CN113744395A - 一种建筑地基沉降的监测预警方法及系统 - Google Patents
一种建筑地基沉降的监测预警方法及系统 Download PDFInfo
- Publication number
- CN113744395A CN113744395A CN202111310753.9A CN202111310753A CN113744395A CN 113744395 A CN113744395 A CN 113744395A CN 202111310753 A CN202111310753 A CN 202111310753A CN 113744395 A CN113744395 A CN 113744395A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- target building
- settlement
- information
- building
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 297
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000006073 displacement reaction Methods 0.000 claims abstract description 116
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 28
- 238000013461 design Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 238000009434 installation Methods 0.000 claims description 12
- 238000004062 sedimentation Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 abstract description 34
- 238000010276 construction Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Emergency Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种建筑地基沉降的监测预警方法及系统，涉及地基沉降监测领域，包括：建立目标建筑三维模型；通过所述目标建筑三维模型获取传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息，将所述位移信息与历史监测数据进行对比分析生成位移偏差率；判断所述位移偏差率是否大于预设阈值，若大于，则生成地基沉降报警信息；根据所述监测数据时序序列生成目标建筑沉降量曲线，建立目标建筑沉降预测模型，根据预测结果运用目标建筑三维模型进行预演，并根据预测结果生成目标建筑地基沉降加固方案。本发明实现了建筑地基沉降的实时监测，为建筑地基沉降监测提供更准确的数据支撑及危险预测。
Description
技术领域
本发明涉及地基沉降监测领域，更具体的，涉及一种建筑地基沉降的监测预警方法及系统。
背景技术
在高速发展的现代社会中,随着建筑工程的数量增多和设计施工难度的增大,地基不均匀沉降问题也在逐渐增多, 地基沉降是高层建筑极易出现的一类问题,其可能致使建筑物发生变形,进而对高层建筑物的使用安全造成严重的威胁, 因此需要及时对地基沉降进行实时监测并采取相应的加固治理措施。目前，地基不均匀沉降的监测方法主要以人工监测的方式为主。然而这种人工监测地基沉降的方式以监测工人的工程经验为主，检测结果不具有客观性，存在一定的测量误差等问题。同时监测过程中采用的水准仪、水准标尺等辅助设施工作效率低，已无法满足如今工程进度需求。
为了实现对建筑地基沉降进行实时高效的监测与预警，需要开发一款系统与之配合进行实现，该系统通过建立目标建筑三维模型，获取传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息；将位移信息与历史监测数据进行对比分析生成位移偏差率；根据位移偏差率与预设阈值的对比结果生成地基沉降预警信息；建立目标建筑沉降预测模型获取预测结果并生成目标建筑地基沉降加固方案。在该系统的实现过程中，如何实时对地基沉降量进行监测以及对沉降进行预测都是亟不可待需要解决的问题。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种建筑地基沉降的监测预警方法及系统。
本发明第一方面提供了一种建筑地基沉降的监测预警方法，包括：
获取目标建筑的设计图纸信息及三维点云数据，将所述目标建筑的设计图纸信息进行特征提取，根据所述特征及所述三维点云数据建立目标建筑三维模型；
通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息；
将所述位移信息与历史监测数据进行对比分析生成位移偏差率，判断所述位移偏差率是否大于预设阈值，若大于，则生成地基沉降报警信息；
根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线；
将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型；
将所述沉降预测模型的预测结果运用所述目标建筑三维模型进行预演；
所述无线传感器网络包括数据处理模块、无线通信模块、传感器节点模块、电源供给模块。
本方案中，所述的通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息，具体为：
将目标建筑的三维模型进行分层处理，生成第一监测面、第二监测面及第三监测面，预设基点，获取各监测面到基点的高度基准值；
在各监测面中将传感器节点按照正六边形阵列分布，汇聚节点位于第二监测面的中心位置；
在目标建筑三维模型中标注传感器节点与汇聚节点的安装位置，并获取所述安装位置的坐标信息；
根据各监测面上传感器节点的坐标信息计算与所述基点所在平面的垂直距离，计算所述垂直距离与所述高度基准值的差值，根据所述差值得到预设监测时间的位移信息；
无线传感器网络中各监测面的传感器节点将监测的位移信息发送到汇聚节点；
所述汇聚节点判断所述位移信息是否为有效监测数据，若所述位移信息大于预设位移阈值，则将位移信息发送到数据处理模块。
本方案中，所述的根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线，具体为：
将各监测面传感器节点的监测数据与监测时间点进行匹配生成监测数据时序序列；
通过各监测层传感器节点的监测数据时序序列生成各监测层的对应沉降量曲线；
将第一监测面沉降量曲线、第二监测面沉降曲线及第三监测面沉降曲线进行拟合生成目标建筑沉降量曲线；
通过所述目标建筑沉降量曲线获取目标建筑在预设监测时间内的沉降趋势变化。
本方案中，还包括，通过监测面传感器节点监测的位移信息获取目标建筑的不均匀沉降分布，具体为：
将监测面中传感器节点在预设时间点的监测数据进行对比分析；
获取监测面中各传感器节点的位移差，将所述位移差进行倒序排序，获取最大位移差、最小位移差；
根据预设时间点各监测面对应的最大位移差和最小位移差通过目标建筑三维模型获取目标建筑各监测面的不均匀沉降分布；
根据所述目标建筑各监测面的不均匀沉降分布，生成建筑裂缝预警信息。
本方案中，所述的将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型，具体为：
建立灰色模型，将监测数据时序序列导入所述灰色模型生成监测数据的预测值，计算所述监测数据的预测值的加权平均值，并将所述加权平均值作为新预测值，计算所述新预测值与真实值之间的误差信息；
