（水工结构工程专业论文）箱涵浅埋暗挖施工地表沉降监测资料分析与数据挖掘.pdf

摘要 南水北调工程是优化配置水资源、解决北方地区缺水问题的重大战略措施。 其工程浩大，采用了许多先进的施工工艺。浅埋暗挖技术首次应用到南水北调工 程。 本文的研究背景是南水北调中线工程穿越石太高速公路浅埋暗挖箱涵工程。 石太高速公路是一条重要的交通线路，要求施工时交通不能中断，因此对地表沉 降严密监测，取得了大量的数据资料。本文对这些数据先期进行了直观的分析， 得出地表沉降与施工步骤密切相关。然后引入数据挖掘思想。分析时，首先对监 测点进行分类；然后根据本工程的特点，采用施工步所用时间为时间段变化量参 数对测点进行模糊聚类，将测点根据监测的结果分成不同的彼此有关联的组，聚 类出地表沉降规律一致的组群；接着又采用遗传算法对数据进行关联规则挖掘， 挖掘出隐含在其中的规律；最后，采用神经网络方法对测点分别用组内相似测点、 组间不相似测点等进行预测，将预测的结果与实测值进行对比，进行偏差分析， 挖掘出测点间内在隐含的相关规律。 通过上述研究，本文将数据挖掘理论引入水利工程领域进行数据处理，有助 于挖掘出一般数据处理方法得不到的规律，并为类似的工程提供指导和积累宝贵 经验。 关键词：浅埋暗挖沉降数据挖掘聚类关联规则挖掘预测 a b s t r a c t s o u t h - n o r t hw a t e rd i v e r s i o np r o j e c ti st oo p t i m i z et h ea l l o c a t i o no fw a t e r r e s o u r c e s ，t os o l v et h ep r o b l e mo fw a t e rs h o r t a g ei nn o r t h e r nc h i n a sm a j o rs t r a t e g i c i n i t i a t i v e s i th a sal a r g en u m b e ro fp r o j e c t sa n du s i n gan u m b e ro fa d v a n c e d c o n s t r u c t i o nt e c h n o l o g y s h a l l o wm i n i n gt e c h n i q u e sa p p l i e dt ot h ef i r s ts o u t h - n o r t h w a t e rd i v e r s i o np r o j e c t t h i s s t u d yi st h es o u t h - n o r t hw a t e rt r a n s f e rp r o j e c tb a c k g r o u n ds h i t a i e x p r e s s w a yt h r o u g ht h eb o xc u l v e r tp r o j e c ts h a l l o we x c a v a t i o n s h i j i a z h u a n g t a i y u a n e x p r e s s w a yi s a l li m p o r t a n tt r a f f i cl i n e s ，t h er e q u i r e m e n t sc a nn o tb ei n t e r r u p t e d d u r i n gt h ec o n s t r u c t i o no ft r a f f i c ，s oc l o s em o n i t o r i n g 。o fs u r f a c es u b s i d e n c e ，a n d a c h i e v e dag r e a td e a lo fd a t a i nt h i sp a p e r , t h e s ed a t ah a v e b e e np r e - v i s u a la n a l y s i s a n dc o n s t r u c t i o n 。o fs u r f a c es u b s i d e n c ei s c l o s e l yr e l a t e dt ot h es t e p s a n dt h e n t h i n k i n go ft h ei n t r o d u c t i o no fd a t am i n i n g a n a l y s i s ，t h ef i r s tc l a s s i f i c a t i o no ft h e m o n i t o r i n gp o i n t s ；t h es e c o n di na c c o r d a n c ew i t ht h ec h a r a c t e r i s t i c so ft h ep r o j e c t ， u s i n gs t e p - b y s t e pc o n s