本發(fā)明涉及土木工程和物聯(lián)網(wǎng)，具體涉及基于物聯(lián)網(wǎng)技術的土坡道施工智能檢測系統(tǒng)及其方法。

背景技術：

1、基于物聯(lián)網(wǎng)技術的土坡道施工智能檢測是指通過在土坡道施工現(xiàn)場部署各種傳感器（如溫度、濕度、壓力、位移等），實時采集施工環(huán)境和土坡道結構的數(shù)據(jù)，并通過無線網(wǎng)絡將這些數(shù)據(jù)傳輸?shù)街醒肟刂葡到y(tǒng)。通過利用數(shù)據(jù)分析和人工智能算法，對土坡道的穩(wěn)定性和安全性進行實時監(jiān)控和預警，確保施工過程的安全和高效。但是，如果傳感器節(jié)點出現(xiàn)接地不良的情況，電位差異會在各個節(jié)點之間產(chǎn)生，這種電位差異會通過傳輸線傳播，導致整個網(wǎng)絡的共模干擾，使得多個傳感器節(jié)點產(chǎn)生同步失真。且如果長期監(jiān)測數(shù)據(jù)出現(xiàn)失真的情況，可能使得檢測系統(tǒng)無法持續(xù)追蹤土坡道施工狀態(tài)的變化，失去對施工環(huán)境的全方位掌控能力。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于物聯(lián)網(wǎng)技術的土坡道施工智能檢測系統(tǒng)及其方法，以解決背景技術中不足。

2、為了實現(xiàn)上述目的，本發(fā)明提供如下技術方案：基于物聯(lián)網(wǎng)技術的土坡道施工智能檢測方法，包括以下步驟：

3、s1：將土坡道施工區(qū)域劃分為若干個檢測區(qū)域，確定各檢測區(qū)域內傳感器的數(shù)量和類型，在每個傳感器節(jié)點安裝接地監(jiān)測設備，對接地點的電氣參數(shù)進行實時監(jiān)測；

4、s2：對監(jiān)測到的電氣參數(shù)預處理后進行特征提取，根據(jù)電氣參數(shù)的電阻值漂移特征和電位波動特征，確定每個傳感器接地點的電氣參數(shù)的權重賦值，并根據(jù)每個傳感器接地點的電氣參數(shù)的權重賦值進行加權平均計算各檢測區(qū)域內傳感器節(jié)點的整體接地質量系數(shù)；

5、s3：基于決策樹模型對各檢測區(qū)域內傳感器測量得到的土坡道施工狀態(tài)數(shù)據(jù)的失真趨勢進行分析，判斷土坡道施工狀態(tài)數(shù)據(jù)的一致性程度；

6、s4：通過模糊邏輯對各檢測區(qū)域內傳感器節(jié)點的整體接地質量系數(shù)和土坡道施工狀態(tài)數(shù)據(jù)的一致性程度進行分析，評估各檢測區(qū)域的風險性，根據(jù)評估結果，將各檢測區(qū)域劃分為高風險檢測區(qū)域，中風險檢測區(qū)域和低風險檢測區(qū)域；

7、s5：根據(jù)劃分結果動態(tài)調整檢測策略和資源分配，重點監(jiān)控高風險區(qū)域，優(yōu)化中低風險區(qū)域的檢測方案。

8、在一個優(yōu)選的實施方式中，s1中，使用地理信息系統(tǒng)獲取土坡道施工區(qū)域的地形數(shù)據(jù)，根據(jù)土坡道施工區(qū)域的地形特征，將地形復雜的區(qū)域，劃分為小面積的高密度檢測區(qū)域，確保精細監(jiān)控；將坡面中部和地形變化平緩的區(qū)域，劃分為中等面積的檢測區(qū)域，進行常規(guī)監(jiān)控；將坡腳和地質結構穩(wěn)定的區(qū)域，劃分為大面積的低密度檢測區(qū)域，進行基礎監(jiān)控；根據(jù)每個檢測區(qū)域的具體環(huán)境和監(jiān)測需求，配置傳感器的數(shù)量和類型。

9、在一個優(yōu)選的實施方式中，s2中，根據(jù)電氣參數(shù)的電阻值漂移特征和電位波動特征，確定每個傳感器接地點的電氣參數(shù)的權重賦值，通過電氣參數(shù)的電阻值漂移特征生成電阻漂移指數(shù)，則電阻漂移指數(shù)的獲取方法為：

10、選擇平滑參數(shù)α和并設定時間窗口大小為w，設定初始電阻值s0和滑動窗口初始平均值m0；計算指數(shù)平滑值和滑動窗口平均值，其中，指數(shù)平滑值st具體的計算表達式為：；α的取值范圍為，t為時刻，rt為t時刻的數(shù)據(jù)點，滑動窗口平均值mt的計算表達式為：；式中，為第i個數(shù)據(jù)點，對計算得到的指數(shù)平滑值和滑動窗口平均值進行分析，計算電阻漂移指數(shù)，具體的計算表達式為：；式中，為電阻漂移指數(shù)。