将目标建筑沉降量曲线进行滤波去噪，获取目标建筑预设区域内地质状况信息，将所述新预测值、去噪后的目标建筑沉降量曲线及目标建筑预设区域内地质状况信息生成样本数据，并进行归一化处理；
基于神经网络建立目标建筑沉降预测模型，根据样本数据确定目标建筑沉降预测模型的输入层、输出层及隐藏层的参数，并进行初始化训练；
运用所述目标建筑沉降预测模型根据所述误差信息预测得到误差预测信息，根据所述误差预测信息将所述新预测值进行修正得到目标建筑的最终沉降预测值。
本方案中，还包括：
获取目标建筑预设区域内地质状况信息及目标建筑自身状况信息，根据类别特征将所述地质状况信息及所述目标建筑自身状况信息进行聚类分析，生成类别特征；
通过目标建筑预设区域内地质状况信息及目标建筑自身状况信息中提取影响因子，将所述影响因子及所述类别特征融合获取对目标建筑安全性的贡献，得到影响因子的权重信息；
通过所述权重信息对所述影响因子进行评价，生成安全性评价信息，将所述安全性评价信息设置监测时间标签；
根据所述安全性评价信息生成目标建筑的安全性预警信息；
建立建筑安全数据库，根据所述监测时间标签将所述类别特征、影响因子及安全性评估信息之间的关系进行存储。
本发明第二方面还提供了一种建筑地基沉降的监测预警系统，该系统包括：存储器、处理器，所述存储器中包括一种建筑地基沉降的监测预警方法程序，所述一种建筑地基沉降的监测预警方法程序被所述处理器执行时实现如下步骤：
获取目标建筑的设计图纸信息及三维点云数据，将所述目标建筑的设计图纸信息进行特征提取，根据所述特征及所述三维点云数据建立目标建筑三维模型；
通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息；
将所述位移信息与历史监测数据进行对比分析生成位移偏差率，判断所述位移偏差率是否大于预设阈值，若大于，则生成地基沉降报警信息；
根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线；
将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型；
将所述沉降预测模型的预测结果运用所述目标建筑三维模型进行预演；
所述无线传感器网络包括数据处理模块、无线通信模块、传感器节点模块、电源供给模块。
本方案中，所述的通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息，具体为：
将目标建筑的三维模型进行分层处理，生成第一监测面、第二监测面及第三监测面，预设基点，获取各监测面到基点的高度基准值；
在各监测面中将传感器节点按照正六边形阵列分布，汇聚节点位于第二监测面的中心位置；
在目标建筑三维模型中标注传感器节点与汇聚节点的安装位置，并获取所述安装位置的坐标信息；
根据各监测面上传感器节点的坐标信息计算与所述基点所在平面的垂直距离，计算所述垂直距离与所述高度基准值的差值，根据所述差值得到预设监测时间的位移信息；
无线传感器网络中各监测面的传感器节点将监测的位移信息发送到汇聚节点；
所述汇聚节点判断所述位移信息是否为有效监测数据，若所述位移信息大于预设位移阈值，则将位移信息发送到数据处理模块。
本方案中，所述的根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线，具体为：
将各监测面传感器节点的监测数据与监测时间点进行匹配生成监测数据时序序列；
通过各监测层传感器节点的监测数据时序序列生成各监测层的对应沉降量曲线；
将第一监测面沉降量曲线、第二监测面沉降曲线及第三监测面沉降曲线进行拟合生成目标建筑沉降量曲线；
通过所述目标建筑沉降量曲线获取目标建筑在预设监测时间内的沉降趋势变化。
本方案中，还包括，通过监测面传感器节点监测的位移信息获取目标建筑的不均匀沉降分布，具体为：
将监测面中传感器节点在预设时间点的监测数据进行对比分析；
获取监测面中各传感器节点的位移差，将所述位移差进行倒序排序，获取最大位移差、最小位移差；
根据预设时间点各监测面对应的最大位移差和最小位移差通过目标建筑三维模型获取目标建筑各监测面的不均匀沉降分布；
根据所述目标建筑各监测面的不均匀沉降分布，生成建筑裂缝预警信息。
本方案中，所述的将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型，具体为：
建立灰色模型，将监测数据时序序列导入所述灰色模型生成监测数据的预测值，计算所述监测数据的预测值的加权平均值，并将所述加权平均值作为新预测值，计算所述新预测值与真实值之间的误差信息；
将目标建筑沉降量曲线进行滤波去噪，获取目标建筑预设区域内地质状况信息，将所述新预测值、去噪后的目标建筑沉降量曲线及目标建筑预设区域内地质状况信息生成样本数据，并进行归一化处理；
基于神经网络建立目标建筑沉降预测模型，根据样本数据确定目标建筑沉降预测模型的输入层、输出层及隐藏层的参数，并进行初始化训练；
运用所述目标建筑沉降预测模型根据所述误差信息预测得到误差预测信息，根据所述误差预测信息将所述新预测值进行修正得到目标建筑的最终沉降预测值。
本方案中，还包括：
获取目标建筑预设区域内地质状况信息及目标建筑自身状况信息，根据类别特征将所述地质状况信息及所述目标建筑自身状况信息进行聚类分析，生成类别特征；
通过目标建筑预设区域内地质状况信息及目标建筑自身状况信息中提取影响因子，将所述影响因子及所述类别特征融合获取对目标建筑安全性的贡献，得到影响因子的权重信息；
通过所述权重信息对所述影响因子进行评价，生成安全性评价信息，将所述安全性评价信息设置监测时间标签；
根据所述安全性评价信息生成目标建筑的安全性预警信息；
建立建筑安全数据库，根据所述监测时间标签将所述类别特征、影响因子及安全性评估信息之间的关系进行存储。
本发明公开了一种建筑地基沉降的监测预警方法及系统，涉及地基沉降监测领域，其中基于双目视觉的建筑地基沉降观测方法包括：建立目标建筑三维模型；通过所述目标建筑三维模型获取传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息，将所述位移信息与历史监测数据进行对比分析生成位移偏差率；判断所述位移偏差率是否大于预设阈值，若大于，则生成地基沉降报警信息；根据所述监测数据时序序列生成目标建筑沉降量曲线，建立目标建筑沉降预测模型，根据预测结果运用目标建筑三维模型进行预演，并根据预测结果生成目标建筑地基沉降加固方案。本发明实现了建筑地基沉降的实时监测，且通过建立目标建筑三维模型监测传感器节点的位移信息获取沉降数据，并建立目标建筑沉降预测模型对目标建筑的沉降危险进行预测，为路面沉降监测提供了更准确的数据支撑及危险预测。
附图说明
图1示出了本发明一种建筑地基沉降的监测预警方法的流程图；
图2示出了本发明获取目标建筑的位移信息的方法流程图；
图3示出了本发明建立目标建筑沉降预测模型进行沉降预测的方法流程图；
图4示出了本发明一种建筑地基沉降的监测预警系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种建筑地基沉降的监测预警方法的流程图。
如图1所示，本发明第一方面提供了一种建筑地基沉降的监测预警方法，包括：
S102，获取目标建筑的设计图纸信息及三维点云数据，将所述目标建筑的设计图纸信息进行特征提取，根据所述特征及所述三维点云数据建立目标建筑三维模型；
S104，通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息；
S106，将所述位移信息与历史监测数据进行对比分析生成位移偏差率，判断所述位移偏差率是否大于预设阈值，若大于，则生成地基沉降报警信息；
S108，根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线；
