本發(fā)明涉及基坑監(jiān)測(cè)領(lǐng)域，具體涉及一種基于視覺(jué)測(cè)量基坑監(jiān)測(cè)方法。
背景技術(shù)：
：：基坑監(jiān)測(cè)是指在施工及使用期限內(nèi)，對(duì)建筑基坑及周邊環(huán)境實(shí)施的檢查、監(jiān)控工作?；影踩腔邮┕さ年P(guān)鍵,基坑安全有各種關(guān)聯(lián)因素，基坑的安全性不僅依賴于科學(xué)合理的基坑設(shè)計(jì)、詳細(xì)周密的地質(zhì)勘察、精心細(xì)致的施工作業(yè),還與外界環(huán)境對(duì)基坑土體的影響緊密相關(guān)。在基坑開(kāi)挖的施工過(guò)程中，基坑內(nèi)外的土體由原來(lái)的靜止土壓力狀態(tài)向主動(dòng)力土壓力狀轉(zhuǎn)變，應(yīng)力狀態(tài)的改變引起的變形，即使采取支護(hù)措施，一定數(shù)量的變形總是難以避免的。這些變形包括：深基坑坑內(nèi)土體的隆起，基坑支護(hù)結(jié)構(gòu)以及周圍土體的沉降和側(cè)向位移。無(wú)論那種位移的量超出了某種容許的范圍，都將對(duì)基坑支護(hù)結(jié)構(gòu)造成危害。因此，在基坑施工過(guò)程中，只有對(duì)基坑支護(hù)結(jié)構(gòu)、基坑周圍的土體進(jìn)行綜合、系統(tǒng)的監(jiān)測(cè)，才能對(duì)工程情況有全面的了解，確保工程順利進(jìn)行。由于地下土體性質(zhì)、荷載條件、施工環(huán)境的復(fù)雜性，單單根據(jù)地質(zhì)勘察資料和室內(nèi)土工試驗(yàn)參數(shù)來(lái)確定設(shè)計(jì)和施工方案，往往含有許多不確定因素，對(duì)在施工過(guò)程中引發(fā)的土體性狀、環(huán)境、鄰近建筑物、地下設(shè)施變化的監(jiān)測(cè)已成了工程建設(shè)必不可少的重要環(huán)節(jié)，同時(shí)也是指導(dǎo)正確施工的眼睛，是避免事故發(fā)生的必要措施，是一種信息技術(shù)。當(dāng)前，基坑監(jiān)測(cè)與工程的設(shè)計(jì)、施工同被列為深基坑工程質(zhì)量保證的三大基本要素?；颖O(jiān)測(cè)受到很多因素的影響，現(xiàn)在的基坑監(jiān)測(cè)工作主要還停留在人工階段，即通過(guò)一定頻率的對(duì)基坑工程現(xiàn)場(chǎng)采集數(shù)據(jù)，進(jìn)行行業(yè)處理，然后提供紙質(zhì)或者電子的數(shù)據(jù)報(bào)告。國(guó)內(nèi)基坑監(jiān)測(cè)技術(shù)應(yīng)用較廣泛，目前絕大多數(shù)深基坑工程都進(jìn)行了施工期監(jiān)測(cè)，通過(guò)設(shè)定監(jiān)測(cè)項(xiàng)目的控制值，監(jiān)測(cè)和保障基坑施工和周邊環(huán)境的安全。相關(guān)的文獻(xiàn)資料也較多，如利用近景攝影測(cè)量監(jiān)測(cè)深基坑支護(hù)結(jié)構(gòu)位移的新技術(shù)、基于人工神經(jīng)網(wǎng)絡(luò)的建筑物沉降預(yù)測(cè)、rbf神經(jīng)網(wǎng)絡(luò)在深基坑監(jiān)測(cè)預(yù)測(cè)中的運(yùn)用、非固定站二次基準(zhǔn)差分法基坑監(jiān)測(cè)技術(shù)、城市基坑工程施工控制及其環(huán)境監(jiān)測(cè)和深基坑工程監(jiān)測(cè)與控制等。但是，目前能夠真正成功實(shí)施信息化施工的城市基坑項(xiàng)目并不多見(jiàn)。大多數(shù)的基坑監(jiān)測(cè)工作只是起到了一些簡(jiǎn)單的反饋?zhàn)饔?，并不能最終使監(jiān)測(cè)成果的反饋達(dá)到更深的層次。