11、在一個優(yōu)選的實施方式中，s2中，根據(jù)電氣參數(shù)的電阻值漂移特征和電位波動特征，確定每個傳感器接地點的電氣參數(shù)的權重賦值，通過電位波動特征生成電壓波動異常指數(shù)，則電壓波動異常指數(shù)的獲取方法為：

12、收集電壓時間序列數(shù)據(jù)，形成數(shù)據(jù)集，其中vt表示時刻t的電壓值，，為大于0的正整數(shù)，通過長短期記憶網(wǎng)絡計算電壓波動異常指數(shù)，將電壓時間序列數(shù)據(jù)作為輸入層，隱藏層為長短期記憶網(wǎng)絡單元，輸出層為輸出預測的電壓值，輸入序列長度ts，使用均方誤差作為損失函數(shù)，最小化預測值與實際值之間的誤差，損失函數(shù)的計算表達式為：；式中，為均方誤差，為樣本數(shù)量，為實際電壓值，為預測電壓值；將實時電壓數(shù)據(jù)輸入訓練好的長短期記憶網(wǎng)絡模型，預測未來的電壓值，計算實際電壓值與預測電壓值之間的誤差，作為電壓波動異常指數(shù)。

13、在一個優(yōu)選的實施方式中，將電阻漂移指數(shù)和電壓波動異常指數(shù)轉換為第一特征向量，將第一特征向量作為機器學習模型的輸入，機器學習模型以每組第一特征向量預測每個傳感器接地點的電氣參數(shù)的權重賦值標簽為預測目標，以最小化對所有傳感器接地點的電氣參數(shù)的權重賦值標簽的預測誤差之和作為訓練目標，對機器學習模型進行訓練，直至預測誤差之和達到收斂時停止模型訓練，根據(jù)模型輸出結果確定每個傳感器接地點的電氣參數(shù)的權重賦值，對每個傳感器接地點的電氣參數(shù)的權重賦值進行加權平均計算后計算各檢測區(qū)域內傳感器節(jié)點的整體接地質量系數(shù)。

14、在一個優(yōu)選的實施方式中，s3中，基于決策樹模型對各檢測區(qū)域內傳感器測量得到的土坡道施工狀態(tài)數(shù)據(jù)的失真趨勢進行分析，具體為：

15、收集各檢測區(qū)域內傳感器測量的土坡道施工狀態(tài)數(shù)據(jù)，對數(shù)據(jù)進行預處理，將處理好的數(shù)據(jù)集劃分為訓練集和測試集，使用訓練集數(shù)據(jù)訓練決策樹模型，確定各特征的分裂點和分裂標準，構建樹狀結構；

16、使用訓練好的決策樹模型對測試集數(shù)據(jù)進行預測，判斷每個數(shù)據(jù)點是否失真；

17、模型輸出每個數(shù)據(jù)點的分類結果；

18、統(tǒng)計各檢測區(qū)域內數(shù)據(jù)的失真比例和變化趨勢，根據(jù)決策樹模型的分類結果，計算各檢測區(qū)域內數(shù)據(jù)的一致性程度，具體的計算表達式為：；式中，consistent?ratio為數(shù)據(jù)一致性比例系數(shù)，為檢測區(qū)域內所有傳感器在某個時間段內測量得到的總數(shù)據(jù)點數(shù)量，表示在所有數(shù)據(jù)點中，符合預期正常范圍的數(shù)據(jù)點數(shù)量。

19、在一個優(yōu)選的實施方式中，將計算得到的數(shù)據(jù)一致性比例系數(shù)與梯度標準閾值進行比較，梯度標準閾值包括第一標準閾值和第二標準閾值，且第一標準閾值小于第二標準閾值，將數(shù)據(jù)一致性比例系數(shù)分別與第一標準閾值和第二標準閾值進行對比；

20、若數(shù)據(jù)一致性比例系數(shù)大于第二標準閾值，將傳感器測量的土坡道施工狀態(tài)數(shù)據(jù)劃分為高一致性數(shù)據(jù)；若數(shù)據(jù)一致性比例系數(shù)大于等于第一標準閾值且小于等于第二標準閾值，傳感器測量的土坡道施工狀態(tài)數(shù)據(jù)劃分為中一致性數(shù)據(jù)；若數(shù)據(jù)一致性比例系數(shù)小于第一標準閾值，傳感器測量的土坡道施工狀態(tài)數(shù)據(jù)劃分為低一致性數(shù)據(jù)。

21、在一個優(yōu)選的實施方式中，s4中，通過模糊邏輯對各檢測區(qū)域內傳感器節(jié)點的整體接地質量系數(shù)和土坡道施工狀態(tài)數(shù)據(jù)的一致性程度進行分析，具體為：

22、將整體接地質量系數(shù)和數(shù)據(jù)一致性比例系數(shù)作為輸入項，將風險分級作為輸出項；

23、將具體的接地質量系數(shù)和數(shù)據(jù)一致性程度轉化為模糊集合中的隸屬度，使用隸屬函數(shù)進行模糊化；

24、根據(jù)模糊規(guī)則，對模糊化后的數(shù)據(jù)進行推理，計算每個規(guī)則的結果；

25、綜合所有規(guī)則的結果，得出每個檢測區(qū)域的模糊輸出；

26、根據(jù)模糊輸出轉化的風險等級，將高風險等級的檢測區(qū)域分別為高風險檢測區(qū)域，將中風險等級的檢測區(qū)域分別為中風險檢測區(qū)域，將低風險等級的檢測區(qū)域分別為低風險檢測區(qū)域。