S110，将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型；
S112，将所述沉降预测模型的预测结果运用所述目标建筑三维模型进行预演；
需要说明的是，所述无线传感器网络包括数据处理模块、无线通信模块、传感器节点模块、电源供给模块。
需要说明的是，使用BIM建立目标建筑三维模型，获取目标建筑设计图纸信息，将所述目标建筑设计图纸信息进行特征提取，并采集目标建筑的三维点云数据，将所述点云数据进行处理，导入Revit，通过目标建筑的图纸特征及点云数据，描绘结构轮廓线，创建标高和轴网，创建基本构建及附属创建，并赋予构建属性，生成目标建筑三维模型。在采集目标建筑的三维点云数据时，由于受角度影响或者建筑物的遮挡，不可能通过一次扫描完成整个目标建筑的三维点云数据，在利用三维点云数据进行目标建筑三维模型构建时需要考虑不同角度观测产生误差累积，因此，获取目标建筑设计图纸信息，从所述建筑设计图纸信息中获取目标建筑的定位信息及比例信息、构筑物的位置及尺寸信息以及设计标高等图纸特征，通过目标建筑的三维点云数据及图纸特征进行建模，提高了建模效率，减少了目标建筑三维模型的误差。
图2示出了本发明获取目标建筑的位移信息的方法流程图。
根据本发明实施例，所述的通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息，具体为：
S202，将目标建筑的三维模型进行分层处理，生成第一监测面、第二监测面及第三监测面，预设基点，获取各监测面到基点的高度基准值；
S204，在各监测面中将传感器节点按照正六边形阵列分布，汇聚节点位于第二监测面的中心位置；
S206，在目标建筑三维模型中标注传感器节点与汇聚节点的安装位置，并获取所述安装位置的坐标信息；
S208，根据各监测面上传感器节点的坐标信息计算与所述基点所在平面的垂直距离，计算所述垂直距离与所述高度基准值的差值，根据所述差值得到预设监测时间的位移信息；
S210，无线传感器网络中各监测面的传感器节点将监测的位移信息发送到汇聚节点；
S212，所述汇聚节点判断所述位移信息是否为有效监测数据，若所述位移信息大于预设位移阈值，则将位移信息发送到数据处理模块。
需要说明的是，所述的根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线，具体为：
将各监测面传感器节点的监测数据与监测时间点进行匹配生成监测数据时序序列；
通过各监测层传感器节点的监测数据时序序列生成各监测层的对应沉降量曲线；
将第一监测面沉降量曲线、第二监测面沉降曲线及第三监测面沉降曲线进行拟合生成目标建筑沉降量曲线；
通过所述目标建筑沉降量曲线获取目标建筑在预设监测时间内的沉降趋势变化。
需要说明的是，还包括，通过监测面传感器节点监测的位移信息获取目标建筑的不均匀沉降分布，具体为：
将监测面中传感器节点在预设时间点的监测数据进行对比分析；
获取监测面中各传感器节点的位移差，将所述位移差进行倒序排序，获取最大位移差、最小位移差；
根据预设时间点各监测面对应的最大位移差和最小位移差通过目标建筑三维模型获取目标建筑各监测面的不均匀沉降分布；
根据所述目标建筑各监测面的不均匀沉降分布，生成建筑裂缝预警信息。
图3示出了本发明建立目标建筑沉降预测模型进行沉降预测的方法流程图。
根据本发明实施例，所述的将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型，具体为：
S302，将目标建筑沉降量曲线进行滤波去噪，获取目标建筑预设区域内地质状况信息，将去噪后的目标建筑沉降量曲线及目标建筑预设区域内地质状况信息生成样本数据，并进行归一化处理；
S304，建立灰色模型，将监测数据时序序列导入所述灰色模型生成监测数据的预测值，计算所述监测数据的预测值的加权平均值，并将所述加权平均值作为新预测值，计算所述新预测值与真实值之间的误差信息；
S306，将目标建筑沉降量曲线进行滤波去噪，获取目标建筑预设区域内地质状况信息，将所述新预测值、去噪后的目标建筑沉降量曲线及目标建筑预设区域内地质状况信息生成样本数据，并进行归一化处理；
S308，基于神经网络建立目标建筑沉降预测模型，根据样本数据确定目标建筑沉降预测模型的输入层、输出层及隐藏层的参数，并进行初始化训练；
S310，运用所述目标建筑沉降预测模型根据所述误差信息预测得到误差预测信息，根据所述误差预测信息将所述新预测值进行修正得到目标建筑的最终沉降预测值。
需要说明的是，灰色模型是将原始数据做累加生成新的数列,以此削弱随机项,增
加其规律性；基于神经网络建立目标建筑沉降预测模型时，输入层节点和输出层节点分别
取输入和输出数据的维数,隐藏层节点个数根据经验公式
获取，其中R
表示隐藏节点个数，n表示输入节点个数，m表示输出节点个数，a表示调节常数，当输出值与
期望值存在较大差异时,误差将被反向传播,由输出层通过隐藏层对各层的权值进行修改,
此过程反复交替进行直至误差降低到可接受的范围,或进行到预先设定的训练次数为止。
需要说明的是，本发明还包括根据安全性评价信息生成目标建筑的安全性预警信息，并建立建筑安全数据库，具体为：
获取目标建筑预设区域内地质状况信息及目标建筑自身状况信息，根据类别特征将所述地质状况信息及所述目标建筑自身状况信息进行聚类分析，生成类别特征；
通过目标建筑预设区域内地质状况信息及目标建筑自身状况信息中提取影响因子，将所述影响因子及所述类别特征融合获取对目标建筑安全性的贡献，得到影响因子的权重信息；
通过所述权重信息对所述影响因子进行评价，生成安全性评价信息，将所述安全性评价信息设置监测时间标签；
根据所述安全性评价信息生成目标建筑的安全性预警信息；
建立建筑安全数据库，根据所述监测时间标签将所述类别特征、影响因子及安全性评估信息之间的关系进行存储。
根据本发明实施例，各监测面的传感器节点对目标建筑不均匀沉降造成的沉降倾角进行监测预警，具体为：
根据各监测面的传感器节点的监测数据判断目标建筑是否存在不均匀沉降，若存在不均匀沉降情况，则获取目标建筑的不均匀沉降分布；
获取传感器节点初始位置与基点的连线，将所述传感器节点初始位置到基点的连线及基点所在垂直轴线所成夹角作为夹角基准值；
将各监测面中传感器节点的实时位置到基点的连线及基点所在垂直轴线所成夹角进行拟合生成目标建筑的沉降倾角；
判断所述沉降倾角是否大于所述夹角基准值；
若大于，则生成目标建筑倾斜预警信息，并生成沉降倾角角度信息，将所述沉降倾角角度信息与监测时间点进行匹配，存入建筑安全数据库。
根据本发明实施例，通过目标建筑沉降预测模型的预测结果生成目标建筑地基沉降加固方案，具体为：
获取目标建筑各监测面的不均匀沉降分布，根据所述目标建筑的不均匀沉降分布提取目标建筑的沉降特征，根据所述沉降特征生成目标建筑的沉降加固要求；
利用大数据方法根据所述沉降特征建立索引，检索匹配度大于预设阈值并满足所述沉降加固要求的加固方案；
根据加固方案的经济特征、技术特征及效果特征生成加固方案的评分，根据所述评分对所述加固方案进行排序；
根据所述排序结果获取目标建筑的最佳加固方案。
需要说明的是，所述的目标建筑的沉降加固要求一般包括复合地基承载力特征值、地基负荷值，加固后的容许沉降量及加固后的平整度；常用的建筑地基沉降加固技术包括：灌浆加固、静力桩加固、置换加固、地坪提升及基础加宽加固等。
图4示出了本发明一种建筑地基沉降的监测预警系统的框图。
本发明第二方面还提供了一种建筑地基沉降的监测预警系统4，该系统包括：存储器41、处理器42，所述存储器中包括一种建筑地基沉降的监测预警方法程序，所述一种建筑地基沉降的监测预警方法程序被所述处理器执行时实现如下步骤：
获取目标建筑的设计图纸信息及三维点云数据，将所述目标建筑的设计图纸信息进行特征提取，根据所述特征及所述三维点云数据建立目标建筑三维模型；