目前多數(shù)監(jiān)測(cè)單位重視儀器埋設(shè)、數(shù)據(jù)采集，輕視數(shù)據(jù)分析和反饋，僅僅滿足于收集資料和提交數(shù)據(jù)、報(bào)表，進(jìn)行簡(jiǎn)單分析，判斷是否超過(guò)控制值以報(bào)警，不能結(jié)合施工和地質(zhì)情況對(duì)監(jiān)測(cè)成果進(jìn)行充分、深入的理論分析，導(dǎo)致花費(fèi)大量人力物進(jìn)行的監(jiān)測(cè)工作不能真正發(fā)揮優(yōu)化設(shè)計(jì)和及時(shí)反饋指導(dǎo)施工的作用。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的以上問(wèn)題，提供一種基于視覺(jué)測(cè)量基坑監(jiān)測(cè)方法，本發(fā)明在基于視覺(jué)測(cè)量的基礎(chǔ)上對(duì)基坑進(jìn)行監(jiān)測(cè)，先用靶點(diǎn)中心優(yōu)化技術(shù)從中心本身的優(yōu)化來(lái)提高識(shí)別度，再運(yùn)用誤差補(bǔ)償從減少相機(jī)標(biāo)定誤差的角度來(lái)提高識(shí)別精度。為實(shí)現(xiàn)上述技術(shù)目的，達(dá)到上述技術(shù)效果，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)：一種基于視覺(jué)測(cè)量基坑監(jiān)測(cè)方法，包括以下步驟：s101布置檢測(cè)點(diǎn):采用道釘或帶有十字絲的鋼筋作為檢測(cè)點(diǎn)，檢測(cè)點(diǎn)用混凝土加固；s102確定監(jiān)測(cè)精度、監(jiān)測(cè)項(xiàng)目和監(jiān)測(cè)頻率；s103優(yōu)化中心定位：獲取數(shù)字彩色圖像后進(jìn)行灰度轉(zhuǎn)換，然后通過(guò)噪聲去除、多靶點(diǎn)區(qū)域識(shí)別、靶點(diǎn)中心計(jì)算獲取多個(gè)靶點(diǎn)中心的最優(yōu)坐標(biāo)；s104采用誤差補(bǔ)償減少相機(jī)標(biāo)定誤差，提高識(shí)別精度；s105建立面向建筑工程領(lǐng)域的層次構(gòu)件庫(kù)，然后基于三維相似性進(jìn)行構(gòu)件搜索，實(shí)現(xiàn)參數(shù)化的三維模型實(shí)時(shí)仿真；s106使用bp神經(jīng)網(wǎng)絡(luò)建立基坑變形預(yù)測(cè)模型,對(duì)基坑可能發(fā)生的結(jié)構(gòu)變形進(jìn)行估計(jì)和預(yù)警。優(yōu)選地，s102中確定監(jiān)測(cè)精度，首先在基坑開(kāi)挖前進(jìn)行基坑工程監(jiān)測(cè)準(zhǔn)備工作，在基坑開(kāi)挖之前測(cè)初始值，至少連續(xù)三次測(cè)得數(shù)值一致后確定為初始值。優(yōu)選地，s103中采用粗糙k均值聚類算法，通過(guò)噪聲去除、多靶點(diǎn)區(qū)域識(shí)別、靶點(diǎn)中心計(jì)算獲取多個(gè)靶點(diǎn)中心的最優(yōu)坐標(biāo)。優(yōu)選地，粗糙k均值聚類算法roughkmeans(u,n,k,e)，其中輸入用u表示，n表示u中元素個(gè)數(shù)，k表示聚類數(shù)目，e表示用于設(shè)定邊界區(qū)域的閾值；輸出：聚類結(jié)果優(yōu)選地，粗糙k均值聚類算法包括：1mj＝random(u),其中j＝1,2,…,k2fori＝1tondo3forj＝1tokdo4d＝|xi-mj|5ifd<dmin&&d<ethen6vj＝xiuvj7dmin＝d8endif9endfor10endfor11forj＝1tokdo12rj＝getradius