27、在一個優(yōu)選的實施方式中，s5中，根據(jù)劃分結果動態(tài)調整檢測策略和資源分配，具體為：

28、將風險等級標記為，x=1、2、3，為高風險檢測區(qū)域，為中風險檢測區(qū)域，為低風險檢測區(qū)域；根據(jù)風險等級動態(tài)調整資源分配，分配的資源量表示為：；為分配給不同風險等級檢測區(qū)域的資源量，c為資源總量，g為根據(jù)風險等級和總資源量計算每個區(qū)域分配資源量的函數(shù)；具體的計算表達式為：；式中，j為不同風險等級檢測區(qū)域的標號，j?x，為所有檢測區(qū)域的風險等級之和；根據(jù)分配的資源量調整檢測策略；

29、重點監(jiān)控高風險區(qū)域，優(yōu)化中低風險區(qū)域的檢測方案，檢測策略表示為：；為第x個檢測區(qū)域的檢測策略，h為根據(jù)風險等級和資源量計算檢測策略的函數(shù)，根據(jù)分配的資源量和風險等級，調整每個檢測區(qū)域的檢測策略，增加高風險區(qū)域的檢測頻率和傳感器數(shù)量，對中低風險區(qū)域的檢測方案進行優(yōu)化以提高資源利用效率。

30、本發(fā)明還提供了基于物聯(lián)網(wǎng)技術的土坡道施工智能檢測系統(tǒng)，包括電氣參數(shù)獲取模塊、接地質量分析模塊、施工數(shù)據(jù)趨勢分析模塊，檢測區(qū)域劃分模塊和動態(tài)調整模塊；

31、電氣參數(shù)獲取模塊：將土坡道施工區(qū)域劃分為若干個檢測區(qū)域，確定各檢測區(qū)域內傳感器的數(shù)量和類型，在每個傳感器節(jié)點安裝接地監(jiān)測設備，對接地點的電氣參數(shù)進行實時監(jiān)測；

32、接地質量分析模塊：對監(jiān)測到的電氣參數(shù)預處理后進行特征提取，根據(jù)電氣參數(shù)的電阻值漂移特征和電位波動特征，確定每個傳感器接地點的電氣參數(shù)的權重賦值，并根據(jù)每個傳感器接地點的電氣參數(shù)的權重賦值進行加權平均計算各檢測區(qū)域內傳感器節(jié)點的整體接地質量系數(shù)；

33、施工數(shù)據(jù)趨勢分析模塊：基于決策樹模型對各檢測區(qū)域內傳感器測量得到的土坡道施工狀態(tài)數(shù)據(jù)的失真趨勢進行分析，判斷土坡道施工狀態(tài)數(shù)據(jù)的一致性程度；

34、檢測區(qū)域劃分模塊：通過模糊邏輯對各檢測區(qū)域內傳感器節(jié)點的整體接地質量系數(shù)和土坡道施工狀態(tài)數(shù)據(jù)的一致性程度進行分析，評估各檢測區(qū)域的風險性，根據(jù)評估結果，將各檢測區(qū)域劃分為高風險檢測區(qū)域，中風險檢測區(qū)域和低風險檢測區(qū)域；

35、動態(tài)調整模塊：根據(jù)劃分結果動態(tài)調整檢測策略和資源分配，重點監(jiān)控高風險區(qū)域，優(yōu)化中低風險區(qū)域的檢測方案。

36、在上述技術方案中，本發(fā)明提供的技術效果和優(yōu)點：

37、1、本發(fā)明通過在施工現(xiàn)場部署各種傳感器進行實時數(shù)據(jù)采集和監(jiān)測，利用數(shù)據(jù)分析和人工智能算法對土坡道的穩(wěn)定性和安全性進行評估和預警，確保施工過程的安全性和高效性。系統(tǒng)包括電氣參數(shù)獲取模塊、接地質量分析模塊、施工數(shù)據(jù)趨勢分析模塊、檢測區(qū)域劃分模塊和動態(tài)調整模塊，實現(xiàn)了對接地質量和數(shù)據(jù)一致性的全面分析，動態(tài)調整檢測策略和資源分配，有效提升了監(jiān)測系統(tǒng)的準確性和可靠性。

38、2、本發(fā)明通過模糊邏輯和決策樹模型分析各檢測區(qū)域的風險等級，將區(qū)域劃分為高風險、中風險和低風險，并根據(jù)風險等級動態(tài)調整檢測策略，重點監(jiān)控高風險區(qū)域，優(yōu)化中低風險區(qū)域的檢測方案，提高資源利用效率，確保系統(tǒng)能夠持續(xù)、準確地監(jiān)測土坡道施工狀態(tài)，提供可靠的預警信息，從而保障施工安全，減少事故發(fā)生，提升整體施工管理水平。