一种基于机器学习的顶管施工质量评估方法及系统与流程

本技术涉及顶管施工质量评估，特别是涉及一种基于机器学习的顶管施工质量评估方法及系统。

背景技术：

1、在城镇建设过程当中，污水处理管道是非常重要的一项基础设施，污水处理管道建设的质量将会对人们的日常生活造成巨大影响。在污水处理管道的施工建设当中，顶管施工是应用非常广泛的一种施工技术。

2、顶管施工法作为一种先进的非开挖施工工艺，凭借着施工占地面积小、环保、对路面交通和建筑扰动小的优势正在广泛应用于市政管道、地铁、公用事业、水电应用领域。顶管施工的过程中，如何对顶管施工进行实时监测和质量控制成为现阶段亟待解决的技术问题。

技术实现思路

1、本技术的目的是：为解决上述技术问题，本技术提供了一种基于机器学习的顶管施工质量评估方法及系统，旨在提高对于顶管施工过程的监测效率，保证整体的施工质量，提高施工效果。

2、本技术的一些实施例中，通过设定多个工况类别多个反馈时间节点，针对不同工况类别及时调整对应的评价指标，对顶管施工质量进行周期性精准评估和实时监测，并根据实时的施工质量评价值判断是否存在施工问题，及时对各种潜在施工风险进行预警和整改，保证顶管施工过程的精准度和施工效率。

3、本技术的一些实施例中，基于机器学习的方法，不断细化工况类别，从而提高对于顶管施工过程中不同阶段施工质量的精准评价，并对各个质量评估模型的监测参数进行优化筛选，从而提高质量评估模型对于顶管施工质量的分析评估精度，及时对各种潜在施工风险进行预警。在完成整体施工后，生成整体施工质量评价值，实现对于顶管施工过程的整体评价和分析，保证顶管施工的整体质量和效果。

4、本技术的一些实施例中，提供了一种基于机器学习的顶管施工质量评估方法，包括：

5、根据历史施工参数生成多种施工类别，建立各个施工类别的质量评估模型；

6、根据顶管待施工计划建立监测评价时间轴，并根据监测评价时间轴生成多个反馈时间节点；

7、根据预设反馈时间节点获取施工监测参数和施工环境参数，根据施工环境参数判断施工类别，根据判断结果设定对应的质量评估模型为一级质量评估模型；

8、根据施工监测参数和一级质量评估模型生成施工质量评价值。

9、本技术的一些实施例中，建立各个施工类别的质量评估模型时，包括

10、遍历历史施工参数，生成多个施工类别；

11、建立施工类别数列a，a＝(a1，a2…an)，其中，ai为第i个施工类别；n为施工类别数量；

12、根据施工类别数列a依次选取目标施工类别；

13、设定目标施工类别的多个评价指标；

14、根据历史施工参数和目标施工类别的全部评价指标生成训练集数据包；

15、根据训练集数据包建立目标施工类别的质量评估模型；

16、建立质量评估模型数列b，b＝(b1，b2…bn)，其中，bi为第i个施工类别对应的质量评估模型；

17、设定质量评估模型数列的更新参数。

18、本技术的一些实施例中，根据施工环境参数判断施工类别时，包括：

19、获取当前反馈时间节点的施工环境参数；

20、根据预设相似评价模型生成施工环境参数与各个施工类别的相似度评价值；

21、建立当前反馈时间节点的相似度评价值数列f，f＝(f1，f2…fn)，其中，fn为当前反馈时间节点的施工环境参数与第i个施工类别的相似度评价值；

22、选取相似度评价值数列f中最大值fmax对应的施工类别的质量评估模型为一级质量评估模型。

23、本技术的一些实施例中，所述生成施工质量评价值时，包括：

24、获取当前反馈时间节点的一级质量评估模型；

25、根据一级质量评估模型生成评价指标数列c，c＝(c1，c2…cm)，其中，ci为第i个评价指标，m为一级质量评估模型所需的评价指标数量；

26、根据当前反馈时间节点的施工监测参数生成各个评价指标的参考值；

27、建立当前反馈时间节点的参考值数列d，d＝(d1，d2…dm)，其中，di为当前反馈时间节点的第i个评价指标的参考值；

28、生成当前反馈时间节点施工质量评价值g；

29、

30、其中，e1为预设第一权重系数，e2为预设第二权重系数，q1为预设第一固定系数，q2为预设第二固定系数，αi为第i个评价指标的影响因子；d＇i为第i个评价指标的标准参考值。