(vj)13fori＝1tondo14fij＝getimpact(xi,rj)15updatecenter(fij,vj)16endfor17endfor18t＝t+119ift>t||isstable(v)then20end；21else22gotoline223endif其中，m為初始類中心集合，m含k個(gè)元素，|xi-mj|為xi到類中心mj的距離，d為當(dāng)前元素到指定類中心的距離，dmin為當(dāng)前最小距離，v1,2…k為k個(gè)集合的劃分,t為迭代計(jì)數(shù)器，t初始化為0；第1行中random()函數(shù)在數(shù)據(jù)集u中隨機(jī)選取k個(gè)樣本作為初始化類中心；第2-10行根據(jù)初始化類中心，對(duì)u中的樣本進(jìn)行劃分，對(duì)于任意xi∈u，首先尋找與其距離最近的類心m，然后根據(jù)閾值e判定xi屬于第k類的下近似或邊界區(qū)域；第11-18行中用getradius()函數(shù)計(jì)算各類的半徑參數(shù)rj，然后根據(jù)當(dāng)前的數(shù)據(jù)劃分狀態(tài)用getimpact()計(jì)算每一個(gè)樣本xi對(duì)應(yīng)其各可能所屬類的影響；最后用重新計(jì)算隸屬度，并依據(jù)式(1)用updatecenter()函數(shù)更新對(duì)應(yīng)的類質(zhì)心；第19-23行若聚類趨于穩(wěn)定或迭代次數(shù)超過(guò)閾值，則算法結(jié)束輸出結(jié)果，否則轉(zhuǎn)至line2。優(yōu)選地，首先分析了影響相機(jī)標(biāo)定誤差的因素，采集了現(xiàn)場(chǎng)圖像數(shù)據(jù)庫(kù)，中現(xiàn)場(chǎng)圖像數(shù)據(jù)庫(kù)中提取顏色、局部gabor特征、全局關(guān)聯(lián)三類特征，三類特征共154項(xiàng)，建立支持向量機(jī)誤差估計(jì)模型。優(yōu)選地，基于三維相似性進(jìn)行構(gòu)件搜索的算法包括：首先通過(guò)遍歷領(lǐng)域?qū)哟螖?shù)據(jù)庫(kù)h找出滿足用戶提交要求hk的構(gòu)件層次子集l；然后在集合l中，結(jié)合用戶提交的多屬性aks查詢值，計(jì)算集合l中的每個(gè)構(gòu)件元素的屬性匹配程度，找出滿足用戶屬性值要求的構(gòu)件交集c；input:domainhiberarchydatabaseh,submittedhiberarchykeyhk,submittedattributekeyssetaksoutput:sub-componentsetc；1scanhtofindsub-hiberarchysetlbyhk；2c＝l；3foreachitemainaks{4//三維構(gòu)件相似檢索匹配擴(kuò)展子算法5ctemp＝c；6foreachitemcinc{7if(na(ak,c)<sim)8ctemp＝ctemp-c；9}10c＝ctemp；11}12returnc。優(yōu)選地，s106中使用bp神經(jīng)網(wǎng)絡(luò)建立基坑變形預(yù)測(cè)模型包括：s201樣本數(shù)據(jù)的選擇和處理；s202網(wǎng)絡(luò)結(jié)構(gòu)的確定：包括輸入層、隱含層節(jié)點(diǎn)數(shù)、輸出層；s203網(wǎng)絡(luò)的建立和參數(shù)的選擇：包括訓(xùn)練函數(shù)、輸出函數(shù)、最大訓(xùn)練步數(shù)、訓(xùn)練目標(biāo)誤差、學(xué)習(xí)速率；s204訓(xùn)練網(wǎng)絡(luò)并評(píng)價(jià)網(wǎng)絡(luò)的性能；s205預(yù)測(cè)基坑結(jié)構(gòu)變形。本發(fā)明的有益效果是:1.