- · 《地质与勘探》栏目设置[09/01]
- · 《地质与勘探》数据库收[09/01]
- · 《地质与勘探》投稿方式[09/01]
- · 《地质与勘探》征稿要求[09/01]
- · 《地质与勘探》刊物宗旨[09/01]
基于大数据的盾构掘进与地质关联关系分析方法
作者:网站采编关键词:
摘要:SUN Zhenchuan, LI Fengyuan, CHU Changhai. Analysis method of correlation between shield tunneling and geology based on big date[J]. Tunnel Construction, 2020, 40(2): 162. 0引言 盾构问世至今已有近200年的历史,作为大型
SUN Zhenchuan, LI Fengyuan, CHU Changhai. Analysis method of correlation between shield tunneling and geology based on big date[J]. Tunnel Construction, 2020, 40(2): 162.
0引言
盾构问世至今已有近200年的历史,作为大型复杂装备,在地下空间开发、隧道建设等项目施工过程中广泛应用。受开挖面地质情况、开挖过程突发情况等不确定因素的影响,盾构掘进及选型、设计参数的选择严重依赖专家及盾构司机经验,但经验往往不够全面、准确,且个人差异化明显。对于没有经验或者疲劳操作的司机而言,一旦出现特殊情况或操作不及时,掘进参数无法得到及时修正,则可能造成掘进不平稳、卡机甚至坍塌等严重后果。因此,保障盾构掘进安全、高效成为掘进过程中的一大挑战。为解决这一问题,量化地质参数,探究不同地质参数、装备参数下的掘进经验至关重要。
目前对于盾构掘进参数与地质参数的关联分析并不多。张莹等[1]对天津地铁某标段盾构实时掘进数据和地质参数进行关联分析,提出根据掘进参数定性识别地质特征的方法。余梓[2]对常见复杂地层进行总结,相应提出盾构施工的参数建议。彭涌涛[3]以南京地铁3号线某标段施工数据为依据,提出了盾构掘进姿态参数矩阵与其他施工参数、地质条件之间的关系。田管凤等[4]应用大数据技术对盾构施工引起的地面沉降进行分析预测,阐述了一种可行的地面沉降分析预测步骤。陈孝琼[5]以某河底隧道现场地质及施工参数为基础,通过理论分析、数值计算和现场监控研究了盾构下穿河流时掘进参数与地层变形规律。占传忠[6]以广州地铁6号线2期工程数据为基础,通过曲线拟合和统计回归方法得出盾构施工时掘进参数与相应地层的相互关系。已有文献大多以少量施工数据的经验,给出盾构施工与地层参数的关系,而对不同盾构、不同地层的多参数详细对应关系研究不足。
随着我国地下空间开发以及信息化、智能化和传感网等的加速发展,盾构工程中采集到的数据越来越多,使得利用大数据对地质和盾构掘进参数进行关联分析,量化盾构在各类地质中掘进的经验关系成为可能。鉴于此,本文依托盾构及掘进技术国家重点实验室大数据平台上采集的项目施工数据,将直方图数据主要分布区间的算法[7-10]应用于自动测量的各关键掘进参数主要经验区间,研究盾构掘进及地质关联关系。这些经验区间值可以作为特定装备条件和地质条件下的工作参数参考范围。
1盾构大数据采集与数据库建立
为探索盾构掘进和地质环境间的关联关系,需要采集完备、有效可用的盾构施工数据及相应的地质环境参数数据,建立专业数据库。
盾构大数据采集应包括设备数据、地质环境数据、掘进参数数据,采集内容见表1。
表1大数据平台采集内容Table 1 Collection items and contents of big data platform采集类型采集项设备数据 盾构ID、盾构类型、盾构厂家、盾构规格型号、盾构直径、施工单位、工程所在地等 地质环境数据 施工线路、岩土类型等,其中,岩土类型分为岩石、土层、复合地层。每种岩土类型需要进一步细分岩土性质,如: 岩石主要包括火成岩、变质岩、沉积岩;土层包括黏土、砂土、软石、淤泥。岩石按抗压强度、破碎度再细分,土层按标贯值再细分掘进参数施工线路、掘进时间、里程环号、关键参数类别、参数值等
数据库的建立应从数据规模、计算能力、稳定性、可靠性、可扩展性和安全性等方面综合考虑。本文对掘进参数数据的存储,选择了开源分布式HBase数据库,它是一种构建在HDFS(Hadoop分布式文件系统)之上的分布式、面向列的存储系统,是可以实现实时读写、随机访问的大规模和分布式数据集;设备和地质环境数据选择RDMS(关系型数据库管理系统)数据库,它使用二维表结构,易于理解和操作,可以在业务上保持高一致性[11]。
平台采用可扩展和容错性强的数据处理Lambda架构,综合考虑了实时数据和离线数据分析的双重需求。这个数据架构处理大批量数据时结合了批处理和流处理方法的优点,如图1所示。
图1实时和离线数据分析技术架构Fig. 1 Technical framework of real-time and offline data analysis
所有进入系统的数据被分配到了批处理层和高速层。批处理层管理主数据集(一个不可修改、只能新增的原始数据集)和预计算批处理视图。服务层索引批处理视图,可以对它们进行低延时的临时查询。高速层只处理近期的数据。任何输入的查询结果都合并了批处理视图和实时视图的查询结果。大数据平台组件及说明如表2所示。
文章来源:《地质与勘探》 网址: http://www.dzyktzz.cn/qikandaodu/2020/1119/447.html
上一篇:地质钻探机械预防性维修的必要性分析
下一篇:铁路工程地质BIM技术方法研究