t r u c t i o no ft h et i m ec h a n g ef o rt h et i m ep a r a m e t e r so ft h e m e a s u r i n gp o i n tf o rf u z z yc l u s t e r i n g ，w i l lb et h em e a s u r i n gp o i n ti na c c o r d a n c ew i t h t h er e s u l t so f m o n i t o r i n gi n t od i f f e r e n tg r o u p sa s s o c i a t e dw i t he a c ho t h e r , c l u s t e r i n go f t h es a m el a wo fs u r f a c es u b s i d e n c eg r o u p ；a n dt h et h i r dt h eg e n e t i ca l g o r i t h mf o rd a t a a s s o c i a t i o nr u l e sm i n i n g ，d i g g i n go u tt h ei m p l i e dm e a n i n go ft h el a w ；f i n a l l y , t h eu s e o fn e u r a ln e t w o r km e t h o do fm e a s u r i n gp o i n tg r o u pw e r es i m i l a rt ot h em e a s u r i n g p o i n t ，g r o u p ss u c ha st h em e a s u r i n gp o i n ti sn o ts i m i l a rt op r e d i c tt h eo u t c o m eo ft h e f o r e c a s tc o m p a r e dw i t ht h em e a s u r e dv a l u e s ，t h ed e v i a t i o na n a l y s i s ，e x c a v a t e d b e t w e e nt h e m e a s u r i n gp o i n ti m p l i e db yt h ei n h e r e n tr e l e v a n tl a w s t h r o u g ht h i sr e s e a r c h ，t h i sa r t i c l ew i l lb et h ei n t r o d u c t i o no fd a t am i n i n gt h e o r y f o rd a t a p r o c e s s i n ga r e a so fw a t e rc o n s e r v a n c yp r o j e c t s ，c o n t r i b u t et ot h eg e n e r a ld a t a m i n i n ga p p r o a c hi sn o tt h el a w , a sw e l la ss i m i l a rp r o j e c t st op r o v i d eg u i d a n c ea n d a c c u m u l a t e dv a l u a b l ee x p e r i e n c e k e yw o r d s ：s h a l l o ws u b s u r f a c e ，s u b s i d e n c e ，d a t am i n i n g ，c l u s t e r i n g ， m i n i n ga s s o c i a t i o nr u l e s ，f o r e c a s t 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得苤鲞基堂或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：农族签字日期：a 彳年办日 学位论文版权使用授权书 本学位论文作者完全了解苤盗叁堂有关保留、使用学位论文的规定。 特授权鑫盗盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 芡爱 导师签名： 签字日期： 融蓝 妒彩年厂月2 日 第一章绪论 1 1 概述 1 1 1 引言 第一章绪论 中国水资源分布的基本特点是南方水多、北方水少，空间分布很不平衡。有 资料显示：黄淮海流域( 2 0 0 0 年) 缺水量1 4 5 - - - 2 1 0 亿一；到2 0 1 0 年，缺水2 1 0 - 2 8 0 亿m 3 ；到2 0 3 0 年缺水3 2 0 - - 3 9 5 亿m 3 。