基坑监测数据的处理

　　一、前言

　　我国经济的发展和城镇化建设速度非常快，建了许多大型建筑，如高铁、轻轨、地铁、地下商场、大型桥梁工程等。这些工程项目中除了前期要做许多详细的勘查测量和结构设计之外，由于岩土工程项目的不确定性和复杂性，因此，在施工过程中要进行周密的监测，即对周边环境即房屋沉降、房屋倾斜及裂缝、地面沉降、顶部垂直及水平位移、土体位移、地下水位动态变化信息进行监测。而监测得到的数据需要进行处理来反应该工程项目对周边环境的影响，从而采取相应的措施。

　　二、数据前处理

　　在基坑监测中受工作环境如温度、湿度、气压等因素的影响，测量仪器常常会伴随系统误差，并且由于测量仪器的精度和偶然因素的影响，实际量测到的数据是带有随机误差的离散型数据。假如对收集来的监测数据直接用于分析处理和计算则具有一定的局限和缺陷，因为，在获取监测数据的时侯，受着许多非确定因素的影响和干扰，因此影响着我们收集到的数据的精确性，从而影响预测预报及其他工作的可靠性。

　　（一）VBA技术

　　该算法是运用计算机VBA编写程序对报表中的监控量测数据进行直接处理，先浏览所有的工作报表，查找出并属于同一监测项目的工作报表，然后对这些工作报表中的指定数据进行进一步计算和处理，最后统计出我们需要的各种最大变化量，以反映工程施工过程中各个方面的的变化。工作流程图：监测数据→查找→显示结果→筛选→汇总→登成果表。

　　（二）小波分解技术

　　小波理论是多学科交叉的结晶，它在被广为研讨和应用于科学研究和工程项目中。小波技术是建立在Fourier分析、泛函分析、样条分析以及调和分析基础之上的新的分析处理工具，在时域和频域都具有良好的局部化特征，经常被称为信息分析的“数学显微镜”。工程施工过程中经常有噪音，无论是其本身施工过程中产生或者外部环境产生的，或多或少都会印象到监测数据的可靠性，这些因素使监测到的数据呈离散型分布，利用小波分解的多分辨技术，可以去除这些噪声干扰信号，也就是无用的信号，最终显示出有用信号。因为随着尺度的增加，时间分辨率会降低，噪声影响会变小，因此信号的发展趋势会被表现得更为明显。

　　（三）异常检测技术

　　异常检测它是数据挖掘的任务之一，就是识别特征显著不同于其它数据的观测值（这样的观测值被称为异常点）异常检测的目标是发现真正的异常点，并且同时避免错误地将那些正常对象标注为异常点。最常用的异常检测的方法有三种：第一，基于模型的技术。也就是要构造一个数学模型。当监测数据量大的时候，此方法很有效果；但对于其他方面，这个方法的效果将会减弱很多；第二，基于密度的技术。被测对象的密度可以很直接计算得到，当各个区域之间的密度相差不大的时候，也可以很好的利用此方法；第三，基于邻近度的监测。异常对象主要是那些跟大部分对象不一样的对象，该检测技术是基于距离的离群点，参数较难选择。不过该方法最容易，但是同时计算量也大。异常检测的关键是确定异常点数n和测量误差点数k。

　　三、监测数据处理方法

　　（一）沉降监测

　　沉降监测数据处理一般分两步，第一步是进行线性回归模型分析，通过分析此线性回归可以进行沉降监测的变形预测，预报建筑物未来的安全。第二步利用灰色等时距模型进行分析预测。灰色动态等时距模型是以灰色生成函数概念为基础，同时以微分拟合为核心的建模方法。并且利用监测到的数据与拟合的数据进行比较，用来检验拟合的准确性。

　　（二）变形监测

　　变形监测数据处理通常通常先采用数据探测法来处理粗差，就是进行粗差的探测、定位，以及最终去除。先利用单个的或者多维的粗差检验方法，检验出粗差的位置。接着进行粗差处理，粗差处理是指在粗差不能避免的情况下，选择合适的估计方法，使所估计的参数尽可能减小粗差的影响，得到常模式下最佳的或者最接近最佳的估值。

　　（三）水平位移监测

　　现场数据采集后，利用控制点两次观测到的数据检查一遍数据，确认观测的数据准确无误后进行坐标转换从而求得坐标转换参数，并且需要对转换的结果进行误差评定，去除误差过大的点，误差过大的原因往往是由于控制点自身产生的位移，去除粗差点后再重新计算坐标转换的参数。利用计算求得的坐标转换参数，将所有观测点的坐标转换到统一的控制点的坐标系中，再与以往的数据进行比较，即可得到观测点的水平位移变化量。

　　（四）线性回归模型分析预测

　　基于沉降观测数据，可以进行线性回归分析，参数选择为沉降量和观测天数。依次可求得各观测点沉降量y与监测天数x的线性回归方程及相关系数。根据回归方程对各点数据进行回归，可获得相关的统计数字，如置信度、回归值、F检验值等，并对相关系数进行显著性检验。得出各点实测累积值和回归分析值，将实测累积沉降值与回归分析沉降值绘制成图，两条分析曲线总的走势是基本一致的，但这两个值一般存在一定差异，通过此线性回归即可进行沉降观测的变形预测，预报未来建筑物的安全。其中累积沉降的回归分析值并不能准确地反映其沉降量，其和实际的累积沉降存在一定差异，但在点与点之间的沉降差异方面却能做到很好地反映：（1）从表3中可知，点4D-1和点3D-1沉降较为均匀，而其余三点沉降发生不均匀变化；（2）通过回归分析可发现点点4D-1和3D-11两个点沉降最快，而5D-1点则因为离基坑较远，沉降较少。根据它们这种累积沉降不同，我们可以分析后期建筑物的倾斜情况，从而更好的控制，并作好一定的防御措施。

　　（五）灰色等时距模型分析预测

　　根据建筑物监测点情况，对点4D-2、4D-1、5D-1、3D-1、3D-2的沉降累计值进行建模预测。用～表示，建立MGM（1，5）模型。观测资料以3d为一个周期，由于此次观测数据并非等时距观测，故需要先把这些观测数据内插为以3d为一周期的数据。得到拟合值之后再内插回原始天数的拟合值。选取前7个周期建模，后4个周期可以用来检验预测值的准确性。生成一次累加序列，即可求得一次累加序列的预测值，再求得各变形监测点的灰色等时距模型的拟合值，并绘出各监测数据点变形量的拟合值、实测值对比图。

　　四、基坑监测数据反馈

　　通过分析可预测最终的位移的变化规律。从而判定基坑的稳定性。基坑工程的施工它是一个动态的过程.除了支护结构体施工外，基坑内的岩土一般分段、分层、分区开挖的，伴着施工的进展，一方面支撑结构的变形和体力不断增加，岩土体的变形和坑底隆起也增大，同时作用在支撑结构体上的水平侧应力也随着结构变形增加而变化。在每一周期量测后，需要对每个量测面上各个监测点要进行数据处理与分析。同时利用所得到的位移数据进行反馈计算和分析，从而提供支护结构体和周边建筑物的状态，预测它们的发展趋势以便采取一定的措施。还可以验证设计参数及施工方法，以指导施工，为工程项目的安全施工提供保障。

　　五、结束语

　　本文阐述了变形监测的方案设计与数据处理的方法，并根据不同的数据处理模型对变形趋势的预测预报的有效性进行了对比分析。结果表明，采用线性回归预测模型对监测数据进行处理分析能够简单、快速、准确地得到深基坑沉降变形状况以及对周边建筑物的影响，并对下一次沉降量进行预报。