基于傳遞函數的建筑物沉降監測線性回歸分析

發布時間：2021-10-20所屬分類：免費文獻瀏覽：1次

摘 要： 山東農業大學學報(自然科學版)

《基于傳遞函數的建筑物沉降監測線性回歸分析》論文發表期刊：《山東農業大學學報(自然科學版)》；發表周期：2021年01期

《基于傳遞函數的建筑物沉降監測線性回歸分析》論文作者信息：賀利敏(1966-),女,碩士,副教授,研究方向:應用數學、數值計算、數學建模.

　　摘 要: 高精度的建筑物沉降監測不僅能夠監測工程質量狀態、指導建筑施工，還能夠有效避免建筑工程質量事故。為此，提出一種基于傳遞函數的建筑物沉降監測線性回歸分析方法，構建基于群樁沉降的荷載傳遞法計算模型，并預測建筑物群樁沉降量，將建筑物群樁沉降數據代入灰色線性回歸組合模型中，實現傳遞函數下的建筑物沉降監測線性回歸分析。以廣州市某建筑企業新建立的居民樓為實驗對象，實驗發現：該方法對低層建筑物沉降監測的擬合誤差為 0.24 mm，對高層建筑物沉降的監測值與實際值較接近，最大差值僅為 0.36 cm。且對高層建筑物、低層建筑物的沉降監測精度始終優于同類監測方法，應用價值顯著。

　　關鍵詞: 傳遞函數; 建筑物; 沉降監測; 線性回歸分析

　　Abstract: High-precision settlement monitoring can not only monitor project quality status and guide construction, but also effectively avoid construction quality accidents. For this, put forward a kind of building subsidence monitoring based on transfer function of linear regression analysis method, build the model of load transfer method based on settlement of pile group, pile settlement and predict building group, will be building group pile settlement data in combination gray linear regression model, realize the transfer function of the building settlement monitoring of linear regression analysis. Taking a residential building newly built by a construction enterorise in guangzhou as the experimental obiect the experiment found that: the fitting error of this method for the settlement monitoring of low-rise buildings was 0.24mm, and the monitoringvalue of the settlement of high-rise buildings was close to the actual value, with the maximum difference of only 0.36cm.And the settlement monitoring precision of high-rise buildings and low-rise buildings is alwavs better than that of similar monitoring methods, and the application value is significant

　　Keywords: Transfer function; building; settlement monitoring, linear regression analysis

　　在建筑物施工過程中，由于受到荷載的影響，地基會出現豎直狀態的位移，導致建筑物發生沉降形變。隨著建筑物樓層數的增多，地基遭受的荷載逐漸變大，沉降量與沉降速度也逐漸變大，因此，需要采用專業的監測技術獲取建筑物沉降數據，實現建筑安全性監測12，除此之外，正常狀態下建筑物也會出現沉降形變，但是如果建筑物的沉降量與沉降速度控制在標準的形變區間內，非異常的建筑物沉降形變是允許的，而若建筑物沉降形變大于約束區間則會導致建筑物的安全性降低[3.

　　若建筑物的沉降形變不規則，會產生較大的安全隱患，易出現附加應力導致裂縫，大大降低建筑物安全。所以，對建筑物的沉降形變監測具有不可忽視的現實意義45，本文提出基于傳遞函數的建筑物沉降監測線性回歸分析方法，以期實現高精度的建筑物沉降監測。

　　1基于傳遞函數的建筑物沉降監測線性回歸分析方法

　　1.1 基于群樁沉降的荷載傳遞法計算模型

　　假定建筑物樁群中存在m根基樁，樁身均勻分布于土壤里，每個建筑基樁的大小、材料和在土里的深度都一樣(6.7，隨機選擇i，j兩個樁，將j樁設成分析目標，j樁的位移通過自身樁頂荷載P，出現的位移ri與旁邊樁頂荷載P，出現的位移r，構成8.9。將建筑物樁長設成k，詳情如圖1所示。

　　1.2 灰色線性回歸組合模型

　　2結果與分析

　　為驗證基于傳遞函數的建筑物沉降監測線性回歸分析方法的有效性，設計如下實驗。實驗圍繞廣州市某個建筑企業新建立的低層居民樓為例。按照相關規范和設計需求，在1號樓至7號樓設定28個建筑物監測點。點號依次是A1-A28，設定水準工作基點3個C1-C3，與廣州市水利水電勘測設計院設定的珠基高程點M12，M9，M8、M7一起監測。將工作基點C1設成起算點實現聯測。根據二等水準監測的需求實行往返測，將變形監測點實行13次監測，監測精度都滿足二等水準監測的技術要求，基準點不存在波動，能夠實現監測工作。

