一种适用珊瑚礁砂基础管桩侧摩阻力的计算方法

1.本发明涉及数据处理技术领域，具体涉及一种适用珊瑚礁砂基础管桩侧摩阻力的计算方法。


背景技术：

2.珊瑚礁地质勘测过程需要通过插入珊瑚礁砂内的基础管桩体现出的基本信息对地质数据进行采集评估。因为珊瑚礁地质环境复杂，地质数据采集难度较大，根据管桩采集到的地质数据具有较多的缺失数据或者异常数据，影响后续对管桩测摩擦阻力的计算。因此为了保证后续计算结果的准确性，需要对管桩采集到的地质数据进行插值处理，通过反距离权重插值等插值方法获得地质数据中需要插值位置处的插值数据。
3.现有技术中对数据进行插值时，插值数据的结果和精度依赖于样本的密度和分布，如果样本分布不均匀或者数量较少，会导致插值数据的误差较大，准确性较低，而对于珊瑚礁砂中部署的基础管桩采集到的数据而言，为了保证数据采集的效率，采集到的地质数据的样本较少且密度较低，使用现有技术中的插值处理会导致插值数据的不准确，进而影响后续侧摩阻力的计算的准确度。


技术实现要素：

4.为了解决现有技术对珊瑚礁砂地质数据进行插值的结果不准确，进而影响后续侧摩阻力计算的技术问题，本发明的目的在于提供一种适用珊瑚礁砂基础管桩侧摩阻力的计算方法，所采用的技术方案具体如下：
5.本发明提出了一种适用珊瑚礁砂基础管桩侧摩阻力的计算方法，所述方法包括：
6.获取珊瑚礁砂中部署的基础管桩上每个采样位置处的地质数据；所述地质数据至少包括砂粒直径和管桩接触面积；获得所述地质数据中的插值位置；
7.以每个所述采样位置作为图结构节点构建初始图结构，所述初始图结构中每个所述图结构节点的节点值为对应所述采样位置的地质数据；在预设数量个不同聚类尺度下对所述初始图结构中的图结构节点进行的聚类，获得每个所述聚类尺度下的聚类类别；
8.获得每个所述聚类类别的节点结构特征；获得每个所述插值位置在不同所述聚类尺度下所处所述聚类类别之间的所述节点结构特征的匹配相似度；根据所述匹配相似度获取每个所述插值位置在不同所述聚类尺度之间的关联聚类类别集合；在所述关联聚类类别集合中，以中心类别与每个聚类类别之间的匹配相似度作为每个聚类类别对应所述聚类尺度下的权重；
9.获得所述插值位置在所述关联聚类类别集合中每个聚类类别对应聚类尺度下的插值数据，根据对应所述聚类尺度下的所述权重和所述插值数据进行整合，获得对应所述插值位置的最终插值数据；获得所有所述插值位置的所述最终插值数据，获得增强地质数据；
10.根据所述增强地质数据中的数据获得珊瑚礁砂基础管桩的侧摩阻力。
11.进一步地，所述以每个所述采样位置作为节点构建初始图结构，包括：
12.根据所述采样位置的坐标，采用三角剖分法建立拓扑图结构，获得所述初始图结构。
13.进一步地，采用拉普拉斯图聚类的聚类方法进行迭代聚类，获得不同所述聚类尺度下的所述聚类类别。
14.进一步地，所述获得每个所述聚类类别的节点结构特征包括：
15.对所述聚类类别进行图因子分解，获得分解子图；通过最小哈希法获得每个所述分解子图的二进制码，以所有所述分解子图的所述二进制码的集合作为所述节点结构特征。
16.进一步地，所述获得每个所述插值位置在不同所述聚类尺度下所处所述聚类类别之间的所述节点结构特征的匹配相似度包括：
17.将所述插值位置在不同所述聚类尺度下所处所述聚类类别之间的所述节点结构特征进行km匹配；所述km匹配过程中以两个所述聚类类别之间的每个所述分解子图作为匹配节点，以所述分解子图之间的所述二进制码的余弦相似度作匹配值，将所述匹配值大于预设匹配阈值的匹配节点组作为保留节点组；以所述保留节点组的数量与两个所述聚类类别中的最大分解子图数量的比值作为所述匹配相似度。