其中，海河流域缺水程度最严重， 在考虑继续加大节水力度和挖掘当地水资源潜力的情况下，2 0 1 0 年仍缺水1 0 0 - 1 2 0 亿m 3 ，难以支撑其经济社会的可持续发展。为此，党中央、国务院在经过长 时间调研后，决定实施南水北调工程。南水北调工程是优化配置水资源、解决北 方地区缺水问题的重大战略措施，也是关系到我国在2 1 世纪经济社会可持续发 展的重大基础性工程【l 】。 南水北调工程分为三条调水线路，即西线工程、中线工程和东线工程，分别 从长江上、中、下游调水，以适应西北、华北各地发展需要。其中，南水北调中 线工程从丹江口水库( p l 南南阳淅川) 陶岔闸引水，经长江流域与淮河流域的分水 岭方城垭口，沿唐白河流域和黄淮海平原西部边缘开挖渠道，在河南省郑州市附 近通过隧道穿过黄河，沿京广铁路西侧北上，自流到北京、天津。输水干渠全长 1 2 7 3 公里，向天津输水干渠长1 5 4 公里【2 】。期间要穿越淮河、黄河等多条河流及 石太等多条高速公路。 为了穿越河流及道路，南水北调工程修建了许多倒虹吸、渡槽、箱涵或隧洞 等过水建筑物。这些过水工程投资多，施工难度大，工程量大，工期长。比较典 型的工程有： 穿越黄河的隧洞倒虹吸，渠段全长1 9 3 0 4 5 米，设计输水能力3 2 0 m 3 s ，采 用两条直径7 0 米隧道。 跨越漕河的巨型渡槽，长2 3 0 0 米、底宽2 0 米、最大跨度3 0 米，技术较复 杂，施工难度较大，不仅是整个南水北调中线干线的最大渡槽，也是我国当前的 最大输水渡槽。 此外，还有北京永定河倒虹吸工程、河北滹沱河倒虹吸工程、唐河倒虹吸工 程、釜山隧洞工程以及与本论文研究的课题有关的穿越石太高速公路箱涵工程。 第一章绪论 1 1 2 穿越石太高速公路箱涵工程的特点 南水北调中线工程输水箱涵将穿越石太高速公路。石太高速公路是连接山西 到京津冀的一条重要通道，担负着“晋煤外运”等重任。 以往的输水箱涵的土体开挖大多采用明挖法施工。所谓明挖，就是在保证开 挖边坡土体稳定的前提下，开挖出符合施工要求的坑堑。 本工程如果采用明挖法，石太高速就要改道，将使京津冀晋的交通运输受到 很大影响，社会效益和经济效益损失将十分严重。鉴于以上原因，本工程采用浅 埋暗挖法施工。即在石太高速不封路的情况下，在路基下掏挖、衬砌成箱涵。 其主要难题如下【3 】： ( 1 ) 超浅埋 该隧洞的洞顶距高速路面仅为8 m ，洞顶最大高度为1 2 m ，并且该箱涵周围土 质比较松散，承载力较低。 ( 2 ) 超大动荷载 由于隧洞项部路面为石太高速公路，所以车流量十分密集，而且运煤大挂车 很多，荷载很大，最大荷载为2 0 0 吨。 ( 3 ) 大跨度 比工程浩大的穿越黄河倒虹吸隧洞直径为7 米相比，该工程开挖最大跨度为 2 5 7 m ，单孔过水断面为6 6 m 8 2 m 。 ( 4 ) 施工难度大 南水北调的其中一个输水工程也有一部分采用浅埋暗挖，即北京西四环暗涵 工程中穿越四环路时采用浅埋暗挖【l 】，但是由于在北京市修建西四环路时已考虑 到暗涵的修建，为工程施工留出了空间，做了充分准备，西四环暗涵的施工难度 将大大降低。而本工程要穿越的石太高速公路，公路修建时并没有考虑箱涵的修 建，没有前期准备的工程措施。 ( 5 ) 地表沉降控制严格 本工程的高速公路对地表沉降要求十分严格。一旦地表沉降过大，将会愈演 愈烈，有可能引发交通事故。修复地表会影响交通通行，造成经济损失和不良的 社会影响。 鉴于以上工程特点，需要严格控制地表的沉降量。地表沉降监测就显得尤为 重要。工程技术人员在施工中严密的监测地表沉降，得到了大量的监测数据。如 何对大量的数据进行分析，找出其中隐含的规律，进行预测。进而指导施工，控 制沉降，避免事故的发生。对此，本文引入了新兴的数据挖掘技术。 第一章绪论 1 2 数据挖掘研究现状 数据挖掘技术是近十几年来新兴的一门科学。关于数据挖掘最典型的案例就 是“尿布与啤酒”，这二者看似风马牛不相及，但在特定的条件下，它们之间却 有着密切的关联。在美国一个超级市场内，管理人员从每天商品销售的记录中发 现：来超市购买婴儿尿布的年轻父亲约有3 0 0 0 - - 4 0 会顺便买几瓶啤酒。根据这 一发现，超市即调整了商品的摆放位置：将以上商品尽可能摆放得近一些，并扩 大范围，将男士的日常用品也靠近婴儿尿布处摆放。此安排使这类商品的销售量 成倍增长。 数据挖掘的理论研究出现于2 0 世纪8 0 年代，它的发展历史虽然较短，但从 2 0 世纪9 0 年代以来，它的发展却很快，1 9 8 9 年8 月在美国底特律举行的第1 1 届国际联合人工智能学术会议的专题讨论会上首次出现k d d ( k n o w l e d g e d i s c o v e r yi nd a t a b a s e s ) - - i 司t 4 5 1 。随后在1 9 9 1 年、1 9 9 3 年和1 9 9 4 年都举行k d d 专题讨论会，汇集来自各个领域的研究人员和应用开发者，集中讨论数据统计、 海量数据分析算法、知识发现、知识运用等问题。于是数据挖掘界于1 9 9 5 年召 开了它的第一届知识发现与数据挖掘国际学术会议，k d d 国际会议发展成为年 会。