技术新讯 > 计算推算,计数设备的制造及其应用技术 > 基于transformer模型的基坑变形预测方法与流程  >  正文

基于transformer模型的基坑变形预测方法与流程

  • 国知局
  • 2024-11-19 10:05:05

本发明涉及建筑施工,具体涉及一种基于transformer模型的基坑变形预测方法。

背景技术:

1、基坑的施工过程会受到多种外力影响,再加上其他不确定的因素综合影响,往往会出现复杂的地下变形和沉降线性。施工过程中会存在很多潜在不安全因素,因此需要对基坑周围的变换情况进行监测和及时反馈,保证施工的安全性。而现有的基坑的实际监测数据仅能反应当下的基坑变形情况,无法提前进行预测,不能为施工方案的优化提供技术支撑。

2、公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现思路

1、为克服现有技术所存在的缺陷,现提供一种基于transformer模型的基坑变形预测方法,以解决现有的基坑的实际监测数据无法提前预测基坑变形趋势的问题。

2、为实现上述目的,提供一种基于transformer模型的基坑变形预测方法,包括以下步骤:

3、获取历史时序的基坑监测数据以构建监测数据集,所述监测数据集包括训练数据集和测试数据集;

4、搭建transformer模型,所述transformer模型对输入的训练数据集进行多个尺度分割获得多个不同块的块集合,所述块集合通过维度变换将所有块的块内注意力特征集合生成块内特征集合,所述块集合在维度变换后,通过通道重排操作并将同一个块的不同时间跨度合并进行注意力计算获得块外特征集合,将块内特征集合与快外特征集合聚合获得所述监测数据集的特征,基于所述监测数据集的特征,输出基坑的预测值;

5、计算所述基坑的预测值与所述基坑的实测检测值之间的误差以调整所述transformer模型的训练参数,当迭代次数达到指定次数或误差符合设计要求时,结束所述transformer模型的训练;

6、通过训练好的所述transformer模型对未来的时间序列进行预测获得预测数据;

7、基于预设的基坑预警值与所述预测数据的比对,在所述预测数据超过所述预警值时,生成预警信号并对外发送。

8、进一步的,在实施所述transformer模型对输入的训练数据集进行多个尺度分割获得多个不同块的块集合之前,对所述基坑监测数据进行预处理,所述预处理包括缺失值处理、异常值处理、归一化处理、去单位化。

9、进一步的,所述基坑监测数据包括水平位移、竖向位移、深层水平位移。

10、进一步的,将所述基坑监测数据按8:2的比例划分为所述训练数据集和所述测试数据集。

11、本发明的有益效果在于,本发明的基于transformer模型的基坑变形预测方法,通过收集基坑监测数据,对数据进行预处理;搭建多尺度的transformer模型来提取收集数据中的特征,通过训练模型,实现对基坑变形监测数据的预测,根据预测数据进行预警判断。相比之前的时序模型,极大的提高了预测精度,一定程度上预防和避免基坑灾害的发生。本发明的基于transformer模型的基坑变形预测方法,通过采用transformer模型,提高模型对时序数据的特征提取能力,实现对基坑变形的自动预测。

技术特征:

1.一种基于transformer模型的基坑变形预测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于transformer模型的基坑变形预测方法,其特征在于,在实施所述transformer模型对输入的训练数据集进行多个尺度分割获得多个不同块的块集合之前,对所述基坑监测数据进行预处理,所述预处理包括缺失值处理、异常值处理、归一化处理、去单位化。

3.根据权利要求2所述的基于transformer模型的基坑变形预测方法,其特征在于,所述基坑监测数据包括水平位移、竖向位移、深层水平位移。

4.根据权利要求1所述的基于transformer模型的基坑变形预测方法,其特征在于,将所述基坑监测数据按8:2的比例划分为所述训练数据集和所述测试数据集。

技术总结本发明公开了一种基于transformer模型的基坑变形预测方法,通过收集基坑监测数据,对数据进行预处理;搭建多尺度的Transformer模型来提取收集数据中的特征,通过训练模型,实现对基坑变形监测数据的预测,根据预测数据进行预警判断。相比之前的时序模型,极大的提高了预测精度,一定程度上预防和避免基坑灾害的发生。本发明解决了现有的基坑的实际监测数据无法提前预测基坑变形趋势的问题。技术研发人员:姜涧南,李福林,高登峰,刘星笑,尤亚伦,朱绍秋,李斌,李进宇,江志清,江敏贤受保护的技术使用者:中国建筑第八工程局有限公司技术研发日:技术公布日:2024/11/14

本文地址:https://www.jishuxx.com/zhuanli/20241118/331464.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。