31、本技术的一些实施例中，还包括：

32、根据当前反馈时间节点的施工质量评价值g判断是否生成预警指令；

33、预设第一施工质量评价值阈值g1和第二施工质量评价值阈值g2，且g1＜g2；

34、若g＜g1，生成一级预警指令；

35、若g1≤g＜g2，生成二级预警指令；

36、若g≥g2，不生成预警指令。

37、本技术的一些实施例中，还包括；

38、当完成整体施工时；

39、根据监测评价时间轴获取各个反馈时间节点的施工质量评价值；

40、建立施工质量评价值数列g，g＝(g1，g2…gr)，其中，gi为第i个反馈时间节点的施工质量评价值，r为监测评价时间轴中的反馈时间节点数量；

41、根据施工指令评价值数列g生成整体施工评价值h；

42、

43、其中，e3为预设第三权重系数，e4为预设第四权重系数；q3为预设第三固定系数，q4为预设第四固定系数；△g为施工质量评价值数列g中全部数据的平均值。

44、本技术的一些实施例中，设定质量评估模型数列的更新参数时，包括：

45、根据预设更新时间节点生成工况类别更新参数，根据工况类别更新参数生成质量评估模型数列的一级更新指令；

46、根据预设更新时间节点获取各个质量评估模型的历史调用参数，并生成二级更新指令；

47、所述二级更新指令包括：

48、依次选取目标质量评估模型；

49、获取目标质量评估模型的历史调用参数；

50、根据历史调用参数生成目标质量评估模型的监测指标筛选参数；

51、根据筛选结果，生成目标质量评估模型的更新参数；

52、依次生成质量评估模型数列b中各个质量评估模型的更新参数。

53、本技术的一些实施例中，提供了一种基于机器学习的顶管施工质量评估系统，包括；

54、中控单元，用于根据历史施工参数生成多种施工类别，建立各个施工类别的质量评估模型；

55、监测单元，用于根据顶管待施工计划建立监测评价时间轴，并根据监测评价时间轴生成多个反馈时间节点；

56、所述监测单元包括多个监测子模块，所述监测子模块用于采集施工监测参数和施工环境参数；

57、评估单元，用于根据预设反馈时间节点获取施工监测参数和施工环境参数；

58、所述评估单元还用于根据施工环境参数判断施工类别，根据判断结果设定对应的质量评估模型为一级质量评估模型，并根据施工监测参数和一级质量评估模型生成施工质量评价值；

59、所述中控单元包括：

60、第一处理模块，用于遍历历史施工参数，生成多个施工类别；

61、建立施工类别数列a，a＝(a1，a2…an)，其中，ai为第i个施工类别；n为施工类别数量；

62、根据施工类别数列a依次选取目标施工类别；

63、设定目标施工类别的多个评价指标；

64、根据历史施工参数和目标施工类别的全部评价指标生成训练集数据包；

65、根据训练集数据包建立目标施工类别的质量评估模型；

66、建立质量评估模型数列b，b＝(b1，b2…bn)，其中，bi为第i个施工类别对应的质量评估模型；

67、第一更新模块，用于根据预设更新时间节点生成工况类别更新参数，根据工况类别更新参数生成质量评估模型数列的一级更新指令；

68、所述第一更新模块还用于根据预设更新时间节点获取各个质量评估模型的历史调用参数，并生成二级更新指令；

69、所述二级更新指令包括：

70、依次选取目标质量评估模型；

71、获取目标质量评估模型的历史调用参数；

72、根据历史调用参数生成目标质量评估模型的监测指标筛选参数；

73、根据筛选结果，生成目标质量评估模型的更新参数；

74、依次生成质量评估模型数列b中各个质量评估模型的更新参数。

75、本技术的一些实施例中，所述评估单元包括：

76、第一判断模块，用于获取当前反馈时间节点的施工环境参数；

77、根据预设相似评价模型生成施工环境参数与各个施工类别的相似度评价值；

78、建立当前反馈时间节点的相似度评价值数列f，f＝(f1，f2…fn)，其中，fn为当前反馈时间节点的施工环境参数与第i个施工类别的相似度评价值；

79、选取相似度评价值数列f中最大值fmax对应的施工类别的质量评估模型为一级质量评估模型；

80、第一评估模块，用于获取当前反馈时间节点的一级质量评估模型；

81、根据一级质量评估模型生成评价指标数列c，c＝(c1，c2…cm)，其中，ci为第i个评价指标，m为一级质量评估模型所需的评价指标数量；

82、根据当前反馈时间节点的施工监测参数生成各个评价指标的参考值；

83、建立当前反馈时间节点的参考值数列d，d＝(d1，d2…dm)，其中，di为当前反馈时间节点的第i个评价指标的参考值；

84、生成当前反馈时间节点施工质量评价值g；

85、

86、其中，e1为预设第一权重系数，e2为预设第二权重系数，q1为预设第一固定系数，q2为预设第二固定系数，αi为第i个评价指标的影响因子；d＇i为第i个评价指标的标准参考值；

87、预警模块，用于根据当前反馈时间节点的施工质量评价值g判断是否生成预警指令；

88、预设第一施工质量评价值阈值g1和第二施工质量评价值阈值g2，且g1＜g2；

89、若g＜g1，生成一级预警指令；

90、若g1≤g＜g2，生成二级预警指令；

91、若g≥g2，不生成预警指令。

92、本技术的一些实施例中，所述评估单元还包括：

93、第二评估模块，当完成整体施工时，所述第二评估模块根据监测评价时间轴获取各个反馈时间节点的施工质量评价值；

94、建立施工质量评价值数列g，g＝(g1，g2…gr)，其中，gi为第i个反馈时间节点的施工质量评价值，r为监测评价时间轴中的反馈时间节点数量；

95、根据施工指令评价值数列g生成整体施工评价值h；

96、

97、其中，e3为预设第三权重系数，e4为预设第四权重系数；q3为预设第三固定系数，q4为预设第四固定系数；△g为施工质量评价值数列g中全部数据的平均值。

98、本技术实施例一种基于机器学习的顶管施工质量评估方法及系统与现有技术相比，其有益效果在于：

99、通过设定多个工况类别多个反馈时间节点，针对不同工况类别及时调整对应的评价指标，对顶管施工质量进行周期性精准评估和实时监测，并根据实时的施工质量评价值判断是否存在施工问题，及时对各种潜在施工风险进行预警和整改，保证顶管施工过程的精准度和施工效率。

100、基于机器学习的方法，不断细化工况类别，从而提高对于顶管施工过程中不同阶段施工质量的精准评价，并对各个质量评估模型的监测参数进行优化筛选，从而提高质量评估模型对于顶管施工质量的分析评估精度，及时对各种潜在施工风险进行预警。在完成整体施工后，生成整体施工质量评价值，实现对于顶管施工过程的整体评价和分析，保证顶管施工的整体质量和效果。