数据挖掘界于19 9 8 年建立起一个新的学术组织a c m s i g k d d ，即a c m 下 的数据库中的知识发现专业组( s p e c i a li n t e r e s t e dg r o u po nk n o w l e d g ed i s c o v e r y i nd a t a b a s e s ) l 酬。1 9 9 9 年a c m - - s i g k d d 组织了第五届知识发现与数据挖掘国际 学术会议。此外，还有一些其他国际或地区性的数据挖掘会议，如“知识发现与 数据挖掘太平洋会议 ，“数据库中知识发现原理与实践欧洲会议 和“数据仓库 与知识发现国际会议”。在进入2 l 世纪后，数据挖掘技术向纵深发展，与多种学 科交叉、多种技术结合的数据挖掘理论及技术开始涌现。现在，数据挖掘技术已 经广泛应用于金融、商业、电信、医学等领域。 与国外相比，国内对数据挖掘的研究稍晚。1 9 9 3 年国家自然科学基金开始 对数据挖掘研究进行支持。1 9 9 9 年4 月在北京召开了第三届亚太地区k d d 国际 会议( p a k d d 9 9 ) 响应热烈。目前国内许多高校和科研单位在进行数据挖掘的基础 理论和应用研究，如北京系统工程研究所对模糊方法在数据挖掘中的应用研究， 包括北京大学、清华大学、南京大学、吉林大学等在内的国内著名高校都已开设 有数据挖掘的科研、开发和教学机构。 随着数据挖掘技术的不断发展，其应用领域迅速扩展，已渗透到包括土木工 程在内的许多工程技术领域。据初步统计，从1 9 9 4 至2 0 0 4 这十一年间，在土木 工程领域涉及数据挖掘的论文就有约7 0 0 篇幅左右【9 】。但是，在水利工程上应用 极少，本文结合实际工程，用数据挖掘技术对沉降监测数据进行分析，对以后的 第一章绪论 水利工程数据处理有一定的指导意义。 1 3 问题的提出 数据挖掘的理论研究出现于2 0 世纪8 0 年代，它有很广泛的含义，有关联规 则的挖掘、分类、聚类、统计预测，当然也包括回归分析 4 1 1 5 】【6 1 。它的发展历史 虽然较短，但从2 0 世纪9 0 年代以来，它的发展却很快，其应用领域迅速扩展， 已广泛应用于金融、经济、医学等领域。 在水利工程领域，有关数据处理研究的方面主要是回归统计等内容。数据挖 掘技术应用很不普遍。 本论文所涉及的工程自开工以来，汇集了沉降、应变、水平位移等监测资料。 由于是浅埋暗挖工程，地表沉降对工程的影响最大，所以对沉降资料进行数据处 理，发现工程施工中出现的问题，并及时处理事故，保障工程顺利施工就显得尤 为重要。 。沉降数据资料有很多；但是在数据很多的同时，又由于人为因素、仪器损坏 等原因，一些有用的数据资料却又缺失。“既多又少 的特点，使得对数据处理 十分困难。这个特点，很多工程都存在。 如何对这些数据进行分析，发现其中隐含的规律并进行预测，对以后的工程 有指导作用，成为研究的一个重要方向。 1 4 本文主要工作 本文穿越石太高速公路箱涵工程为例，对实测沉降数据资料进行数据挖掘。 针对工程的需要和自身的科研水平，具体做了以下工作： ( 1 ) 详细介绍穿越石太高速公路箱涵工程的浅埋暗挖施工方法、步骤；监测 地表沉降测点的布置。整理施工日志和施工记录得到实际的施工进度。为后续的 分析工作做好铺垫。 ( 2 ) 对实测的地表沉降数据进行初步分析。绘制典型的地表测点沉降随时间 的( 随施工进度) 变化曲线，绘制同一时间内同排各测点的地表沉降曲线。分析 数据曲线反映的规律和趋势，针对规律性的问题进行论述。 ( 3 ) 初步分析只能发现一些直观的规律，很难找到隐于其中的规律。为此本 文将数据挖掘的思想引入水利工程中，进一步深入分析，发现引起地表沉降的隐 含相关因素，达到控制沉降的目的。 ( 4 ) 详细介绍数据挖掘的由来、定义、功能、步骤方法及挖掘所用的软件。 第一章绪论 论述数据挖掘中分类、聚类、关联挖掘功能及在此基础上进行预测和偏差分析的 基本理论。 ( 5 ) 为提高数据挖掘的效率，首先对测点进行分类。然后引入模糊数学理论 思想，并采用基于模糊理论的方法对测点进行模糊聚类挖掘。根据本工程的特点， 采用施工步所用时间为时间段变化量参数，将测点根据监测的结果分成不同的彼 此有关联的组，聚类出地表沉降规律一致的组群。 ( 6 ) 根据聚类结果，选择在不同的组中选择数据，寻找组群间地表沉降的关 联规律。将地表沉降值加上施工步骤、天气气候等影响因素进行实数编码，引入 遗传算法进行关联规则挖掘，挖掘隐含在其中的规律。 ( 7 ) 运用前述结论，将神经网络方法和灰色理论方法进行对比，采用合适的 方法对测点分别用组内相似测点、组间不相似测点等进行预测，将预测的结果与 实测值进行对比，进行偏差分析，找出规律原因。 第二章浅埋暗挖施工工程介绍及数据分析 第二章浅埋暗挖施工工程介绍及数据分析 2 1 工程概况及施工方法、步骤 2 1 1 工程概况 南水北调中线京石段应急供水工程古运河枢纽穿石太高速公路暗挖段，起点 桩号为( 2 3 7 + 4 4 2 6 ) “，终点桩号为( 2 3 7 + 5 2 2 6 ) ”，本工程为三孔一联钢筋混凝土拱 涵，长8 0 米，结构净空为6 6 x8 2 m ( 宽高) ，工程开挖最大跨度为2 5 7 m ，依 据钻孔揭露显示地下水位位于暗渠结构底板以下【3 1 。 