一种基于多层感知机的静力触探土层划分方法及系统与流程

1.本发明涉及数据处理技术领域，特别涉及一种基于多层感知机的静力触探土层划分方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。
3.静力触探(cpt)作为一种实用的原位测试方法，以其设备简单、操作方便、连续性好、数据可靠、重复率高、适用范围广等优点在岩土工程领域得到了广泛应用。利用静力触探参数确定岩土体的力学参数，是静力触探在岩土工程中的一个重要应用。
4.在岩土工程勘察中，静力触探土类识别和地层划分大多还依赖于工程师的工程经验和钻探取样资料。目前国内外学者通过单桥比贯入阻力、双桥锥尖阻力、侧摩阻力与土层力学参数间的统计分析已建立了大量的回归方程或经验公式、图表。图表分类法和统计分析法分层成果是针对每组静力触探数据进行识别，静力触探的数据采集频率一般为5～10cm贯入深度/组，数据量庞大，因此针对每组数据的分层结果数量也同样庞大。由于上述方法分层过细往往不能满足实际工程需要，而且回归方程受土性分类识别、形成环境及回归分析中所采用静力触探参数的可靠性影响，具有很强的局限性，在工程实践中难以广泛应用。
5.发明人发现，在岩土工程勘察中，地层划分不但要考虑土的类型，而且土层的力学性质也是重要的考量因素；已有的分类分层方法着重点在于土类的划分，而对的力学性质关注较少，也造成了其分层结果不够理想。