本發(fā)明基坑監(jiān)測(cè)以視覺(jué)測(cè)量出發(fā)從軟件算法角度實(shí)現(xiàn)亞像素級(jí)別的靶點(diǎn)中心定位，使用多目標(biāo)化優(yōu)化靶點(diǎn)中心的方法識(shí)別監(jiān)測(cè)點(diǎn)中心，有效地提高了測(cè)量精度。2.本發(fā)明運(yùn)用了一種基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法的介紹來(lái)探討該方法在基坑變形監(jiān)測(cè)試驗(yàn)中的應(yīng)用，為基坑健康監(jiān)測(cè)方案提供一個(gè)新思路。3.本發(fā)明基于多維特征的誤差補(bǔ)償從減少相機(jī)標(biāo)定誤差，兼顧了局部特征與全局特征，并利用現(xiàn)場(chǎng)圖像的關(guān)聯(lián)特征，采用支持向量回歸實(shí)時(shí)估計(jì)每幅采集圖像的補(bǔ)償量，補(bǔ)償后的光靶中心更接近于理想光靶中心。4.本發(fā)明根據(jù)上傳的監(jiān)測(cè)數(shù)據(jù)對(duì)監(jiān)測(cè)點(diǎn)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)以及分析，自動(dòng)生成各期位移量、位移速率和累計(jì)位移量。系統(tǒng)可以設(shè)定報(bào)警值，如果某項(xiàng)監(jiān)測(cè)數(shù)據(jù)的分析結(jié)果超過(guò)預(yù)定的報(bào)警值，系統(tǒng)將會(huì)自動(dòng)報(bào)警。5.本發(fā)明引入基于多維特征攝像機(jī)的校準(zhǔn)誤差補(bǔ)償方法，探討基礎(chǔ)上本項(xiàng)目變形監(jiān)測(cè)試驗(yàn)的應(yīng)用方法，為健康監(jiān)測(cè)方案的基礎(chǔ)提供了新的思路，也為規(guī)范安全管理提供了預(yù)防提供技術(shù)支持。上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，并可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說(shuō)明如后。本發(fā)明的具體實(shí)施方式由以下實(shí)施例及其附圖詳細(xì)給出。附圖說(shuō)明為了更清楚地說(shuō)明本發(fā)明實(shí)施例技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明基于模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)變形預(yù)測(cè)流程圖；圖2c2點(diǎn)水平位移折線圖；圖3c2點(diǎn)豎直位移折線圖；圖4c6點(diǎn)水平位移折線圖；圖5c6點(diǎn)豎直位移折線圖；具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。實(shí)施例1本實(shí)施例中公開(kāi)了一種基于視覺(jué)測(cè)量基坑監(jiān)測(cè)方法，包括以下步驟：s101布置檢測(cè)點(diǎn):采用道釘或帶有十字絲的鋼筋作為檢測(cè)點(diǎn)，檢測(cè)點(diǎn)用混凝土加固；s102確定監(jiān)測(cè)精度、監(jiān)測(cè)項(xiàng)目和監(jiān)測(cè)頻率；s103優(yōu)化中心定位：獲取數(shù)字彩色圖像后進(jìn)行灰度轉(zhuǎn)換，然后通過(guò)噪聲去除、多靶點(diǎn)區(qū)域識(shí)別、靶點(diǎn)中心計(jì)算獲取多個(gè)靶點(diǎn)中心的最優(yōu)坐標(biāo)；s104采用誤差補(bǔ)償減少相機(jī)標(biāo)定誤差，提高識(shí)別精度；s105建立面向建筑工程領(lǐng)域的層次構(gòu)件庫(kù)，然后基于三維相似性進(jìn)行構(gòu)件搜索，實(shí)現(xiàn)參數(shù)化的三維模型實(shí)時(shí)仿真；s106使用bp神經(jīng)網(wǎng)絡(luò)建立基坑變形預(yù)測(cè)模型,對(duì)基坑可能發(fā)生的結(jié)構(gòu)變形進(jìn)行估計(jì)和預(yù)警。