2 1 2 浅埋暗挖施工方法 暗挖采用复合式结构，其初期支护为c 2 0 网喷混凝土，二次衬砌为c 3 0 现 浇混凝土。为有效控制石太高速公路路面沉降，采用大管棚与小导管超前支护注 浆加固地层的辅助施工方法。首先进行洞门开挖与支护，洞门分二次开挖，第一 次开挖至可以进行大管棚施工的标高，挂网喷锚支护边坡，紧接着进行大管棚施 工。管棚施工完成后，边开挖，边进行洞门格栅支护，同时挂网喷锚加固边坡。 然后开挖洞身，暗挖段初期支护主要采用中洞法施工，首先施作中洞的初期支护 和相应部位的二次衬砌，其后展开两边洞初期支护和二次衬砌的施工。中洞采用 侧导坑法施工，先施工两侧导坑的初期支护，再施工其中的中墙及相应部位的底 板和项拱。中洞的两侧导坑错开1 0 米开挖支护。两边洞相互错开1 0 米距离开挖 支护，在两边洞初支完成后，再分段跳格拆除临时支护进行二衬施工。施工时严 格按施工顺序进行开挖及初支，控制开挖与初支时间，尽早使初支封闭成环，并 且在初支完成后及时进行拱项注浆回填，以控制开挖初期下沉量；二次衬砌施工 时，分段、快速拆除临时初期支护，及时施作二次衬砌，二次衬砌完成后及时进 行回填注浆，从而有效的保证初期支护及二次衬砌结构的完整性，这样能有效的 控制石太高速公路路面沉降，确保高速公路的正常使用。 2 1 3 浅埋暗挖施工步骤 本工程用浅埋暗挖中洞法开挖隧洞，步骤大体上分为1 0 步，分别依次开挖 不同的部位，其部位见图2 一l 所示。 ( 1 ) 施作拱部1 5 9 大管棚超前支护。 第二章浅埋暗挖施工工程介绍及数据分析 ( 2 ) 导洞部土体开挖支护，从左洞开始。 首先，施作导洞超前小导管，注浆加固地层；然后左右洞室错开l o r e 左右， 留核心土，初喷；再打设锁脚锚杆和架临时横向支撑，架设格栅钢架，挂网喷射 c 2 0 混凝土。混凝土强度达到设计强度后，立即进行回填注浆。 ( 3 ) 部土体开挖支护，从左洞开始( 具体施工步骤类似部) 。 ( 4 ) 部土体开挖支护，从左洞开始( 具体施工步骤类似部) 。 ( 5 ) 部土体开挖支护。 施作部拱部超前小导管，注浆加固地层，然后开挖部土体，初喷和架设 格栅钢架，挂网喷射c 2 0 混凝土。混凝土强度达到设计强度后，立即进行回填注 浆。 ( 6 ) 部土体开挖支护( 具体施工步骤类似部) 。 ( 7 ) 部土体开挖支护( 具体施工步骤类似部) 。 ( 8 ) 左右边洞部土体开挖支护。 施作部超前小导管，注浆加固地层；然后左右边洞错开5 m 开挖支护部， 留核心土，初喷；再架设格栅钢架，挂网喷射c 2 0 混凝土和打设锁脚锚杆，挖核 心土，架设临时横向支撑： ( 9 ) 左右边洞部土体开挖支护( 具体施工步骤类似部) 。 ( 1 0 ) 左右边洞部土体开挖支护( 具体施工步骤类似部) 。 图2 1 浅埋暗挖段施工步骤图 2 2 控制监测点布置 根据设计单位提供精密平面控制网，结合现有的地形、地质、地貌以及交通 线路、通信、供电杆位等具体情况，为便于现场施工，在易于观测的地方严格按 第二章浅埋暗挖施工工程介绍及数据分析 照规范要求设平面控制点桩位，为了确保测量精度，点位按线路两侧均匀布设， 点与点之间间距应以4 0 0 c m 左右为宜，点位布设按j t j t 0 6 6 9 8 测规要求进 行。测点布置见总体布置图( 图2 2 ) 、局部放大图( 图2 3 ) 和立面图( 图2 - 4 ) 。 图2 - 2 监测点总体布置图 第二章浅埋暗挖施工工程介绍及数据分析 2 3 实测资料分析 图2 4 立面图 在取得第一手资料后，通过绘制下列曲线对地表沉降进行初步分析处理； ( 1 ) 分析沉降随时间的变化曲线，绘制每一点随时间变化的曲线关系图( 限 于篇幅，每一排测点数据只绘制了三个较为典型的测点随时间变化的曲线) ； ( 2 ) 分析同一时间内每一排点的沉降变化，绘制相同时间内四排测点数据的 蓝线关系图( 共挑选了六个不同时期进行对比) 。 2 3 1 典型点随时间变化的趋势分析 本工程共有四排共计3 6 个测点，在绘制点随时间变化的曲线时，挑选了位 于暗渠中心线上的测点( 序号是5 ，即a 5 ，b 5 ，c 5 ，d 5 ) ，又挑选了位于中心线左右 两边的点各一个，总计1 2 个点，如图2 5 2 - 8 。 曹 、_ ， 嘲 逝 蛙 劝曰嘶8 9 0 6 。9 l o 韶。1 2 缸。1 2 番1 2 9 7 6 2 5 7 9 1 2 鬻虹p r 。- 一一一， 。 、惫 t一 、一 。|l 、一 i 。 i 1 。i 一- - a 2 沉降量1、一 - 一a s c i i。一 一 8 沉降量 图2 5a 排典型点随时间变化曲线 点 纠米控为降位 跚 沉单表中墨圈 oo0000000000000000000000000000000000000000000000000 1 123456789012a45 一一一一一一一一一111111 第二章浅埋暗挖施工工程介绍及数据分析 图2 - 6b 排典型点随时间变化曲线 图2 7c 排典型点随时间变化曲线 图2 8d 排典型点随时间变化曲线 从图2 - 5 - 2 8 可以得出： ( 1 ) 位于暗渠中心线上的点a 5 、b 5 、c 5 、d 5 这四个点沉降最大；左右两 第二章浅埋暗挖施工工程介绍及数据分析 边的点沉降点沉降趋势相同，数值相差不大，相差最大为6 m m 左右。