通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息；
将所述位移信息与历史监测数据进行对比分析生成位移偏差率，判断所述位移偏差率是否大于预设阈值，若大于，则生成地基沉降报警信息；
根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线；
将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型；
将所述沉降预测模型的预测结果运用所述目标建筑三维模型进行预演；
需要说明的是，所述无线传感器网络包括数据处理模块、无线通信模块、传感器节点模块、电源供给模块。
需要说明的是，使用BIM建立目标建筑三维模型，获取目标建筑设计图纸信息，将所述目标建筑设计图纸信息进行特征提取，并采集目标建筑的三维点云数据，将所述点云数据进行处理，导入Revit，通过目标建筑的图纸特征及点云数据，描绘结构轮廓线，创建标高和轴网，创建基本构建及附属创建，并赋予构建属性，生成目标建筑三维模型。在采集目标建筑的三维点云数据时，由于受角度影响或者建筑物的遮挡，不可能通过一次扫描完成整个目标建筑的三维点云数据，在利用三维点云数据进行目标建筑三维模型构建时需要考虑不同角度观测产生误差累积，因此，获取目标建筑设计图纸信息，从所述建筑设计图纸信息中获取目标建筑的定位信息及比例信息、构筑物的位置及尺寸信息以及设计标高等图纸特征，通过目标建筑的三维点云数据及图纸特征进行建模，提高了建模效率，减少了目标建筑三维模型的误差。
根据本发明实施例，所述的通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息，具体为：
将目标建筑的三维模型进行分层处理，生成第一监测面、第二监测面及第三监测面，预设基点，获取各监测面到基点的高度基准值；
在各监测面中将传感器节点按照正六边形阵列分布，汇聚节点位于第二监测面的中心位置；
在目标建筑三维模型中标注传感器节点与汇聚节点的安装位置，并获取所述安装位置的坐标信息；
根据各监测面上传感器节点的坐标信息计算与所述基点所在平面的垂直距离，计算所述垂直距离与所述高度基准值的差值，根据所述差值得到预设监测时间的位移信息；
无线传感器网络中各监测面的传感器节点将监测的位移信息发送到汇聚节点；
所述汇聚节点判断所述位移信息是否为有效监测数据，若所述位移信息大于预设位移阈值，则将位移信息发送到数据处理模块。
需要说明的是，所述的根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线，具体为：
将各监测面传感器节点的监测数据与监测时间点进行匹配生成监测数据时序序列；
通过各监测层传感器节点的监测数据时序序列生成各监测层的对应沉降量曲线；
将第一监测面沉降量曲线、第二监测面沉降曲线及第三监测面沉降曲线进行拟合生成目标建筑沉降量曲线；
通过所述目标建筑沉降量曲线获取目标建筑在预设监测时间内的沉降趋势变化。
需要说明的是，还包括，通过监测面传感器节点监测的位移信息获取目标建筑的不均匀沉降分布，具体为：
将监测面中传感器节点在预设时间点的监测数据进行对比分析；
获取监测面中各传感器节点的位移差，将所述位移差进行倒序排序，获取最大位移差、最小位移差；
根据预设时间点各监测面对应的最大位移差和最小位移差通过目标建筑三维模型获取目标建筑各监测面的不均匀沉降分布；
根据所述目标建筑各监测面的不均匀沉降分布，生成建筑裂缝预警信息。
根据本发明实施例，所述的将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型，具体为：
建立灰色模型，将监测数据时序序列导入所述灰色模型生成监测数据的预测值，计算所述监测数据的预测值的加权平均值，并将所述加权平均值作为新预测值，计算所述新预测值与真实值之间的误差信息；
将目标建筑沉降量曲线进行滤波去噪，获取目标建筑预设区域内地质状况信息，将所述新预测值、去噪后的目标建筑沉降量曲线及目标建筑预设区域内地质状况信息生成样本数据，并进行归一化处理；
基于神经网络建立目标建筑沉降预测模型，根据样本数据确定目标建筑沉降预测模型的输入层、输出层及隐藏层的参数，并进行初始化训练；
运用所述目标建筑沉降预测模型根据所述误差信息预测得到误差预测信息，根据所述误差预测信息将所述新预测值进行修正得到目标建筑的最终沉降预测值。
需要说明的是，灰色模型是将原始数据做累加生成新的数列,以此削弱随机项,增
加其规律性；基于神经网络建立目标建筑沉降预测模型时，输入层节点和输出层节点分别
取输入和输出数据的维数,隐藏层节点个数根据经验公式
获取，其中R
表示隐藏节点个数，n表示输入节点个数，m表示输出节点个数，a表示调节常数，当输出值与
期望值存在较大差异时,误差将被反向传播,由输出层通过隐藏层对各层的权值进行修改,
此过程反复交替进行直至误差降低到可接受的范围,或进行到预先设定的训练次数为止。
需要说明的是，本发明还包括根据安全性评价信息生成目标建筑的安全性预警信息，并建立建筑安全数据库，具体为：
获取目标建筑预设区域内地质状况信息及目标建筑自身状况信息，根据类别特征将所述地质状况信息及所述目标建筑自身状况信息进行聚类分析，生成类别特征；
通过目标建筑预设区域内地质状况信息及目标建筑自身状况信息中提取影响因子，将所述影响因子及所述类别特征融合获取对目标建筑安全性的贡献，得到影响因子的权重信息；
通过所述权重信息对所述影响因子进行评价，生成安全性评价信息，将所述安全性评价信息设置监测时间标签；
根据所述安全性评价信息生成目标建筑的安全性预警信息；
建立建筑安全数据库，根据所述监测时间标签将所述类别特征、影响因子及安全性评估信息之间的关系进行存储。
根据本发明实施例，各监测面的传感器节点对目标建筑不均匀沉降造成的沉降倾角进行监测预警，具体为：
根据各监测面的传感器节点的监测数据判断目标建筑是否存在不均匀沉降，若存在不均匀沉降情况，则获取目标建筑的不均匀沉降分布；
获取传感器节点初始位置与基点的连线，将所述传感器节点初始位置到基点的连线及基点所在垂直轴线所成夹角作为夹角基准值；
将各监测面中传感器节点的实时位置到基点的连线及基点所在垂直轴线所成夹角进行拟合生成目标建筑的沉降倾角；
判断所述沉降倾角是否大于所述夹角基准值；
若大于，则生成目标建筑倾斜预警信息，并生成沉降倾角角度信息，将所述沉降倾角角度信息与监测时间点进行匹配，存入建筑安全数据库。
根据本发明实施例，通过目标建筑沉降预测模型的预测结果生成目标建筑地基沉降加固方案，具体为：
获取目标建筑各监测面的不均匀沉降分布，根据所述目标建筑的不均匀沉降分布提取目标建筑的沉降特征，根据所述沉降特征生成目标建筑的沉降加固要求；
利用大数据方法根据所述沉降特征建立索引，检索匹配度大于预设阈值并满足所述沉降加固要求的加固方案；
根据加固方案的经济特征、技术特征及效果特征生成加固方案的评分，根据所述评分对所述加固方案进行排序；
根据所述排序结果获取目标建筑的最佳加固方案。
需要说明的是，所述的目标建筑的沉降加固要求一般包括复合地基承载力特征值、地基负荷值，加固后的容许沉降量及加固后的平整度；常用的建筑地基沉降加固技术包括：灌浆加固、静力桩加固、置换加固、地坪提升及基础加宽加固等。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种建筑地基沉降的监测预警方法，其特征在于，包括：
获取目标建筑的设计图纸信息及三维点云数据，将所述目标建筑的设计图纸信息进行特征提取，根据所述特征及所述三维点云数据建立目标建筑三维模型；
通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息；
将所述位移信息与历史监测数据进行对比分析生成位移偏差率，判断所述位移偏差率是否大于预设阈值，若大于，则生成地基沉降报警信息；