18.进一步地，所述根据所述匹配相似度获取每个所述插值位置在不同所述聚类尺度之间的关联聚类类别集合包括：
19.若所述匹配相似度大于预设相似度阈值，则对应的两个所述聚类类别存在关联关系；获得所述插值位置在不同所述聚类尺度下对应的所有聚类类别之间的关联关系，将具有关联关系的所述聚类类别作为关联聚类类别，获得关联聚类类别集合。
20.进一步地，所述获得所述插值位置在所述关联聚类类别集合中每个聚类类别对应聚类尺度下的插值数据包括：
21.根据所述插值位置所处所述聚类类别中的所述图结构节点，利用反距离插值法获得所述插值位置在对应聚类尺度下的所述插值数据。
22.进一步地，所述最终插值数据的获取方法包括：
23.将所述插值位置对应的每个所述插值数据与对应所述权重相乘，获得对应聚类尺度下的调整插值数据；将所述调整插值数据求平均，获得所述最终插值数据。
24.本发明具有如下有益效果：
25.本发明考虑到珊瑚礁地质数据在单一尺度上具有样本少分布离散的问题，通过设置多尺度的聚类过程获得每个尺度下的聚类结果，通过分析插值位置在每个聚类尺度下对应的聚类类别的相关性，提高插值结果的准确性和稳定性。本发明具体通过构建图结构的方法将每个采样位置下的地质数据进行参数空间转换，进而方便后续的多尺度聚类。进一步通过每个分析不同聚类尺度下聚类类别之间的节点结构特征的匹配相似度表征不同尺度之间的自相关性，获得每个插值位置对应的关联聚类类别集合，因为关联聚类类别集合中每个关联聚类类别都对应一个聚类尺度，因此可通过关联聚类类别集合的中心类别与其他类别之间的匹配相似度获得其他类别对应聚类尺度下的权重。通过权重即可对每个尺度下的插值数据进行加权求和，获得准确的最终插值数据，实现对地质数据的增强。通过增强地质数据即可实现准确的侧摩阻力的计算。
附图说明
26.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
27.图1为本发明一个实施例所提供的一种适用珊瑚礁砂基础管桩侧摩阻力的计算方法流程图。
具体实施方式
28.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种适用珊瑚礁砂基础管桩侧摩阻力的计算方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
29.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
30.下面结合附图具体的说明本发明所提供的一种适用珊瑚礁砂基础管桩侧摩阻力的计算方法的具体方案。
31.请参阅图1，其示出了本发明一个实施例提供的一种适用珊瑚礁砂基础管桩侧摩阻力的计算方法流程图，该方法包括：
32.步骤s1：获取珊瑚礁砂中部署的基础管桩上每个采样位置处的地质数据；地质数据至少包括砂粒直径和管桩接触面积；获得地质数据中的插值位置。
33.珊瑚礁砂中部署的基础管桩上包含具有多种传感器的探头，通过探头可采集多种地质数据，通过管桩的深入可采集珊瑚礁上不同深度地层的地质数据。探头中传感器采集到的数据通过传输以及量化即可完成对地质数据的采集，具体数据采集方式和传输量化方式为本领域技术人员熟知的技术手段，在此不做赘述。
34.因为珊瑚礁砂对于管桩的侧摩阻力能够体现出当前地质的紧致程度、砂砾形态特点等多种特征，而侧摩阻力的计算主要通过砂粒直径和管桩接触面积进行计算，因此所采集到的地质数据至少包括砂砾直径和管桩接触面积。在本发明一些实施例中还可包括土层厚度、堆积密度、摩擦角等多种参数，可通过具体实施场景具体进行采集。需要说明的是，每个采样位置处均可获得多种地质数据，每种地质数据的处理方法均是相同的，因此在后续表述中均以一种地质数据进行举例说明，且统称为地质数据。
