基坑监测的论文参考文献

1 制定标准的任务来源2 编制工作中所作的主要工作2.1 准备阶段2.2 征求意见阶段2.3 送审阶段2.4 报批阶段3 规范中的主要内容介绍4 强制性条文介绍5 标准中重点内容确定的依据及其成熟程度5.1 基坑工程监测的管理规定5.2 监测项目、监测报警值的确定5.3 监测方法的确定5.4 监测频率的确定6 标准实施后的经济效益和社会效益初步评价6.1 经济效益6.2 社会效益7 本标准尚需深入研究的有关问题7.1 开展对特殊土以及岩石基坑工程监测的研究7.2 进一步开展不同地质条件下监测报警值的研究7.3 进一步研究、总结基坑工程监测的新技术8 结语 1 国内外关于基坑工程监测的技术标准和管理规定的调研1.1 国外基坑工程监测标准及相关文献综述1.2 国内基坑工程监测相关标准的综述1.3 国内基坑工程管理规定的综述1.4 规范设计的基坑工程监测若干关键技术综述2 不同条件下基坑工程监测项目和监测报警值的研究2.1 调研背景、目的及意义2.2 调研方法2.3 调研对象2.4 调研内容2.5 调研结果2.6 现有规范规程及调研结果的比较2.7 小结参考文献3 不同条件下基坑工程监测频率的研究3.1 前言3.2 基坑工程监测的目的和特点3.3 确定监测频率的基本原则3.4 有关监测频率的规定与专家建议3.5 工程监测实践中常用的监测频率统计与分析3.6 监测频率的合理选择与动态调整3.7 结论参考文献4 现有基坑工程监测方法和监测仪器性能的调研4.1 基坑监测项目与监测方法4.2 基坑监测常用仪器与性能指标4.3 结论与建议参考文献 1 总则3 基本规定4 监测项目4.1 一般规定4.2 仪器监测4.3 巡视检查5 监测点布置5.1 一般规定5.2 基坑及支护结构5.3 基坑周边环境6 监测方法及精度要求6.1 一般规定6.2 水平位移监测6.3 竖向位移监测6.4 深层水平位移监测6.5 倾斜监测6.6 裂缝监测6.7 结构内力监测6.8 土压力监测6.9 孔隙水压力监测6.10 地下水位监测6.11 锚杆及土钉内力监测6.12 土体分层竖向位移监测7 监测频率8 监测报警9 数据处理与信息反馈 1 测量仪器简介1.1 经纬仪1.2 水准仪1.3 全站仪1.4 现代测量仪器1.5 专用测量仪器2 测量误差基本知识2.1 测量误差产生的原因2.2 测量误差的分类与处理原则2.3 偶然误差的特性2.4 评定精度的标准2.5 观测值算术平均值及精度评定2.6 误差传播定律3 变形测量3.1 一般规定3.2 水平位移监测3.3 建筑物沉降监测3.4 基坑回弹监测3.5 深层水平位移监测3.6 地下管线监测3.7 倾斜监测3.8 裂缝监测4 内力量测4.1 围护体系内力监测4.2 土压力监测4.3 孔隙水压力监测4.4 锚杆和土钉内力监测5 远程监控5.1 基坑工程自动化监测技术5.2 基坑工程远程监控技术参考文献 1 某基坑工程监测方案1.1 工程概况1.2 建设场地岩土工程条件及基坑周边环境状况1.3 监测目的和依据1.4 监测内容和项目1.5 基准点、监测点的布设与保护1.6 监测方法及精度1.7 监测期和监测频率1.8 监测报警值及异常情况下的监测措施1.9 监测数据处理与信息反馈1.10 监测人员的配备1.11 监测仪器设备及检定要求1.12作业安全及其他管理制度2 某基坑工监测报告2.1 当日报表2.2 阶段性报告2.3 总结报告 1 建设工程安全生产管理条例2 建筑工程预防坍塌事故弱冠规定3 危险性较大的部分分项工程安全管理办法4 上海市基坑工程管理规定5 山东省建筑边坡与深基坑工程管理规定（试行）6 武汉市深基坑支护工程管理规定7 湖北省深基坑工程招标投标实施办法8 深圳市深基坑工程管理规定

基坑工程的隐患发展成工程事故之前兆，必定表现在监测数据某些特征的异常变化，此时若据此及时采取相应的措施，便能够以很小的代价避免或降低工程风险。以地铁基坑工程的大量监测数据为基础，通过数据挖掘方法寻找工程风险和变形数据特征变化值之间的内在联系和相关规律，以形成量化的评判指标来识别和评价工程的危险程度，从数据分析的角度提供了一种发现和控制工程风险的办法。关键词：地铁深基坑；风险识别；数据挖掘前 言大量工程实践表明，基坑工程发生的工程事故和工程隐患与监测数据的某种波动具有很强的相关性。基坑在施工过程中表现的各种性态实质上由其内在的力学规律所驱动，可以断定通过监测数据的挖掘分析完全能找到表象数据所隐含的规律。因此以系统收集的数据为基础，研究基坑在施工过程中的变形规律，采用先进合理的数据分析手段，发现监测数据特征和工程危险之间的联系，对于控制今后工程的施工风险，是一项十分必要的工作。 数据挖掘（data mining）是一个很好的理念：从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的或忽视的、但又是潜在有用的信息和知识的过程。随着信息技术的高速发展，人们积累的数据量急剧增长，动辄以Mbytes 计，如何从海量的数据中提取有用的知识成为当务之急。