根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线；
将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型；
将所述沉降预测模型的预测结果运用所述目标建筑三维模型进行预演；
所述无线传感器网络包括数据处理模块、无线通信模块、传感器节点模块、电源供给模块。
2.根据权利要求1所述的一种建筑地基沉降的监测预警方法，其特征在于，所述的通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息，具体为：
将目标建筑的三维模型进行分层处理，生成第一监测面、第二监测面及第三监测面，预设基点，获取各监测面到基点的高度基准值；
在各监测面中将传感器节点按照正六边形阵列分布，汇聚节点位于第二监测面的中心位置；
在目标建筑三维模型中标注传感器节点与汇聚节点的安装位置，并获取所述安装位置的坐标信息；
根据各监测面上传感器节点的坐标信息计算与所述基点所在平面的垂直距离，计算所述垂直距离与所述高度基准值的差值，根据所述差值得到预设监测时间的位移信息；
无线传感器网络中各监测面的传感器节点将监测的位移信息发送到汇聚节点；
所述汇聚节点判断所述位移信息是否为有效监测数据，若所述位移信息大于预设位移阈值，则将位移信息发送到数据处理模块。
3.根据权利要求1所述的一种建筑地基沉降的监测预警方法，其特征在于，所述的根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线，具体为：
将各监测面传感器节点的监测数据与监测时间点进行匹配生成监测数据时序序列；
通过各监测层传感器节点的监测数据时序序列生成各监测层的对应沉降量曲线；
将第一监测面沉降量曲线、第二监测面沉降曲线及第三监测面沉降曲线进行拟合生成目标建筑沉降量曲线；
通过所述目标建筑沉降量曲线获取目标建筑在预设监测时间内的沉降趋势变化。
4.根据权利要求3所述的一种建筑地基沉降的监测预警方法，其特征在于，还包括，通过监测面传感器节点监测的位移信息获取目标建筑的不均匀沉降分布，具体为：
将监测面中传感器节点在预设时间点的监测数据进行对比分析；
获取监测面中各传感器节点的位移差，将所述位移差进行倒序排序，获取最大位移差、最小位移差；
根据预设时间点各监测面对应的最大位移差和最小位移差通过目标建筑三维模型获取目标建筑各监测面的不均匀沉降分布；
根据所述目标建筑各监测面的不均匀沉降分布，生成建筑裂缝预警信息。
5.根据权利要求1所述的一种建筑地基沉降的监测预警方法，其特征在于，所述的将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型，具体为：
建立灰色模型，将监测数据时序序列导入所述灰色模型生成监测数据的预测值，计算所述监测数据的预测值的加权平均值，并将所述加权平均值作为新预测值，计算所述新预测值与真实值之间的误差信息；
将目标建筑沉降量曲线进行滤波去噪，获取目标建筑预设区域内地质状况信息，将所述新预测值、去噪后的目标建筑沉降量曲线及目标建筑预设区域内地质状况信息生成样本数据，并进行归一化处理；
基于神经网络建立目标建筑沉降预测模型，根据样本数据确定目标建筑沉降预测模型的输入层、输出层及隐藏层的参数，并进行初始化训练；
运用所述目标建筑沉降预测模型根据所述误差信息预测得到误差预测信息，根据所述误差预测信息将所述新预测值进行修正得到目标建筑的最终沉降预测值。
6.根据权利要求1所述的一种建筑地基沉降的监测预警方法，其特征在于，还包括：
获取目标建筑预设区域内地质状况信息及目标建筑自身状况信息，根据类别特征将所述地质状况信息及所述目标建筑自身状况信息进行聚类分析，生成类别特征；
通过目标建筑预设区域内地质状况信息及目标建筑自身状况信息中提取影响因子，将所述影响因子及所述类别特征融合获取对目标建筑安全性的贡献，得到影响因子的权重信息；
通过所述权重信息对所述影响因子进行评价，生成安全性评价信息，将所述安全性评价信息设置监测时间标签；
根据所述安全性评价信息生成目标建筑的安全性预警信息；
建立建筑安全数据库，根据所述监测时间标签将所述类别特征、影响因子及安全性评估信息之间的关系进行存储。
7.一种建筑地基沉降的监测预警系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括一种建筑地基沉降的监测预警方法程序，所述一种建筑地基沉降的监测预警的方法程序被所述处理器执行时实现如下步骤：
获取目标建筑的设计图纸信息及三维点云数据，将所述目标建筑的设计图纸信息进行特征提取，根据所述特征及所述三维点云数据建立目标建筑三维模型；
通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息；
将所述位移信息与历史监测数据进行对比分析生成位移偏差率，判断所述位移偏差率是否大于预设阈值，若大于，则生成地基沉降报警信息；
根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线；
将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型；
将所述沉降预测模型的预测结果运用所述目标建筑三维模型进行预演；
所述无线传感器网络包括数据处理模块、无线通信模块、传感器节点模块、电源供给模块。
8.根据权利要求7所述的一种建筑地基沉降的监测预警系统，其特征在于，所述的通过所述目标建筑三维模型获取无线传感器网络中传感器节点的坐标信息，根据传感器节点的坐标信息变化获取目标建筑的位移信息，具体为：
将目标建筑的三维模型进行分层处理，生成第一监测面、第二监测面及第三监测面，预设基点，获取各监测面到基点的高度基准值；
在各监测面中将传感器节点按照正六边形阵列分布，汇聚节点位于第二监测面的中心位置；
在目标建筑三维模型中标注传感器节点与汇聚节点的安装位置，并获取所述安装位置的坐标信息；
根据各监测面上传感器节点的坐标信息计算与所述基点所在平面的垂直距离，计算所述垂直距离与所述高度基准值的差值，根据所述差值得到预设监测时间的位移信息；
无线传感器网络中各监测面的传感器节点将监测的位移信息发送到汇聚节点；
所述汇聚节点判断所述位移信息是否为有效监测数据，若所述位移信息大于预设位移阈值，则将位移信息发送到数据处理模块。
9.根据权利要求7所述的一种建筑地基沉降的监测预警系统，其特征在于，所述的根据传感器节点的监测数据生成监测数据时序序列，根据所述监测数据时序序列生成目标建筑沉降量曲线，具体为：
将各监测面传感器节点的监测数据与监测时间点进行匹配生成监测数据时序序列；
通过各监测层传感器节点的监测数据时序序列生成各监测层的对应沉降量曲线；
将第一监测面沉降量曲线、第二监测面沉降曲线及第三监测面沉降曲线进行拟合生成目标建筑沉降量曲线；
通过所述目标建筑沉降量曲线获取目标建筑在预设监测时间内的沉降趋势变化。
10.根据权利要求7所述的一种建筑地基沉降的监测预警系统，其特征在于，所述的将所述沉降量曲线及目标建筑预设区域内地质状况信息结合基于神经网络建立目标建筑沉降预测模型，具体为：
建立灰色模型，将监测数据时序序列导入所述灰色模型生成监测数据的预测值，计算所述监测数据的预测值的加权平均值，并将所述加权平均值作为新预测值，计算所述新预测值与真实值之间的误差信息；
将目标建筑沉降量曲线进行滤波去噪，获取目标建筑预设区域内地质状况信息，将所述新预测值、去噪后的目标建筑沉降量曲线及目标建筑预设区域内地质状况信息生成样本数据，并进行归一化处理；
基于神经网络建立目标建筑沉降预测模型，根据样本数据确定目标建筑沉降预测模型的输入层、输出层及隐藏层的参数，并进行初始化训练；