35.采集到的地质数据因为采集环境以及采集操作的原因会导致数据中出现缺失数据，缺失数据的位置即为需要进行插值处理的插值位置。需要说明的是，插值位置的获取可直接通过数据采集时数据的时间戳或者坐标信息的连续性体现出来，也可通过现有异常数据检测算法获得，具体方法为本领域技术人员熟知的技术手段，在此不做赘述。
36.步骤s2：以每个采样位置作为图结构节点构建初始图结构，初始图结构中每个图结构节点的节点值为对应采样位置的地质数据；在预设数量个不同聚类尺度下对初始图结构中的图结构节点进行的聚类，获得每个聚类尺度下的聚类类别。
37.珊瑚礁地质数据具有样本少密度低的数据特征，在单一尺度上分析容易造成插值数据的不准确。考虑到珊瑚礁地质数据中的一个位置处的数据在不同尺度上的聚类结果可能具有自相关性，即小尺度下的数据结构类似与大尺度下的数据结构，通过获取自相关性的聚类类别能够增加插值过程中的参考数据，增强插值结果的准确性和稳定性。因此需要对采集到的地质数据进行多尺度下的聚类分析，聚类尺度越多，则对应的聚类结果中包含的样本数量越多。考虑到珊瑚礁地质数据的检测需要重点关注数据的采样位置，即在聚类过程中应同时考虑到数据采样位置以及对应的地质数据，因此以每个采样位置作为图结构节点，构建初始图结构，在初始图结构中每个图结构节点的节点值为对应采样位置的地质数据。在后续聚类过程中在初始图结构上进行聚类操作，能够同时考虑到地质数据的具体数据值以及采样位置，使得获得的聚类结果中的样本点之间参考性更强，所获得的插值结果的参考性更强。
38.优选地，在本发明一个实施例中，以每个所述采样位置作为节点构建初始图结构，包括：根据采样位置的坐标，采用三角剖分法建立拓扑图结构，获得初始图结构。
39.需要说明的是，三角剖分法为本领域技术人员熟知的技术手段，具体过程不再赘述。在本发明其他实施例中也可通过泰森多边形构建算法等其他图结构构建算法获得初始图结构。
40.通过对初始图结构中的图结构节点进行多次不同聚类尺度下的聚类即可获得每个聚类尺度下的聚类类别。需要说明的是，聚类尺度的具体数量选择可根据地质数据具体数据状态进行选取，在本发明一个实施例中将聚类尺度的数量设置为5个，即通过5个不同大小的聚类尺度分别对初始图结构进行聚类，每个聚类尺度下均对应一组聚类类别。
41.优选地，在本发明一个实施例中，采用拉普拉斯图聚类的聚类方法进行迭代聚类，获得不同聚类尺度下的所述聚类类别。拉普拉斯图聚类为本领域技术人员熟知的技术手段，在此不做赘述及说明。
42.步骤s3：获得每个聚类类别的节点结构特征；获得每个插值位置在不同聚类尺度下所处聚类类别之间的节点结构特征的匹配相似度；根据匹配相似度获取每个插值位置在不同聚类尺度之间的关联聚类类别集合；在关联聚类类别集合中，以中心类别与每个聚类类别之间的匹配相似度作为每个聚类类别对应聚类尺度下的权重。
43.因为聚类过程是基于图结构进行聚类，因此每个聚类尺度下所得到的聚类类别可视为图结构中的一片节点区域，分析不同尺度之间聚类类别的自相关性可视为分析节点区域之间的结构相似性，因此为了更准确分析不同尺度之间聚类类别的自相关性，需要首先获得每个聚类类别的节点结构特征，以节点结构特征作为基础数据进行后续的相似性计算。
44.优选地，本发明一个实施例中，获得每个聚类类别的节点结构特征包括：
