
s3.7计算底事件的灰关联度γ
j
；
[0114]
根据所述的特征向量和所述的待检向量可知，
[0115][0116]
其中，j是底事件的序号，j＝1，2，...，n；
[0117]
m为最小割集个数；
[0118]
ρ是分辨系数；
[0119]
ε
i
(j)是灰关联系数；
[0120]
δ
i
(j)是列元素差值；
[0121][0122]
δ
i
(j)＝|x
ri
(j)
‑
e
j
|
ꢀꢀ
(公式8)
[0123]
和分别表示向量行中最小值和向量列中最小值；
[0124]
和分别表示向量行中最大值和向量列中最大值；
[0125]
s3.8将底事件关联度γ
j
归一化，得到重要度px
j
：
[0126][0127]
按《建筑基坑工程监测技术规范(gb 50497
‑
2009)》规定进行监测点位传感器布设，并将每一传感器与监测指标关联，各种监测指标及灰色关联度如表2所示。
[0128]
表2监测指标及灰色关联度
[0129][0130][0131]
s4，采集传感器数据并传输至管理平台，根据传感器的预警阈值确定传感器是否预警；
[0132]
所述传感器的预警采用三级预警，所述三级预警包括黄色预警、橙色预警、红色预警，所述的红色预警的预警值为《建筑基坑工程监测技术规范(gb 50497
‑
2009)》规定的最大限值，所述的橙色预警的预警值为所述《建筑基坑工程监测技术规范(gb 50497
‑
2009)》
规定的最大限值的80％，所述的黄色预警的预警值为《建筑基坑工程监测技术规范(gb 50497
‑
2009)》规定的最大限值的60％。
[0133]
s5，对预警的传感器进行预警状态打分，并计算指标重要度概率，得到结构状态分值n
s
；
[0134]
所述预警状态打分的标准为，安全状态0分，黄色预警1分，橙色预警2分，红色预警4分。
[0135]
设预警传感器个数q按预警状态打分标准对q个预警传感器进行预警打分n
k
，其中k是预警传感器的序号，k＝1，2，
…
，q；
[0136]
当预警传感器个数q大于等于2时，将所述的预警传感器关联的指标重要度px
k
进行归一化处理，得到指标重要度概率px
k
'：
[0137][0138]
结构状态分值n
s
为：
[0139][0140]
当预警传感器个数q为1时，并且所述的预警传感器所关联的指标非侧向土压力时，选取所述的预警传感器所关联的指标重要度px，并按预警状态打分的标准对预警的传感器打分记为n，重要度概率px
′
为：
[0141][0142]
结构状态分值n
s
为：
[0143]
n
s
＝px'
×
n
ꢀꢀ
(公式11.1)
[0144]
当预警传感器个数q为1时，并且所述的预警传感器所关联的指标为侧向土压力时，结构状态分值n
s
为：
[0145]
n
s
＝n
ꢀꢀ
(公式11.2)
[0146]
即结构状态分值n
s
即为该传感器的预警状态分值n。
[0147]
s6，综合基坑结构状态分值进行整体预警。
[0148]
按结构状态分值n
s
进行整体预警：
[0149][0150]
实施例：
[0151]
萧政储出(2018)8号地块商业办公楼项目地址位于浙江省杭州市萧山区蜀山街道亚太路128号。受业主委托，对于该基坑项目采用自动化监测。
[0152]
首先制定监测方案，确定监测点位，监测点位如图3所示，共安装8个固定式测斜仪，8个静力水准仪，4个倾角仪，8个应力计，1个水位计。
[0153]
对安装的传感器进行指标关联，如表3所示。
[0154]
表3传感器指标关联
[0155][0156]
采集数据，进行长期监测，监测过程中，固定式测斜仪cxych08ad1001发生橙色预警，倾角仪2106rb0902发生黄色预警，应力计2106rb0907发生黄色预警，对预警的传感器进行预警状态打分，分值和所关联的指标重要度如表4所示，按公式(10)计算传感器重要度概率，计算结果如表4所示。
[0157]
表4传感器指标关联
[0158][0159]
由于预警传感器个数q为4，大于2，所以根据计算得出，结构状态分值n
s
＝2
×
0.284 1
×
0.284 1
×
0.432＝1.284；
[0160]
由可知，结构状态分值n
s
为1.283，在黄色预警范围内，因为整体结构进行黄色预警。
[0161]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。