运用所述目标建筑沉降预测模型根据所述误差信息预测得到误差预测信息，根据所述误差预测信息将所述新预测值进行修正得到目标建筑的最终沉降预测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111310753.9A CN113744395B (zh) | 2021-11-08 | 2021-11-08 | 一种建筑地基沉降的监测预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111310753.9A CN113744395B (zh) | 2021-11-08 | 2021-11-08 | 一种建筑地基沉降的监测预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113744395A true CN113744395A (zh) | 2021-12-03 |
| CN113744395B CN113744395B (zh) | 2022-01-25 |
Family
ID=78727650
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111310753.9A Active CN113744395B (zh) | 2021-11-08 | 2021-11-08 | 一种建筑地基沉降的监测预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113744395B (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114150718A (zh) * | 2022-02-07 | 2022-03-08 | 山东建筑大学 | 一种用于地下结构非均匀沉降病害的预警治理与检测工艺 |
| CN114154725A (zh) * | 2021-12-06 | 2022-03-08 | 南京工业大学 | 一种基于机器学习算法的地基承载力特征值预测方法 |
| CN114595192A (zh) * | 2022-03-10 | 2022-06-07 | 青海省地质调查院 | 一种适用于区域地质调查用智能数据实时汇聚方法及系统 |
| CN114636368A (zh) * | 2022-02-24 | 2022-06-17 | 中建科工集团有限公司 | 一种建筑物形变的监测方法、系统及存储介质 |
| CN115014272A (zh) * | 2022-05-31 | 2022-09-06 | 河海大学 | 一种基于物联网的堤坝智能监测装置及安装和监测方法 |
| CN115265400A (zh) * | 2022-09-29 | 2022-11-01 | 山东乾元泽孚科技股份有限公司 | 一种建筑工程数字化形变测量方法及系统 |
| CN115311574A (zh) * | 2022-10-12 | 2022-11-08 | 山东乾元泽孚科技股份有限公司 | 一种建筑物监测方法、设备及介质 |
| CN115930927A (zh) * | 2023-03-09 | 2023-04-07 | 中铁六局集团天津铁路建设有限公司 | 一种混凝土桥梁线性控制测量装置 |
| CN115953453A (zh) * | 2023-03-03 | 2023-04-11 | 国网吉林省电力有限公司信息通信公司 | 基于图像错位分析和北斗卫星的变电站地质形变监测方法 |
| CN116013036A (zh) * | 2023-03-08 | 2023-04-25 | 中国水产科学研究院南海水产研究所 | 一种渔港建设过程中的安全智能预警方法、系统及介质 |
| CN116151628A (zh) * | 2023-04-19 | 2023-05-23 | 深圳市岩土综合勘察设计有限公司 | 隧道施工中地面沉降的监测与预警系统 |
| CN116189367A (zh) * | 2022-12-09 | 2023-05-30 | 嘉应学院 | 一种基于物联网的建筑火灾报警系统 |
| CN116989742A (zh) * | 2023-09-26 | 2023-11-03 | 中国建筑第六工程局有限公司 | 一种基于rs技术的建筑物不均匀沉降的判断方法及装置 |
| CN117057025A (zh) * | 2023-10-12 | 2023-11-14 | 国网山东省电力公司鱼台县供电公司 | 一种配电房设计方法、系统及配电房 |
| CN117094560A (zh) * | 2023-08-23 | 2023-11-21 | 中电建绿建有限公司 | 一种排水闸的地基风险演变预测方法及系统 |
| CN117114214A (zh) * | 2023-10-25 | 2023-11-24 | 辽宁东科电力有限公司 | 一种变电站设备基础沉降预测方法及系统 |
| CN117689217A (zh) * | 2024-02-04 | 2024-03-12 | 国能大渡河金川水电建设有限公司 | 一种基于bim技术的地下施工监测分析系统 |
| CN117910118A (zh) * | 2024-03-19 | 2024-04-19 | 成都建工第三建筑工程有限公司 | 一种基于bim模型的建筑结构安全性评价方法及系统 |
| CN117953036A (zh) * | 2024-03-22 | 2024-04-30 | 河南敦喏建筑工程有限公司 | 道路桥梁基础沉降位移监测系统及方法 |
| CN118095813A (zh) * | 2024-04-29 | 2024-05-28 | 山东航空港建设工程集团有限公司 | 基于bim技术的地基沉降的可视化监测方法及系统 |
| CN118328975A (zh) * | 2024-06-12 | 2024-07-12 | 江西省地质局地理信息工程大队 | 一种房屋地基沉降的监测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102425148A (zh) * | 2011-09-02 | 2012-04-25 | 铁道第三勘察设计院集团有限公司 | 基于静力触探和bp神经网络的路基沉降快速预测方法 |
| CN105809246A (zh) * | 2016-02-25 | 2016-07-27 | 东南大学 | 一种基于bp-时间序列融合的地铁结构变形预报方法 |
| CN107829452A (zh) * | 2017-11-12 | 2018-03-23 | 湖南科技大学 | 一种融合多传感器及地基sar的深基坑施工监测预警技术 |
| US20180266128A1 (en) * | 2017-03-15 | 2018-09-20 | Emecole Metro, LLC | Structural repair and remote monitoring system and method |
| US10809083B1 (en) * | 2017-12-30 | 2020-10-20 | Uber Technologies, Inc. | Using sensor data for coordinate prediction |
| CN111832223A (zh) * | 2020-06-29 | 2020-10-27 | 上海隧道工程有限公司 | 基于神经网络的盾构施工地表沉降预测方法 |
| CN113110207A (zh) * | 2021-04-28 | 2021-07-13 | 佛山一本农业科技有限公司 | 基于物联网传感器的虫害远程监测方法、系统及存储介质 |
| CN113202152A (zh) * | 2021-05-24 | 2021-08-03 | 年畅(武汉)软件科技有限公司 | 基于无线传感器数据采集技术的建筑物沉降安全监测方法 |