45.对聚类类别进行图因子分解，获得分解子图。每个分解子图都包含了所有节点，但是不同分解子图之间节点的连接方式不同，因此每个聚类类别的分解子图集合可以表示对应聚类类别中的节点结构分布信息。通过最小哈希法获得每个分解子图的二进制码，通过二进制码的转换可以将每个分解子图中的节点结构进行量化，方便后续的相似度计算。因此以所有分解子图的二进制码的集合作为对应聚类类别的节点结构特征。需要说明的是，图因子分解和最小哈希法均为本领域技术人员熟知的技术手段，具体过程不再赘述。
46.在本发明其他实施例中，也可利用链码分析或者傅里叶变换等方法获取聚类类别中的节点结构特征，具体算法为本领域技术人员熟知的技术手段，在此不做赘述及说明。
47.通过步骤s2的聚类后，同一个插值位置在不同的聚类尺度下对应不同的聚类类别，因此获得插值位置在不同聚类尺度下所处聚类类别之间节点结构特征的匹配相似度，匹配相似度越大，说明两个聚类类别之间的节点结构特征越相似，相关性越大。通过匹配相似度即可获取每个插值位置在不同聚类尺度之间的关联聚类类别集合，即关联聚类类别集合中的每个关联聚类类别对应一个聚类尺度。
48.优选地，因为本发明一个实施例中通过构建分解子图集合的方法获得每个聚类类别的节点结构特征，所以可将插值位置在不同聚类尺度下所处聚类类别之间的节点结构特征进行km匹配。km匹配过程中以两个聚类类别之间的每个分解子图作为匹配节点，以分解子图之间的二进制码的余弦相似度作匹配值，将匹配值大于预设匹配阈值的匹配节点组作为保留节点组。保留节点组中的两个匹配节点分别隶属于不同聚类尺度下的聚类类别，保留节点可视为两个不同聚类类别之间具有相似特征的节点，因此以保留节点组的数量与两个聚类类别中的最大分解子图数量的比值作为匹配相似度，即最大分解子图数量表示匹配节点组的最大值，保留节点组的数量越多，说明具有相似特征的匹配节点占比越大，则对应的两个聚类类别匹配相似度越大。匹配相似度用公式表示为：
[0049][0050]
其中，p
(a,b)
表示聚类类别a和聚类类别b之间的匹配相似度，n
′
表示聚类类别a和聚类类别b之间经过匹配后的保留节点组的数量，max()为最大值选取函数，na为聚类类别a的分解子图数量，nb为聚类类别b的分解子图数量。
[0051]
在本发明实施例中，匹配阈值设置为0.7。
[0052]
需要说明的是，在本发明一些实施例中的节点结构特征并非为集合形式，因此可直接将节点结构特征进行相似度计算，获得匹配相似度。
[0053]
通过匹配相似度的计算过程，可获得插值位置对应的所有聚类类别之间的匹配相似度，匹配相似度越大说明两个聚类类别相关性越大，进而筛选出插值位置对应的不同聚类尺度之间的关联聚类类别集合，即关联聚类类别集合中的每个关联聚类类别均为不同聚类尺度。
[0054]
优选地，本发明一个实施例中根据匹配相似度获取每个插值位置在不同聚类尺度之间的关联聚类类别集合包括：若匹配相似度大于预设相似度阈值，则对应的两个聚类类别存在关联关系；获得插值位置在不同聚类尺度下对应的所有聚类类别之间的关联关系，将具有关联关系的聚类类别作为关联聚类类别，获得关联聚类类别集合。例如插值位置a经过匹配相似度的计算后，认定尺度1和尺度2对应的聚类类别存在关联关系，尺度1和尺度3对应的聚类类别不存在关联关系，而尺度2和尺度3对应的聚类类别存在关联关系，则通过关联关系整合后，插值位置a对应的关联聚类类别集合为尺度1、尺度2和尺度3对应的聚类类别集合。
[0055]
在本发明一个实施例中，考虑到匹配像素点均为0到1之间的数值，因此将相似度阈值设置为0.7。
[0056]
每个插值位置对应一个关联聚类类别集合，关联聚类类别集合为获取插值位置的