　　把1號樓的A1號點沉降監測數據設成本文數據，使用前8期數據實行建模(表1)

　　采用本文方法、基于時間序列的建筑物監測方法、基于支持向量機的建筑物監測方法對同一建筑目標進行沉降監測并對比三種方法的監測殘差，結果如表 2 所示：

　　其中三種方法擬合值與原始值的對比結果如圖 2 所示：

　　由表 1、圖 2 可知，本文方法的擬合誤差是 0.24 mm，基于時間序列的建筑物監測方法、基于支持向量機的建筑物監測方法的的擬合誤差依次是 0.37 mm、0.79 mm，對比可知，本文方法的監測精度最高。且圖 2 中本文方法的監測值和原始值最接近，基于支持向量機的建筑物監測方法最不接近。

　　為了進一步分析本文方法的應用性能，設定建筑物的屬性是高層建筑，采用本文方法、基于時間序列的建筑物監測方法、基于支持向量機的建筑物監測方法對同一建筑目標進行沉降監測，三種方法對高層建筑沉降監測結果如表 3 所示。

　　分析表3數據可知，本文方法對高層建筑的沉降監測的最大差值是0.36cm，而基于時間序列的建筑物監測方法、基于支持向量機的建筑物監測方法的沉降監測差值最大值依次是0.93、1.24cm.對比可知，本文方法對高層建筑物沉降的監測精度最高。

　　3結論

　　為了解建筑物的沉降狀態，實時掌握對建筑物不利的下沉情況，建筑物沉降監測便應運而生�；�于傳遞函數的建筑物沉降監測線性回歸分析方法，實現傳遞函數下建筑物沉降監測線性回歸分析。經測試，該方法可以實現高精度的低層建筑物沉降監測。

　　以往對建筑物沉降和沉降時間的關系實行沉降監測時，如果數據量是“小樣本”的非確定問題，可使用灰色模型監測，在實現建模監測時，必須先驗證沉降數據序列的平穩性、光滑性，并且需要驗證一次累加生成序列與準指數規律的符合度，判斷數據的規律性之后使用對應的方法實行數據建模。因為建筑沉降量和干擾因素之間具有非線性關系，因此，沉降數據系列變動不具有穩定性�；疑�線性回歸組合模型不單存在指數特征，也存在線性因素，使用范圍不存在約束，模擬誤差極小，監測精度極高，本文方法引入該模型，實現了高精度傳遞函數下建筑物沉降監測線性回歸分析。

　　參考文獻

　　[1] 周圓心，鄭桂森，何靜，等北京平原區地下空間建設地質安全監測問題探討[J].中國地質，2019，46(3)：455-467

　　[2]張興旺王平，許夢國，等基于MATLAB多元線性回歸優化地壓顯現綜合評價[r業研究與開發2019，39(4)：33-37

　　[3]章紅兵范凡胡昊考慮基坑開挖空間效應的鄰近建筑物沉降預測方法J上海交通大學學報2016，50(4)641-646

　　[4]陸付民，蔣廷耀，基于雙曲線模型的卡爾曼濾波法在建筑物沉降預測中的應用[J.大地測量與地球動力1，2016，36(6)：517-519

　　[5]郭樹榮，叢旭輝.基于灰色組合模型的基坑周邊建筑物沉降預測[J.建筑科學，2016，32(3)：89-93

　　[6]劉會林，王東星.暗挖地鐵隧道下穿既有建筑物沉降變化規律研究[J]城市軌道交通研究，2019，22(6)：47-51

　　[7]胡正文，程馮宇，龐成鑫，等基于變電站沉降監測的光纖光柵傳感器[J]現代電子技術，2018，41(1)：143-146

　　[8]孟小燕基于屬性權重的Bagging回歸算法研究[J].現代電子技術，2017，40(1)：9-98，10

　　[9]黃其歡，王青青，何寧，等PSI技術應用于防波堤沉降監測研究[J].巖土工程學報，2019，41(4)：761-768

　　[10]蔣晨，張書畢，文小勇基于中位數回歸分析的礦區變形監測數據處理[J]金屬礦山2016，45(5)：192-195

　　[11]王開拓，辛全才，蔡生如 Gompertz模型在大壩沉降安全監測中的應用[J.水力發電，2017，43(12)：97-100

　　[12]謝雄耀，李軍，王強.盾構施工地表沉降自動化監測及數據移動發布系統[].土力2016，37(S2)：788-794