这与经验 判断基本一致。 ( 2 ) 从图中看出，a 5 、b 5 、c 5 、d 5 四点约在0 6 年9 月2 0 日到0 6 年1 0 月2 0 日之间，沉降速率较大。由此详查数据库，发现a 5 从0 6 年9 月2 3 号， b 5 从0 6 年9 月2 8 号，c 5 从0 6 年1 0 月9 号，d 5 从0 6 年1 0 月1 7 号开始，下 沉速率加大；而同时期左右两边的点变化较为稳定，结合施工日志，此阶段为开 挖导洞部阶段( 参见图2 1 ) 。由此，可以初步了解道，施工部时对开挖隧洞 的中部土体影响较大。 ( 3 ) 这四幅图中，先是a 8 、b 8 、c 8 、d 8 沉降大于右边的点a 2 、b 2 、c 2 、 d 2 ，然后又小于它们，然后又如此反复，这是因为开挖时总是先开挖左导洞， 后开挖右导洞，说明土体开挖对地表沉降有直接的影响。 ( 4 ) 中心线左右的点中，a 排a 2 点约在0 7 年9 月1 0 日，a 8 点在0 7 年8 月2 5 日下沉速率加大，结合施工日志，此阶段为开挖导洞部阶段，并且先开 挖位于测点a 8 下部的左导洞，后开挖a 2 下部的右导洞。由此得出，边洞开挖 时对两边的点影响较大。 ( 5 ) 从图中分析，每条曲线总是先是沉降速率较大，后渐渐平缓；然后再加 大，又平缓。结合施工日志从图中详查时间，发现沉降速率较大的时候为开挖 部、部和部。由图2 - 1 所示，这三部都为上部土体，说明开挖上部土体对地 表沉降很大，开挖中下部时较小。由此也可以间接得出本次施工中衬砌支护得很 好。 ( 6 ) d 排d 5 点约在0 7 年1 月中旬突然下沉，结合施工日志，此时，中导洞 部刚开挖，并且由于一衬没有做好，所以下沉很大；而从3 月下旬以后相对以 前又反弹很多，结合施工日志，此时，开始浇注二衬。由此可以看出，二衬对抑 制地表下沉非常有效，在施工时应注意做好二衬的施工。 ( 7 ) d 排在0 7 年1 月中旬及0 7 年6 月中旬出现较大沉降，此时分别正在开 挖和部，再次说明施工对土体的扰动很大。 2 3 2 相同时间内四排测点数据的曲线对比关系图 结合施工日志，挑选了六个不同的时间进行比较。其中包括施工前，施工中 期和施工后期。如图2 - 9 2 1 4 。 第二章浅埋暗挖施工工程介绍及数据分析 图2 - 90 6 年8 月1 7 日 图2 - 1 10 6 年1 1 月1 日 图2 - 1 00 6 年8 月2 3 日 图2 - 1 20 7 年1 月2 0 日 图2 1 30 7 年4 月2 9 日图2 1 40 7 年1 0 月2 3 日 从图2 9 图2 - 1 4 分析可得： ( 1 ) 分析前两幅图，a 、b 、c 三排较有规律，左边6 、7 、8 、9 点比右边1 、 2 、3 、4 点沉降大，但仔细分析图可见，数值相差最大为2 0 r a m ，可以认为没有 多大区别。 - 1 2 第二章浅埋暗挖施工工程介绍及数据分析 ( 2 ) 开始开挖后( 0 9 年9 月1 7 日) 各排点( d 排除外) 变化基本有规律，呈 抛物线型式；从图中还可以看出，c 排各点的沉降最大，b 排次之，a 排最小， 结合图2 - 6 ，c 排在隧道开挖段的中部，距离进出两个洞口最远，b 排次之，a 排 距离进洞口最近，由此得出，大管棚超前支护起了类似简支梁的作用，中部弯矩 最大，挠度也最大。对比到此工程，中部地表沉降也最大。并且，在a 排点附近， 不要堆积过大过重物品，以免荷载过大，发生类似简支梁的剪切破坏。 ( 3 ) 从图2 - 6 中看出，d 排距离洞口最近，按上述推断应该沉降最小，但d 排各点变化很不规律，结合上述( 1 ) 所做分析，可以得出，洞口施工对地表沉降 影响很大，超过其他各种因素，在施工中应加倍注意。 2 3 3 本节结语 通过分析以上两类图可以得出一些结论： ( 1 ) 施工对于土体的影响非常大，超过其它因素引起的地表沉降； ( 2 ) 施工开挖对土体的初期扰动即开挖上部土体( 开挖部、部和部) 对地表沉降的影响较中下部土体大。 ( 3 ) 无论是横排还是竖排，都是中间沉降最大，这就形成了漏斗区，且漏斗 中心位于c 排的c 5 附近。c 5 位于高速公路中间隔离带，所以高速公路可能有较 大的沉降，应注意地表补强，以免发生交通事故。 ( 4 ) 采取衬砌等施工措施对抑制过大沉降很有效。 以上监测数据挑选了几个所谓的典型点作图进行了初步分析，得出了一些结 论。但这只是评主观经验得来的，并且在图中发现问题时还要查施工日志，使得 施工和地表沉降控制不能同步，不方便。一些隐藏在数据中的潜在规律不能发现。 以上提到的这些问题，通过引入数据挖掘思想，对测点和数据进行聚类、关 联分析和预测等，可以较好的解决。 第三章数据挖掘理论基础 第三章数据挖掘理论基础 自2 0 世纪6 0 年代以来，数据库技术和信息技术已经从原始的文件处理演化 到复杂的、功能强大的数据库系统。