最终插值数据的基础，因为关联聚类类别集合中的聚类类别之间均存在相关性，因此可通过赋予关联聚类类别集合中每个关联聚类类别权重，通过后续的加权求和获得准确的最终差值数据。因为关联聚类类别集合中的中心类别为匹配过程中匹配相似度最大的类别，因此可通过中心类别作为基础类别，获得集合中每个聚类类别与中心类别之间的匹配相似度，并将对应的匹配相似度作为聚类类别对应聚类尺度下的权重。需要说明的是，权重获取过程中需要计算中心类别与集合中每个聚类类别之间的匹配相似度，而中心类别与自身的匹配相似度为1，因此中心类别所对应的聚类尺度下的权重也为1。
[0057]
步骤s4：获得插值位置在关联聚类类别集合中每个聚类类别对应聚类尺度下的插值数据，根据对应聚类尺度下的权重和插值数据进行整合，获得对应插值位置的最终插值数据；获得所有插值位置的最终插值数据，获得增强地质数据。
[0058]
因为需要根据关联聚类类别集合对插值位置进行插值数据分析，因此可首先获得插值位置在关联聚类类别集合中每个聚类类别对应聚类尺度下的插值数据。进而根据对应聚类尺度下的权重和插值数据进行整合，即可获得对应插值位置下的最终差值数据。因为一个聚类尺度下的插值数据和权重一一对应，而关联聚类类别集合中的聚类类别对应的尺度之间存在关联性，因此通过权重和插值数据的整合所获得的最终插值数据更准确，稳定性更强。通过对所有插值位置进行同样方法的分析，即可获得不存在缺失数据的增强地质数据。
[0059]
优选地，本发明一个实施例中获得插值位置在关联聚类类别集合中每个聚类类别对应聚类尺度下的插值数据包括：根据插值位置所处聚类类别中的图结构节点，利用反距离插值法获得插值位置在对应聚类尺度下的插值数据。需要说明的是，反距离插值法为本领域技术人员熟知的技术手段，在此不做赘述。
[0060]
优选地，本发明一个实施例中，最终插值数据的获取方法包括：
[0061]
将插值位置对应的每个插值数据与对应权重相乘，获得对应聚类尺度下的调整插值数据；将调整插值数据求平均，获得最终插值数据。通过加权求平均的方法能够使得不同尺度下的插值数据进行准确整合，获得参考性强的最终插值数据。
[0062]
步骤s5：根据增强地质数据中的数据获得珊瑚礁砂基础管桩的侧摩阻力。
[0063]
最终插值数据中的数据具有良好的完整性，即每个采样位置均存在对应地质数据，进而可进行准确的侧摩阻力的计算，通过现有技术公式即可计算侧摩阻力，具体公式包括：
[0064]
fs＝t
×a[0065]
其中，fs为侧摩阻力，t为珊瑚礁砂与管桩之间的静摩擦力，a为管桩侧表面积。
[0066]
需要说明的是，对于珊瑚礁砂而言，静摩擦力主要有砂粒直径和接触面积两个参数共同决定，可通过现有数据记载的摩擦系数结合两个参数进行计算获取。具体获取侧摩阻力的方法为本领域技术人员熟知的技术手段，在此不做赘述及限定。
[0067]
综上所述，本发明实施例获取不同聚类尺度下的聚类类别，以每个聚类类别的节点结构特征作为基础数据，分析插值位置在不同聚类尺度下所处聚类类别之间的节点结构特征的匹配像素点，进而获得每个插值位置对应的关联聚类类别集合。赋予关联聚类类别集合中每个聚类类别权重，并分析对应尺度下的插值数据，通过权重和插值数据的整合，获得对应插值位置的最终差值数据。通过增强地质数据进行准确的侧摩阻力计算。本发明通
过对多尺度对应的类别之间的自相关性进行分析，提高了地质数据的质量，进而提高了侧摩阻力计算的准确度。
[0068]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0069]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。