| CN113611085A (zh) * | 2021-10-11 | 2021-11-05 | 辽博信息科技(山东)有限公司 | 岩土工程中地质灾害的监测预警方法及系统 |
-
2021
- 2021-11-08 CN CN202111310753.9A patent/CN113744395B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102425148A (zh) * | 2011-09-02 | 2012-04-25 | 铁道第三勘察设计院集团有限公司 | 基于静力触探和bp神经网络的路基沉降快速预测方法 |
| CN105809246A (zh) * | 2016-02-25 | 2016-07-27 | 东南大学 | 一种基于bp-时间序列融合的地铁结构变形预报方法 |
| US20180266128A1 (en) * | 2017-03-15 | 2018-09-20 | Emecole Metro, LLC | Structural repair and remote monitoring system and method |
| CN107829452A (zh) * | 2017-11-12 | 2018-03-23 | 湖南科技大学 | 一种融合多传感器及地基sar的深基坑施工监测预警技术 |
| US10809083B1 (en) * | 2017-12-30 | 2020-10-20 | Uber Technologies, Inc. | Using sensor data for coordinate prediction |
| CN111832223A (zh) * | 2020-06-29 | 2020-10-27 | 上海隧道工程有限公司 | 基于神经网络的盾构施工地表沉降预测方法 |
| CN113110207A (zh) * | 2021-04-28 | 2021-07-13 | 佛山一本农业科技有限公司 | 基于物联网传感器的虫害远程监测方法、系统及存储介质 |
| CN113202152A (zh) * | 2021-05-24 | 2021-08-03 | 年畅(武汉)软件科技有限公司 | 基于无线传感器数据采集技术的建筑物沉降安全监测方法 |
| CN113611085A (zh) * | 2021-10-11 | 2021-11-05 | 辽博信息科技(山东)有限公司 | 岩土工程中地质灾害的监测预警方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| R.P. CHEN 等: "Ground movement induced by parallel EPB tunnels in silty soils", 《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》 * |
| 许恒山等: "灰色系统理论在沉降监测预报中的应用研究", 《江苏科技信息》 * |
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154725A (zh) * | 2021-12-06 | 2022-03-08 | 南京工业大学 | 一种基于机器学习算法的地基承载力特征值预测方法 |
| CN114150718B (zh) * | 2022-02-07 | 2022-05-24 | 山东建筑大学 | 一种用于地下结构非均匀沉降病害的预警治理与检测工艺 |
| CN114150718A (zh) * | 2022-02-07 | 2022-03-08 | 山东建筑大学 | 一种用于地下结构非均匀沉降病害的预警治理与检测工艺 |
| CN114636368A (zh) * | 2022-02-24 | 2022-06-17 | 中建科工集团有限公司 | 一种建筑物形变的监测方法、系统及存储介质 |
| CN114595192B (zh) * | 2022-03-10 | 2023-02-28 | 青海省地质调查院 | 一种适用于区域地质调查用智能数据实时汇聚方法及系统 |
| CN114595192A (zh) * | 2022-03-10 | 2022-06-07 | 青海省地质调查院 | 一种适用于区域地质调查用智能数据实时汇聚方法及系统 |
| CN115014272A (zh) * | 2022-05-31 | 2022-09-06 | 河海大学 | 一种基于物联网的堤坝智能监测装置及安装和监测方法 |
| CN115014272B (zh) * | 2022-05-31 | 2024-02-06 | 河海大学 | 一种基于物联网的堤坝智能监测装置及安装和监测方法 |
| CN115265400A (zh) * | 2022-09-29 | 2022-11-01 | 山东乾元泽孚科技股份有限公司 | 一种建筑工程数字化形变测量方法及系统 |
| CN115265400B (zh) * | 2022-09-29 | 2022-12-20 | 山东乾元泽孚科技股份有限公司 | 一种建筑工程数字化形变测量方法及系统 |
| CN115311574B (zh) * | 2022-10-12 | 2023-02-07 | 山东乾元泽孚科技股份有限公司 | 一种建筑物监测方法、设备及介质 |
| CN115311574A (zh) * | 2022-10-12 | 2022-11-08 | 山东乾元泽孚科技股份有限公司 | 一种建筑物监测方法、设备及介质 |
| CN116189367B (zh) * | 2022-12-09 | 2023-09-26 | 嘉应学院 | 一种基于物联网的建筑火灾报警系统 |
| CN116189367A (zh) * | 2022-12-09 | 2023-05-30 | 嘉应学院 | 一种基于物联网的建筑火灾报警系统 |
| CN115953453B (zh) * | 2023-03-03 | 2023-08-15 | 国网吉林省电力有限公司信息通信公司 | 基于图像错位分析和北斗卫星的变电站地质形变监测方法 |
| CN115953453A (zh) * | 2023-03-03 | 2023-04-11 | 国网吉林省电力有限公司信息通信公司 | 基于图像错位分析和北斗卫星的变电站地质形变监测方法 |
| CN116013036B (zh) * | 2023-03-08 | 2023-08-11 | 中国水产科学研究院南海水产研究所 | 一种渔港建设过程中的安全智能预警方法、系统及介质 |
| CN116013036A (zh) * | 2023-03-08 | 2023-04-25 | 中国水产科学研究院南海水产研究所 | 一种渔港建设过程中的安全智能预警方法、系统及介质 |
| CN115930927B (zh) * | 2023-03-09 | 2023-05-16 | 中铁六局集团天津铁路建设有限公司 | 一种混凝土桥梁线性控制测量装置 |
| CN115930927A (zh) * | 2023-03-09 | 2023-04-07 | 中铁六局集团天津铁路建设有限公司 | 一种混凝土桥梁线性控制测量装置 |
| CN116151628A (zh) * | 2023-04-19 | 2023-05-23 | 深圳市岩土综合勘察设计有限公司 | 隧道施工中地面沉降的监测与预警系统 |
| CN117094560A (zh) * | 2023-08-23 | 2023-11-21 | 中电建绿建有限公司 | 一种排水闸的地基风险演变预测方法及系统 |
| CN117094560B (zh) * | 2023-08-23 | 2024-01-12 | 中电建绿建有限公司 | 一种排水闸的地基风险演变预测方法及系统 |