数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术，是知识发现（knowledgediscovery in database）的关键步骤。 计算机数据挖掘技术最早源于人工智能学习，于20 世纪 80 年代末逐渐开始发展，在各个领域的应用都取得良好的成果。它是目前解决海量数据分析、归纳、总结的有效途径之一。它的基本过程如图 1 所示。在数据挖掘的准备阶段，需要完成数据的选择和采样、挖掘目标的确定；在数据挖掘的实施阶段，需要根据挖掘的目标进行数据的预处理和变换成易于挖掘的指标，以形成模式或模型；在数据挖掘的验证阶段，需要用数据验证挖掘得到的知识的可靠性和适用性。同时，数据挖掘是风险分析的数据基础，数据挖掘可以得到直接用于风险定量分析的大量数据，使风险判断更为科学准确。 1 数据挖掘的概念和方法 1.1 数据挖掘的方法 目前最常用的的数据挖掘方法有 6 种①神经网络方法，其缺点是“黑箱”性，人们难以理解网络的学习和决策过程。②遗传算法，该算法较复杂，收敛于局部极小的较早收敛问题尚未解决。③决策树方法，它的主要问题是：复杂概念的表达困难；同性间的相互关系强调不够；抗噪性差。④粗集方法，由于粗集的数学基础是集合论，难以直接处理连续的属性。而现实信息表中连续属性是普遍存在的。⑤统计分析方法,即利用统计学原理对数据库中的信息进行分析。⑥模糊集方法,即利用模糊集合理论对实际问题进行模糊评判、模糊决策、模糊模式识别和模糊聚类分析。一般模糊集合理论是用隶属度来刻画模糊事物的亦此亦彼性的。由于本文是针对大量确定性数据进行挖掘，因此适合采用统计分析法。 1.2 数据挖掘目标的确定 根据所采集的数据样本大小，本文以基坑稳定状态与测斜监测数据之间的相对关系作为数据挖掘的目标。以基坑工程的风险等级判断为目标，可分为以下3 种不同风险等级： (1) 基坑放置期间的基本稳定平衡状态； (2) 工程危险时的不可控失稳状态； (3) 介于前两者之间的的危险但可控状态；其中基本稳定平衡状态最为常见，而工程危险相对其它两种状态发生的概率较小。 1.3 数据的选择和采样 兼顾数据的代表性、普遍性及有效性，对系统采集到的 17 个工程共 356 个测斜管的监测数据汇总，剔除其中有效数据量小于 26 天和明显无数据规律的测斜管数据，以余下的 193 孔共 11811 天次测斜管数据为供数据挖掘的样本数据。见表 1 所示。 2 基坑工程数据挖掘与风险识别 如上所述，基坑工程的风险预兆与监测数据的变化密切相关，通过对监测数据的挖掘分析，可以找到其内在联系的量化指标，从而及时识别基坑的风险状态。从变形角度看，基坑的风险状态表现为以下几种具体形式：基坑坍塌、滑坡失稳，挡土墙变形过大及踢脚等[2]。从系统角度来看，不同工程系统表现的失效模式或规律是不一样的（图 2 所示）。对基坑工程系统而言，失效前变形数据的加速变化被证实为风险的预兆。基坑的理想稳定状态的特征可以采用其内在的力学平衡状态来表征。即以基本数据为依据，构成原始尺度、比较条件、设定条件、最优方案，继而构成一个几乎不发生风险的系统，并组成一个理想的无风险的系统模型。实际上它可以通过力学方法求得，如通过一般杆系有限元方法求得。基坑实际发生的变形（浮动状态）相对于理论计算变形（理想状态）的偏移可以看作对稳定状态的偏移（如图 3 所示）。从大量工程实践来看，实际基坑工程对稳定状态的偏移并不是以其绝对偏移数值来判断，而是以偏移的速率（即变形加速度）来及时识别潜在风险的存在，这对于工程具有更大的实际意义。将评估对象的实测参数，经过数据挖掘转化，构成评估对象的浮动状态模型（可调控的模型）[3]。以基坑理想状态的模型为主，以实际观测到的浮动模型为辅，对 2 个模型进行误差对比、误差分离，可采用下式进行：F(N1，N2，…，Nn-1)-f(n1，n2，…，nn 1)＝E(el，e2，…，en l)，式中，F 项表示理想模型；f项表示浮动模型；E 项表示二者的误差。图 3 中的正误差说明基坑的浮动模型正向偏离理想状态模型的设定值，而负误差则说明被基坑系统的浮动模型超越了理想系统，基坑工程存在风险的可能性大，误差值越大风险越大。 2.1 风险指标的确定 根据文献、工程经验和工程危险反映出的数据变化特征，本次研究以测斜的最大值、最大变形速率作为挖掘的主要指标。 2.2 测斜最大绝对值的数据挖掘 由于各个基坑的开挖深度不同，各个基坑之间不能直接用测斜的最大绝对数值进行比较。所以，根据《上海地铁基坑工程施工规程》的对上海地铁基坑工程安全控制指标规定，提取样本数据的历史最大绝对变形量，将其归一化为相对于开挖深度的无量纲变形等级指标（μ），以考量基坑变形等级与工程危险之间的关系。定义如下 μ = 1 ( D -D1 )/ D1 ， (D ≤D1)； μ = 2 (D - D1 )/( D 2 - D1 )， ( D 1 < D ≤D2)； μ = 3 (D - D1 )/( D 3 - D2 )， (D 2 < D ≤D3)； μ = 3 D / D3 ， ( D 3