技术实现要素：

6.为了解决现有技术的不足，本发明提供了一种基于多层感知机的静力触探土层划分方法及系统，结合多层感知机模型，综合土性和力学性质分层，将岩土工程的关注重点和工程经验内化至系统中，形成了高精度的可直接应用于工程实践的土层划分结果。
7.为了实现上述目的，本发明采用如下技术方案：
8.本发明第一方面提供了一种基于多层感知机的静力触探土层划分方法，包括以下过程：
9.获取静力触探数据；
10.根据获取的静力触探数据和多层感知机模型，得到土层划分结果；
11.基于土层划分结果，进行层内数据处理和层间数据处理，得到最终土层划分结果。
12.本发明第二方面提供了一种基于多层感知机的静力触探土层划分系统。
13.一种基于多层感知机的静力触探土层划分系统，包括：
14.数据获取模块，被配置为：获取静力触探数据；
15.土层划分模块，被配置为：根据获取的静力触探数据和多层感知机模型，得到土层划分结果；
16.后处理模块，被配置为：基于土层划分结果，进行层内数据处理和层间数据处理，得到最终土层划分结果。
17.与现有技术相比，本发明的有益效果是：
18.1、本发明基于人工神经网络，在计算机对大量已有静力触探土层划分信息进行深度学习的基础上，形成神经网络模型，构建智能静力触探土层划分系统。人工神经网络具有极强的非线性大规模并行处理能力，成为了解决许多复杂的非确定性问题的有效途径，本发明采用深度贝叶斯神经网络(deep neural networks，dnn)中的多层感知机(multilayer perception，mlp)模型对静力触探数据进行训练和预测，提高了对地层类型识别的准确性和可靠度。
19.2、本发明借助于计算机技术、信息技术、数据库技术、图形可视化技术开发基于多层感知机的静力触探土层划分系统，实现了静力触探土层划分的智能化，相较于传统的土层划分和数据整理具有明显优势，一方面机器学习智能判别分层大部分替代了人工经验，大幅提高了分层效率；另一方面可视化的数据操作方式比传统的表格行列数据编辑明显更加直观、友好和即时。专业人员可使用本发明，能够高效准确的对静力触探孔进行地层划分，并且还可以将经过确认静力触探地层划分数据纳入机器学习数据库中，使系统不断学习和更新，持续提高分层的准确性和实用性。
附图说明
20.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
21.图1为本发明实施例1提供的静力触探深度学习流程图。
22.图2为本发明实施例2提供的基于多层感知机的静力触探土层划分系统结构示意图。
23.图3为本发明实施例2提供的静力触探原始数据导入界面示意图。
24.图4(a)、图4(b)、图4(c)为本发明实施例2提供的静力触探土层划分界面示意图。
25.图5(a)、图5(b)、图5(c)为本发明实施例2提供的静力触探土层层间处理界面示意图。
26.图6为本发明实施例2提供的静力触探土层划分数据入库界面示意图。
具体实施方式
27.下面结合附图与实施例对本发明作进一步说明。
28.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
29.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
30.在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
31.实施例1：
32.如图1所示，本发明实施例1提供了一种基于多层感知机的静力触探土层划分方法，所述方法能够综合考虑土性和力学性质进行地层划分，可将岩土工程的关注重点和工程经验内化至系统中，形成可直接应用于工程实践的土层划分结果；土层划分结果可用钻探、原位测试、土工试验等方法验证准确性，评估实用性；可根据评估结果自我修正，并在后续的工程实践中利用新取得的数据不断验证和修正分层系统，不断学习和更新，持续提高分层的准确性和实用性。
33.具体的，包括：
34.s1：数据输入，将静力触探原始数据导入。
35.s2：静力触探可视化智能分层，系统根据静力触探原始数据实现自动土层划分。进一步的技术方案可分为：
36.(1)智能分层：智能识别当前静探曲线走势，基于机器学习算法自动为当前静力触探孔进行分层；
37.(2)直接引用具有完整地层数据的勘探孔数据，一次性复制到当前孔；
38.(3)利用鼠标单击动作在当前静力触探孔水平位置手动打点，分割出新的土层分界线。
39.s3：层内数据处理，基于土层划分结果，处理土层信息，包括土层编号、土层名称、层顶埋深、层底埋深等信息。
40.s4：层间数据处理，基于土层划分结果，根据实际需要，对土层划分进行人工调整。进一步的技术方案可分为：
41.(1)向上合并：当前地层与上一层地层直接合并(当前地层不能是第一个地层)；
42.(2)向下合并：当前地层与下一层地层直接合并(当前地层不能是最后一个地层)；
43.(3)拆分土层：在当前土层中间划分出一个新的土层分界线，从而将原有土层一分为二。
44.s5：系统采用web桌面端，采用b/s方式部署在服务器上，通过浏览器以多种形式处理、查询、统计服务器中存储的静力触探数据。
45.更具体的，本实施例中，数据来源为：已整理的文本格式数据或者excel数据，dwg图纸数据。其中已有文本数据或者excel数据通过python开发自动完成数据处理。dwg图纸数据通过cad二次开发自动提取所需数据，并通过python开发完成数据处理。最终数据整理归档统一格式，存储于数据库中，提供后续的人工智能开发数据支持和前后处理数据支持。
46.原始数据：深度、摩擦阻力、锥尖阻力。
47.拓展数据：摩阻比＝摩擦阻力/锥尖阻力、差值＝摩擦阻力-锥尖阻力，摩擦阻力形态数据、锥尖阻力形态数据。
48.人工智能输入数据：深度、摩擦阻力、锥尖阻力、摩阻比、差值、摩擦阻力形态数据、锥尖阻力形态数据，输入数据进行归一化处理，公式如下：
[0049][0050]
输出：地层类型编号
[0051]
本实施例中，人工神经网络采用深度贝叶斯神经网络，具体设置为：
[0052]
(a)采用四层网络，输入层、2个隐含层、1个输出层。第一个隐含层默认使用了128个神经元，第二个隐含层使用256个神经元；
[0053]
(b)输入归一化后的数据，输出为对应位置的地层标签编号；
[0054]
(c)学习率默认设置为0.1，训练迭代次数为40000次，损失函数采用交叉熵损失函数，使用总的数据中的90％进行训练，剩余10％用于使用模型进行预测，进行精度分析。
[0055]
模型训练结果：训练集正确率98.5％，测试集正确率96.2％。达到预期效果，形成模型。
[0056]
数据显示和存储，界面显示智能土层划分结果，存储静力触探原始数据和土层划分数据。
[0057]
实施例2：
[0058]
本发明实施例2提供了一种基于多层感知机的静力触探土层划分系统，包括：
[0059]
数据获取模块，被配置为：获取静力触探数据；
[0060]
土层划分模块，被配置为：根据获取的静力触探数据和多层感知机模型，得到土层划分结果；
[0061]
后处理模块，被配置为：基于土层划分结果，进行层内数据处理和层间数据处理，得到最终土层划分结果。
[0062]
如图2所示，以训练完成的模型为核心，建立web版的基于多层感知机的静力触探土层划分系统。系统采用b/s方式部署在服务器上，客户端无需额外安装软件，用户通过浏览器即可使用系统全部功能。
[0063]
本实施例所述系统的研发和试用结果表明，本系统的性能稳定，大大提高了工作人员的效率，提高岩土工程勘察成果的质量，为企业节省人力物力资源。
[0064]
如图3所示，为静力触探原始数据导入界面示意图；如图4(a)、图4(b)和图4(c)所示，为静力触探土层划分界面示意图；如图5(a)、图5(b)和图5(c)所示，为静力触探土层层间处理界面示意图；如图6所示，为静力触探土层划分数据入库界面示意图。
[0065]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。