實(shí)施例2實(shí)施例2中的具體的監(jiān)測(cè)方案以實(shí)施例1中公開(kāi)的方法為基礎(chǔ)，具體包括：1、監(jiān)測(cè)點(diǎn)布置為了準(zhǔn)確反映圍護(hù)結(jié)構(gòu)頂部水平、垂直位移情況，控制每個(gè)結(jié)構(gòu)類型斷面處變形情況，對(duì)圍護(hù)結(jié)構(gòu)頂部埋設(shè)監(jiān)測(cè)點(diǎn)進(jìn)行監(jiān)測(cè)，采用道釘或長(zhǎng)約10cm帶有十字絲的鋼筋標(biāo)志做點(diǎn)，點(diǎn)位采用混凝土加固。2、基坑監(jiān)測(cè)與仿真模擬2.1提高測(cè)量精度的方案2.1.1多目標(biāo)化優(yōu)化靶點(diǎn)中心為了提高測(cè)量精度，本實(shí)施例中首先使用多目標(biāo)化優(yōu)化靶點(diǎn)中心的方法識(shí)別監(jiān)測(cè)點(diǎn)中心。在本實(shí)施例中采用了一種基于粗糙k均值的多靶點(diǎn)中心優(yōu)化技術(shù)，利用粗糙集模糊計(jì)算的能力，結(jié)合k均值算法尋找聚類中心的魯棒性，來(lái)優(yōu)化中心的定位。采用粗糙k均值聚類算法，通過(guò)噪聲去除、多靶點(diǎn)區(qū)域識(shí)別、靶點(diǎn)中心計(jì)算獲取多個(gè)靶點(diǎn)中心的最優(yōu)坐標(biāo)。其中粗糙k均值聚類算法如下：算法第1行中random()函數(shù)在數(shù)據(jù)集u中隨機(jī)選取k個(gè)樣本作為初始化類中心；第2‐10行根據(jù)初始化類中心，對(duì)u中的樣本進(jìn)行劃分，對(duì)于任意xi∈u，首先尋找與其距離最近的類心m，然后根據(jù)閾值e判定xi屬于第k類的下近似或邊界區(qū)域；第11‐18行中用getradius()函數(shù)計(jì)算各類的半徑參數(shù)rj，然后根據(jù)當(dāng)前的數(shù)據(jù)劃分狀態(tài)用getimpact()計(jì)算每一個(gè)樣本xi對(duì)應(yīng)其各可能所屬類的影響；最后用重新計(jì)算隸屬度，并依據(jù)式(1)用updatecenter()函數(shù)更新對(duì)應(yīng)的類質(zhì)心；第19‐23行若聚類趨于穩(wěn)定或迭代次數(shù)超過(guò)閾值，則算法結(jié)束輸出結(jié)果，否則轉(zhuǎn)至line2。設(shè)對(duì)于有m×n個(gè)像素的圖像來(lái)說(shuō)，f(x,y)表示x,y處的灰度值，g(i,j)表示i,j時(shí)的高斯濾波系統(tǒng)，i(x,y)為經(jīng)過(guò)高斯濾波后的圖像數(shù)據(jù)，其中，x＝1,…,m,y＝1,…,n。其中2.2監(jiān)測(cè)數(shù)據(jù)分析、仿真與預(yù)警融合技術(shù)為了解決傳統(tǒng)方案重測(cè)量、輕預(yù)警的問(wèn)題，本項(xiàng)目從兩個(gè)層次充分挖掘了監(jiān)測(cè)大數(shù)據(jù)中的有用信息。首先，利用三維虛擬技術(shù)將監(jiān)測(cè)數(shù)據(jù)融合到監(jiān)測(cè)現(xiàn)場(chǎng)真實(shí)再現(xiàn)中；其次，本項(xiàng)目挖掘監(jiān)測(cè)大數(shù)據(jù)中的關(guān)鍵規(guī)則，對(duì)可能的結(jié)構(gòu)安全隱患進(jìn)行預(yù)警。