| CN116989742A (zh) * | 2023-09-26 | 2023-11-03 | 中国建筑第六工程局有限公司 | 一种基于rs技术的建筑物不均匀沉降的判断方法及装置 |
| CN116989742B (zh) * | 2023-09-26 | 2023-12-05 | 中国建筑第六工程局有限公司 | 一种基于rs技术的建筑物不均匀沉降的判断方法及装置 |
| CN117057025B (zh) * | 2023-10-12 | 2024-01-23 | 国网山东省电力公司鱼台县供电公司 | 一种配电房设计方法、系统及配电房 |
| CN117057025A (zh) * | 2023-10-12 | 2023-11-14 | 国网山东省电力公司鱼台县供电公司 | 一种配电房设计方法、系统及配电房 |
| CN117114214B (zh) * | 2023-10-25 | 2024-01-05 | 辽宁东科电力有限公司 | 一种变电站设备基础沉降预测方法及系统 |
| CN117114214A (zh) * | 2023-10-25 | 2023-11-24 | 辽宁东科电力有限公司 | 一种变电站设备基础沉降预测方法及系统 |
| CN117689217A (zh) * | 2024-02-04 | 2024-03-12 | 国能大渡河金川水电建设有限公司 | 一种基于bim技术的地下施工监测分析系统 |
| CN117689217B (zh) * | 2024-02-04 | 2024-05-03 | 国能大渡河金川水电建设有限公司 | 一种基于bim技术的地下施工监测分析系统 |
| CN117910118A (zh) * | 2024-03-19 | 2024-04-19 | 成都建工第三建筑工程有限公司 | 一种基于bim模型的建筑结构安全性评价方法及系统 |
| CN117953036A (zh) * | 2024-03-22 | 2024-04-30 | 河南敦喏建筑工程有限公司 | 道路桥梁基础沉降位移监测系统及方法 |
| CN117953036B (zh) * | 2024-03-22 | 2024-06-11 | 河南敦喏建筑工程有限公司 | 道路桥梁基础沉降位移监测系统及方法 |
| CN118095813A (zh) * | 2024-04-29 | 2024-05-28 | 山东航空港建设工程集团有限公司 | 基于bim技术的地基沉降的可视化监测方法及系统 |
| CN118095813B (zh) * | 2024-04-29 | 2024-07-30 | 山东航空港建设工程集团有限公司 | 基于bim技术的地基沉降的可视化监测方法及系统 |
| CN118328975A (zh) * | 2024-06-12 | 2024-07-12 | 江西省地质局地理信息工程大队 | 一种房屋地基沉降的监测方法及系统 |
| CN118328975B (zh) * | 2024-06-12 | 2024-09-13 | 江西省地质局地理信息工程大队 | 一种房屋地基沉降的监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113744395B (zh) | 2022-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113744395B (zh) | 一种建筑地基沉降的监测预警方法及系统 | |
| CN108431585B (zh) | 信息处理装置及信息处理方法 | |
| CN113611085B (zh) | 岩土工程中地质灾害的监测预警方法及系统 | |
| CN107119657B (zh) | 一种基于视觉测量基坑监测方法 | |
| CN109708688A (zh) | 一种历史文化建筑安全监测与预警系统及方法 | |
| CN112185072B (zh) | 基于物联网的深基坑自动监测方法、装置、设备及介质 | |
| CN104766129A (zh) | 一种基于时空信息融合的地铁盾构施工地表变形的预警方法 | |
| CN115035256B (zh) | 一种尾矿库事故隐患及风险演化方法及系统 | |
| CN110503267B (zh) | 基于时空尺度自适应模型的城市侵财案件预测系统及预测方法 | |
| CN113570122B (zh) | 预测风速的方法、装置、计算机设备和存储介质 | |
| CN113610301B (zh) | 一种表征地面沉降时序演变的预测算法 | |
| CN109490072A (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
| Hu et al. | Application of Structural Deformation Monitoring Based on Close‐Range Photogrammetry Technology | |
| CN113191605A (zh) | 房屋风险评估方法及装置 | |
| CN118171035B (zh) | 人流热力的预警方法及装置、电子设备和存储介质 | |
| Chen et al. | Building vulnerability assessment in seismic areas using ensemble learning: A Nepal case study | |
| CN115081945A (zh) | 一种地下水环境监测井的损伤监测与评估方法及系统 | |
| CN112598319A (zh) | 一种基于bim的智慧桥梁运维管理方法、系统、计算机设备及存储介质 | |
| CN111047098A (zh) | 一种建筑工程进度及造价管理系统、计算机设备及计算机可读存储介质 | |
| CN115906663A (zh) | 房屋安全评估模型建立方法、评估方法、服务器及系统 | |
| CN115773723A (zh) | 基于bim的路基段落采空区变形监测方法及系统 | |
| CN117910812A (zh) | 一种建筑施工现场安全监测预警方法 | |
| CN113850475A (zh) | 一种基于大数据的生产设备性能评估系统 | |
| CN116824312A (zh) | 一种基于大数据的施工数据处理方法及系统 | |
| CN117689217B (zh) | 一种基于bim技术的地下施工监测分析系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: No. 66 Xingyuan Road, Lishan Street Office, Yiyuan County, Zibo City, Shandong Province (Room 505, Zone B, Building 2, Entrepreneurship Building, Yiyuan Economic Development Zone) Patentee after: Liaobo Information Technology (Zibo) Co.,Ltd. Country or region after: China Address before: 2-A27, Building A, Yunshang Building, No. 5 Lushan South Road, High tech Industrial Development Zone, Liaocheng City, Shandong Province Patentee before: Liaobo information technology (Shandong) Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |