岩土工程智能监测特点及存在的问题.doc

论岩土工程智能监测
摘要：随着电子信息技术、科学研究与工程实践的快速发展，不断产生种类繁多、数量巨大的数据，大数据现象已经出现，在科学数据分析、电子商务和银行业等领域得到了越来越多的重视和应用，大数据即将深刻地影响着人类的生活、工作及思维。本文简要介绍了当前岩土工程监测学科的特点、现状及存在的问题，论述了大数据的定义、特征，指出大数据的概念与岩土工程监测具有天然的契合性。在大数据时代，以关联分析、成因分析及决策支持为核心的深入分析能力将成为监测工作的核心，现场监测将被提升到与试验、理论与数值模拟相同甚至是更为重要的地位。因此，岩土工程监测工作者应该重视大数据的研究，加强应用其他行业的大数据研究成果，抓住大数据对岩土工程监测带来的机遇，为未来岩土工程监测的跨越式发展奠定基础。并指出对于深大基坑工程，需要进行智能监测时，必须考虑的3大模块。
关键词：大数据；岩土工程；监测；数据分析；基坑工程
Intelligent Monitoring of Geotechnical Engineering
摘要：随着电子信息技术、科学研究与工程实践的快速发展，不断产生种类繁多、数量巨大的数据，大数据现象已经出现，在科学数据分析、电子商务和银行业等领域得到了越来越多的重视和应用，大数据即将深刻地影响着人类的生活、工作及思维。本文简要介绍了当前岩土工程监测学科的特点、现状及存在的问题，论述了大数据的定义、特征，指出大数据的概念与岩土工程监测具有天然的契合性。在大数据时代，以关联分析、成因分析及决策支持为核心的深入分析能力将成为监测工作的核心，现场监测将被提升到与试验、理论与数值模拟相同甚至是更为重要的地位。因此，岩土工程监测工作者应该重视大数据的研究，加强应用其他行业的大数据研究成果，抓住大数据对岩土工程监测带来的机遇，为未来岩土工程监测的跨越式发展奠定基础。并指出对于深大基坑工程，需要进行智能监测时，必须考虑的3大模块。
Abstract: with the rapid development of electronic information technology, scientific research and engineering practice, the continuous generation of variety, huge amounts of data, large data phenomenon has emerged, in scientific data analysis, electronic commerce and banking sector has been more and more attention and application, data is profoundly affects human life, work and thinking. Are briefly introduced in this paper, current situation and existing problem of the geotechnical engineering monitoring subject characteristics, discusses the definition and characteristics of large data, points out that big data concepts and rock soil engineering monitoring has natural fit. In the era of big data. By correlation analysis, cause analysis and decision-making support for the in-depth analysis of the core the ability will be the core of the monitoring work, field monitoring will be upgraded to and experiment, theory and numerical simulations for the same or even a more important position. Therefore, monitoring of geotechnical engineering workers should attach great importance to the research data, strengthen the other industry of research data and applications, to seize the opportunities of geotechnical engineering monitoring data, to lay the foundation for future monitoring of geotechnical engineering development by leaps and bounds. And pointed out that the deep foundation pit engineering, the need for intelligent monitoring, 3 modules must be considered.
Keywords: big data; geotechnical engineering; monitoring; data analysis; foundation pit engineering
1 引言