(1)基于監(jiān)測(cè)數(shù)據(jù)的參數(shù)適配三維仿真技術(shù)現(xiàn)有的工程三維仿真方法存在復(fù)用率低、參數(shù)不可調(diào)的問(wèn)題，這造成了仿真建模速度慢，而且無(wú)法實(shí)現(xiàn)實(shí)時(shí)模擬對(duì)象的結(jié)構(gòu)變化。由此，在本項(xiàng)目中建立了面向建筑工程領(lǐng)域的層次構(gòu)件庫(kù)，基于三維相似性進(jìn)行構(gòu)件搜索，最終實(shí)現(xiàn)參數(shù)化的三維模型實(shí)時(shí)仿真。鑒于構(gòu)件的層次結(jié)構(gòu)，本質(zhì)上可以歸為一類樹(shù)形結(jié)構(gòu)，所以，基于構(gòu)件層次結(jié)構(gòu)的枚舉檢索可以借鑒樹(shù)形搜索算法來(lái)實(shí)現(xiàn)。有關(guān)樹(shù)形搜索算法的研究現(xiàn)有的成果較多，相對(duì)比較成熟。本系統(tǒng)采用一類基于深度優(yōu)先的搜索策略，三維構(gòu)件枚舉檢索的基本算法2所示：算法2首先通過(guò)遍歷領(lǐng)域?qū)哟螖?shù)據(jù)庫(kù)h找出滿足用戶提交要求hk的構(gòu)件層次子集l；然后在集合l中，結(jié)合用戶提交的多屬性aks查詢值，計(jì)算集合l中的每個(gè)構(gòu)件元素的屬性匹配程度，找出滿足用戶屬性值要求的構(gòu)件交集c。(2)深度挖掘測(cè)量大數(shù)據(jù)中有用信息，準(zhǔn)確預(yù)警了基坑結(jié)構(gòu)形變的安全隱患?；咏Y(jié)構(gòu)變形監(jiān)測(cè)是一種事后行為，當(dāng)監(jiān)測(cè)到變形時(shí)，基坑結(jié)構(gòu)的變形已經(jīng)發(fā)生。工程安全除了需要及時(shí)的發(fā)現(xiàn)結(jié)構(gòu)變形外，更有利的情況是能對(duì)可能發(fā)生的結(jié)構(gòu)變形進(jìn)行估計(jì)和預(yù)警，以實(shí)現(xiàn)在變形之前能采取措施，防止結(jié)構(gòu)變形的發(fā)生。工程中較常用的方法是根據(jù)施工動(dòng)態(tài)的監(jiān)測(cè)數(shù)據(jù)對(duì)沉降值進(jìn)行推算，以期提高預(yù)測(cè)的精度。常用的推算方法如指數(shù)曲線法、雙曲線預(yù)測(cè)、灰色理論等。然而，許多觀測(cè)實(shí)例表明，指數(shù)曲線法預(yù)測(cè)的結(jié)果往往偏小，而雙曲線預(yù)測(cè)的結(jié)果又往往偏大。另外，灰色理論也受限于非等時(shí)距，以及觀測(cè)值累加生成時(shí)常不具有指數(shù)規(guī)律等情況。目前，隨著機(jī)器學(xué)習(xí)、人工智能的普遍應(yīng)用，結(jié)合計(jì)算機(jī)軟件研究結(jié)構(gòu)變形規(guī)律已成為趨勢(shì)，其將大大提升研究效率，有效提高預(yù)測(cè)精度。本實(shí)施例中采用一種基于模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)變形預(yù)測(cè)技術(shù)，主要流程如圖1所示。使用bp神經(jīng)網(wǎng)絡(luò)建立基坑變形預(yù)測(cè)模型過(guò)程為：s201樣本數(shù)據(jù)的選擇和處理；s202網(wǎng)絡(luò)結(jié)構(gòu)的確定：包括輸入層、隱含層節(jié)點(diǎn)數(shù)、輸出層；s203網(wǎng)絡(luò)的建立和參數(shù)的選擇：包括訓(xùn)練函數(shù)、輸出函數(shù)、最大訓(xùn)練步數(shù)、訓(xùn)練目標(biāo)誤差、學(xué)習(xí)速率；s204訓(xùn)練網(wǎng)絡(luò)并評(píng)價(jià)網(wǎng)絡(luò)的性能；s205預(yù)測(cè)基坑結(jié)構(gòu)變形。