但是，当时的大规模数据存储和处理技术还 不成熟。与此同时，数据挖掘作为一个词组出现在1 9 6 6 年发表的一篇关于统计 分析的论文里。而就是基于以上原因，统计学家在统计分析中尽量避免进行数据 挖掘。 自8 0 年代中期以来，随着科技的发展，人们开始研究开发功能强大的数据 库系统，同时使用了先进的数据模型，如扩充关系模型、面向对象模型、对象一 关系模型和演绎模型等。数据库的发展又促进了相关信息利用的发展，数据挖掘 就是其中之一。 3 1 数据挖掘的定义及特点 数据挖掘的发展历史很短，但从2 0 世纪9 0 年代以来，它的发展速度很快， 加之它是多学科综合的产物，目前还没有一个完整的定义，人们提出了多种数据 挖掘的定义，如s a s 研究所( 1 9 9 7 ) ：“在大量相关数据基础之上进行探索和建立 相关模型的先进方法【5 p ；还有的定义认为：数据挖掘就是从数据集合中自动抽 取隐藏在数据中那些有用信息的非平凡工程【6 j 。 目前较为通用的定义为：数据挖掘就是从大量的、不完全的、有噪声的、模 糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是 潜在有用的信息和知识的过程。数据挖掘要解决的问题就是在庞大的数据中寻找 有价值的隐藏信息，加以分析，并将这些有意义的信息归纳成结构模式，提供给 有关部门在进行决策时参考【4 _ 1 1 5 j 【l 引。 通过数据挖掘，有价值的知识、规则或高层次的信息就可以从数据库的相关 数据集合中抽取出来，并从不同角度显示，从而使大型数据库作为一个丰富可靠 的资源，为决策服务。另外，数据挖掘不只在商业中获得了成功应用，在工业生 产领域应用中也有很好的表现。例如，影响工业生产的因素很多，靠传统的方法 往往难以得知那些是关键因素，利用数据挖掘的方法进行分析就可以发现各因素 的联系，找出关键因素，从而提高生产率。从“尿布与啤酒 的例子中可以看到 数据挖掘的一些重要特点，这里将其归纳如下【6 】【1 3 】： ( 1 ) 处理的数据十分巨大，否则单纯使用统计方法处理数据就足够了。 第三章数据挖掘理论基础 ( 2 ) 查询挖掘出来的知识是不能预知的。 ( 3 ) 数据挖掘中，规则的发现基于大样本的统计规律，当置信度达到某一阈 值时，认为规则成立。 3 2 数据挖掘的功能及步骤 3 2 1 数据挖掘的功能 数据挖掘的功能在一定程度上亦可以理解为对数据进行挖掘的任务。数据挖 掘主要有数据分类、聚类分析、关联规则挖掘、预测和偏差分析等功能【5 1 。 3 2 2 数据挖掘的步骤 数据挖掘是一个以获取知识为目的的数据处理过程，它包含有一定的步骤， 即数据的预处理、模式搜索、知识表示及知识评价等。数据挖掘的处理过程模型 为数据挖掘提供了宏观指导和工程方法。合理的处理过程模型能将各个处理阶段 有机地结合在一起，指导人们更好地开发及利用数据挖掘系统。 其主要的处理阶段及其任务如下： 数据准备：包括3 个子步骤：数据集成、数据选择和数据预处理。数据集成 就是将众多文件或多数据库运行环境中的数据进行合并处理，解决语义模糊性、 处理数据中的遗漏和清洗脏数据等。数据选择的目的是辨别出需要分析的数据集 合，缩小处理范围，提高数据挖掘的质量。数据预处理主要包括原始质量考察( 数 据的噪声和省缺情况) 和各属性间的相关性分析等，将数据转换为数据挖掘工具 要求的格式。 数据挖掘：数据挖掘作为知识发现的核心步骤，从过程上也包括3 个子步 骤：模型选择、模型培训和模型评价。在此步骤中，数据挖掘系统会集成多种信 息处理技术供使用者选择，即各种描述模型和预测模型；对既定模型的培训就是 通过设置模型初始参数和输入学习样本生成具体规则、公式或模式的过程；模型 评价使用生成的规律对新的数据样本分析和结论对比来评价其可靠性和有效性。 结果表达和解释：根据最终用户的需求目的对提取的信息进行分析，把最有 价值的信息区分出来。这一步骤的任务不仅是把结果表达出来，还要对信息进行 过滤处理，如果不能令使用者满意，需要重复以上数据挖掘过程。 第三章数据挖掘理论基础 3 3 支撑数据挖掘的技术方法 数据挖掘是一门涉及很广泛的交叉学科，所以，数据挖掘可以应用多种技术 实现，并且应知道：数据挖掘算法是数据挖掘技术的一部分；数据挖掘技术用于 执行数据挖掘功能或理解为完成数据挖掘的任务。常用的数据挖掘技术有统计分 析方法、决策树法、模拟退火算法、粗糙集法以及本文所要用到的模糊理论方法、 遗传算法以及人工神经网络。 3 4 数据挖掘常用工具和软件 由于数据挖掘可以为企业构筑竞争优势，为社会带来巨大的经济效益，一些 国际知名公司、研究机构和学术组织纷纷从事数据挖掘工具和系统软件的研究和 开发。 这些系统和工具除了采用了传统的统计方法外，还采用基于人工智能的技 术，包括决策树、规则归纳、神经元网络、可视化、模糊建模等。表2 - 1 列出一 些典型的数据挖掘产品。 以上数据挖掘工具一般规模较大，适用于大型数据库包括并行数据库。这类 工具开采能力很强，但价格昂贵，并要花很长时间进行学习。此外，一些其它软 件虽然不是专门的数据挖掘软件，但它里面所包含的算法能够完成数据挖掘，例 如m a t l a b ，e x c e l 2 0 0 7 等大众通用软件。基于以上考虑，本文采用m a t l a b 软件 编程进行数据挖掘。 表2 - i 主要数据挖掘工具系统 产品供应商特点描述 主要采用决策树，自回归预测模型进行数据的分类和预 c a r t m a r s s a l f o r d测，能够进行数据分类的获取、预处理等操作，并以图 形方式表示。 集成了多种数据挖掘算法，具有面向对象的扩展的模块 c l e m e n t i n es p s s 接口，使用户算法和工具可以加到它的可视化编程环境 中。 提供多种数据挖掘方法，它是基于数据立方体的联机分 d b m i n e rd b m i n e r析挖掘，包含多种有效的频繁模式挖掘功能和集成的可 视化分类方法。 e n t e r p r i s em i n e r s a s 提供多种数据挖掘方法，具有多种统计分析工具。 i n t e l l i g e n tm i n e rm m集成多种数据挖掘算法，与m md b 2 数据库紧密结合。 第三章数据挖掘理论基础 m a t l a b ( 即m a t r i x 和l a b o r a t o r y 的前三位字母组合，意为( “矩阵实验室”) 是美国m a t h w o r k s 公司自1 9 8 4 年开始推出的一种使用简便的工程计算语割7 】。 m a t l a b 由主包和功能各异的工具箱组成，其基本数据结构是矩阵。正如 m a t l a b 的名字“矩阵实验室”，m a t l a b 起初主要是用来对矩阵进行操作的。m a t l a b 具有非常强大的计算功能，正是凭借其杰出的性能，m a t l a b 现在已成为世界上 应用最广泛的工程计算应用软件之_ 7 】【l o 】。 应用m a t l a b 的各种工具箱可以在很大程度上减小用户编程时的复杂度，从 而可以专心研究数据挖掘方法和算法【】。而m a t h w o r k s 公司也一直致力子追踪各 学科的最新进展，并及时推出相应功能的工具箱。毫无疑问，m a t l a b 能在数学 应用软件中成为主流是离不开各种功能强大的工具箱的。 本文的关联规则挖掘和预测就是分别用了遗传算法工具箱和神经网络工具 箱等。 第四章测点数据挖掘分类与聚类分析 第四章测点数据挖掘分类与聚类分析 本工程共埋设了a 、b 、c 、d 四排共计3 6 个点。从测点布置( 图2 2 和图 2 3 ) 可以看出，有的点埋设在高速公路中间或旁边，测量既危险又不方便。并 且，有的测点数据缺失严重，在进行数据预处理时难以决定是删除还是进行插补。 对此，采用数据挖掘中分类和聚类的思想，先对测点进行分类和聚类，将其分为 几组，然后进行数据分析，找规律或预测等。 4 1 数据分类 4 1 1 分类的概念及目的 按照分析对象的属性、特征，建立不同的组类来描述事物。数据分类是发现 每一数据与既定类别间的映像函数的过程，在医学诊断、市场调查及信用评估等 领域中应用非常广泛【i 7 】【l 8 1 。 分类往往是进行其它数据挖掘任务的前奏，通过分类，可以将不停属性的数 据分成不同的类组，然后再对数据进行处理。例如在金融界领域，将信用申请者 分为高风险、中风险和低风险三类。正是基于这种思想，将数据分类引入水利工 程领域进行数据处理。 4 1 2 测点的分类 常用的测点分类方法有决策树法、判别分类分析、神经网络及记忆基础推理 等。由于本论文只需要对测点进行简单分类，所以采用判别分类的方法【l 6 】【1 7 1 。 测点的属性因素有很多，有距离、位置或数据组数。其中，数据组数最为重 要，如果数据不完整，以后将无法进行数据挖掘，所以，将数据组数作为判别分 类的主要的属性参考值。 通过对数据进行统计，得到各排测点的数据组数，如表4 1 4 4 。 表4 - 1a 排测点的数据统计 第四章测点数据挖掘分类与聚类分析 表4 - 2b 排测点的数据统计 表4 - 3c 排测点的数据统计 表4 - 4d 排测点的数据统计 由以上数据可以看出，a 1 ，a 9 ，b 1 ，b 9 ，c 1 ，c 9 ，d 1 ，d 9 这8 个测点的数据很少， 并且这些测点距离相邻测点较其它测点大，距箱涵中心线位置很靠外，监测人员 对这些测点监测要求很低。根据分析这些测点数据属于弱项数据集；其它测点数 据较多，距箱涵中心线位置近，属于强项数据集。由于弱数据集数据很少，不满 足数据挖掘的特点【6 】，不易对其进行数据挖掘，所以舍弃这些测点，只对强项数 据集进行后续的数据挖掘。 4 2 数据聚类简介 4 2 1 聚类的概念 将物理或抽象对象的集合分组成由类似的对象组成的多个类的过程称为聚 类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼 此相似，与其它簇中的对象相劓1 9 】【2 0 1 。 作为统计学的一个分支，聚类分析已经被广泛研究了多年，主要集中在基于 距离的聚类分析。在机器学习领域，聚类属于无监督学习。在模式识别领域，聚 类是非监督模式识别的一个重要分支。由于数据挖掘技术是在数据库