實(shí)施例3實(shí)施例針對(duì)某大型深基坑支護(hù)工程的設(shè)計(jì)及施工，應(yīng)用該系統(tǒng)完成了前期的三維設(shè)計(jì)仿真、施工過(guò)程實(shí)時(shí)模擬仿真等工作，取得了較好的空間表現(xiàn)效果。用本方法模擬得到的基坑支護(hù)結(jié)構(gòu)變形數(shù)據(jù)和實(shí)際采集的數(shù)據(jù)的比較結(jié)果見(jiàn)表一。數(shù)據(jù)誤差較小，充分表明仿真結(jié)果數(shù)據(jù)與實(shí)際數(shù)據(jù)具有高度的一致性，客隊(duì)基坑支護(hù)工程的隱患起到預(yù)警作用。表2：不同時(shí)間點(diǎn)的基坑測(cè)量結(jié)果為了更加直觀地看出監(jiān)測(cè)點(diǎn)的水平位移和豎直位移變化誤差，選取其中兩個(gè)監(jiān)測(cè)點(diǎn)作折線圖，并且c2點(diǎn)與c6點(diǎn)相距較遠(yuǎn)，如圖2-5所示。本實(shí)施例基坑監(jiān)測(cè)以視覺(jué)測(cè)量出發(fā)從軟件算法角度實(shí)現(xiàn)亞像素級(jí)別的靶點(diǎn)中心定位，使用多目標(biāo)化優(yōu)化靶點(diǎn)中心的方法識(shí)別監(jiān)測(cè)點(diǎn)中心，有效地提高了測(cè)量精度。本實(shí)施例運(yùn)用了一種基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法的介紹來(lái)探討該方法在基坑變形監(jiān)測(cè)試驗(yàn)中的應(yīng)用，為基坑健康監(jiān)測(cè)方案提供一個(gè)新思路。本實(shí)施例基于多維特征的誤差補(bǔ)償從減少相機(jī)標(biāo)定誤差，兼顧了局部特征與全局特征，并利用現(xiàn)場(chǎng)圖像的關(guān)聯(lián)特征，采用支持向量回歸實(shí)時(shí)估計(jì)每幅采集圖像的補(bǔ)償量，補(bǔ)償后的光靶中心更接近于理想光靶中心。本實(shí)施例根據(jù)上傳的監(jiān)測(cè)數(shù)據(jù)對(duì)監(jiān)測(cè)點(diǎn)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)以及分析，自動(dòng)生成各期位移量、位移速率和累計(jì)位移量。系統(tǒng)可以設(shè)定報(bào)警值，如果某項(xiàng)監(jiān)測(cè)數(shù)據(jù)的分析結(jié)果超過(guò)預(yù)定的報(bào)警值，系統(tǒng)將會(huì)自動(dòng)報(bào)警。本實(shí)施例引入基于多維特征攝像機(jī)的校準(zhǔn)誤差補(bǔ)償方法，探討基礎(chǔ)上本項(xiàng)目變形監(jiān)測(cè)試驗(yàn)的應(yīng)用方法，為健康監(jiān)測(cè)方案的基礎(chǔ)提供了新的思路，也為規(guī)范安全管理提供了預(yù)防提供技術(shù)支持。對(duì)所公開(kāi)的實(shí)施例的上述說(shuō)明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來(lái)說(shuō)將是顯而易見(jiàn)的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開(kāi)的原理和新穎特點(diǎn)相一致的最寬的范圍。當(dāng)前第1頁(yè)12當(dāng)前第1頁(yè)12