岩土工程科研实践与信息的收集、管理、分析和利用密不可分，数据库技术的成熟与工程可视化技术的发展，为我们理想的实现奠定了坚实的基础。岩土工程相对于其他工程而言，由于地质条件的复杂多变性、岩土体性质把握的不准确性和工程的隐蔽性，使得工程设计在施工过程中需要不断变更，而依据则主要是从工程现场获得的各种信息，其中施工监测信息占有主导地位。数量大、种类多的监测信息应借助于计算机进行快速处理、及时反馈以优化设计和指导施工，已无可争议。随着国民经济快速发展，城市建设对地上、地下空间需求不断增长，大型地下工程，高层超高层建筑带来的大型深基坑工程数量和规模持续上升。信息化技术及相关数学预测模型的发展为基础工程施工过程的有效管理、安全评估提供了强有力的技术支持。
2 岩土工程监测的特点、现状及存在的问题
2.1 岩土工程监测的特点
岩土工程监测，特别是重大岩土工程监测，具有工期长、测点数量大、测点种类多、数据量大、数据来源复杂及多媒体化等特征。比如，城市轨道交通施工期监测时间一般为3 a，水电工程则更长（三峡工程长达15 a）。一座车站或者一段区间隧道设置300～600 个第三方监测测点，全线包含上万个第三方监测测点（施工方监测的测点数量更多）。测点种类包括位移、应力、应变、压力、轴力、地下水位、振动等，数据类型包括数值、文本、图形、图像、音频及视频等。因此，获得的数据是极其庞大和复杂的。
2.2 岩土工程监测的现状
（1）由于监测工作能可靠地反映施工过程中工程结构和周边环境的安全状态，日益受到建设单位的重视，特别是在城市轨道交通、水电和铁路部门，先后颁发了一些规程规范。
（2）随着传感器精度提高和价格持续走低，加上计算机及网络技术的高速发展，大规模、全方位、多维度、多场的岩土工程监测将得以实现。今后，使用宏观、细观和微观的监测方法和设备，“现场版的模型试验”将会出现，施工工程中结构和周边环境动态响应的高密度实时采集将不再是一个假设。
（3）数据简单汇总、粗略分析、然后提交监测报告的粗放模式已经不能满足业主高层次的需求，在大数据时代，以成因分析、关联分析、快速查询、及时反馈、决策支持为主的后续分析能力必将成为监测工作的核心。
（4）业界对岩土工程监测提出了新要求，即采集快速、分析可靠、反馈及时、避免风险，真正达到信息化施工的目的。
2.3 当前岩土工程监测存在的问题
尽管建设单位对监测工作越来越重视，国家和相关行业也相继颁发了部分规程规范，但一些工程项目在施工过程中仍然发生了事故，其中存在因监测工作不力的原因，反映出当前岩土工程监测工作中尚存在以下问题：
（1）客观上数据采集的门槛越来越低，对分析人员的要求越来越高，但主观上重采集、轻分析的现象一直存在，监测工作未能发挥应有的作用。一方面，随着电子和信息技术的发展，设备、
传感器价格的持续降低，加上常规监测技术、方法的成熟普及，监测数据采集的门槛越来越低；另一方面，由于数据量采集量大频高，加上目前工程所处地质条件、环境条件和施工设计难度越来越复杂，建设“两型社会”对环境的保护越来越重视，从而对监测结果分析的要求日益提高。但可能因节约成本，或者经验、认识不足的原因，一些监测单位只重视数据采集和提交简单报表，忽视了成果分析、解释和反馈，直接导致花费了大量人力物力采集的数据没有得到充分及有效的应用，同时也给工程带来了潜在的风险。事实上，岩土工程监测工作中数据采集是基础，数据分析和解释才是关键。监测工作的难点在于从大量、繁杂、结构各异的数据中挖掘观测量之间、原因量和效应量之间、观测量与施工过程之间的相关关系，进而动态判断施工过程中的风险，提出建议措施。
（2） 存在法规制度不完善、监管不严格、管理不到位的现象。由于监测数据采集工作的门槛相对较低，造成监测人员素质和监测实施单位管理水平参差不齐，导致测点埋设不及时、监测方法不正确、数据处理分析不及时等现象出现，这也是某些事故发生的因素之一。因此，监测工作及监测管理的标准化非常重要。前述国内已经颁布的规范主要规定了监测设计和监测方法，但对于监测工作的管理流程、参建各方在安全监测方面的职责以及与监测工作有关的应急预案方面尚存在不足，因此，进行监测管理体系的标准化总结势在必行，预计今后行业管理会日益严格和规范。可喜的是，在轨道交通建设中已经引入了第三方监测和风险管理制度，值得进一步探索和在其他行业中推广。
我们正处于一个信息大爆炸的时代。随着电子、信息技术的不断发展，互联网、
移动互联网、电子商务与物联网等应用日渐普及，加上科学研究与工程实践活动，不断产生种类繁多、数量巨大的数据。而岩土工程的特点决定了岩土工程监测正是典型的大数据应用。
3 大数据技术概述
3.1 大数据的定义
大数据指的是所涉及的数据量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为更能积极帮助企业经营决策的信息。
3.2大数据的特征
（1）数据量巨大
目前，人们与数据的交互比起以往任何时候都要密切。现实世界中，各种各样、难以计数的传感器被安装到各种设备中（比如卫星、汽车和城市摄像头），每时每刻都在不断采集着不同格式的数据。在数字世界中，用户每天的通信、上网、购物、搜索、社交娱乐等网上活动都在产生着数量庞大的数据。
（2）数据类型多且十分复杂
数据的来源及格式复杂多样，除了传统的结构化数据外，还包括半结构化和非结构化数据。据报道，在互联网上图像、音频、视频、地理位置信息等非结构化数据达到80%以上，其比例还在迅速增加。另外，随着科学和技术的发展，数据的来源会更加多样。
（3）处理速度快
数据增长速度快，同时要求在极短的时间内完成数据的处理分析，甚至实时完成，以便能够从数据中及时提取知识、发现价值，迅速发挥数据的效能。显然，数据处理的速度越快、越及时，数据的价值及其发挥的效能就越大。
（4）价值密度低
虽然数据采集量很大，但往往有用的数据少。
4 大数据时代发展机遇
毋庸否认，IT 行业已经开始进入大数据时代，大数据的理念和方法将会给社会、生产和科学活动带来深入的变革，这对于目前在岩土工程中地位还比较尴尬的岩土工程监测学科来说，也是一种转折与机遇。
4.1 岩土工程监测是典型的大数据应用
大数据的4 个特征在岩土工程监测中表现十分明显。比如对于城市轨道交通建设中的第三方监测，一般一条线路长约30 km，大概包含30 个车站基坑及相同数量的区间隧道，周边还分布有大量的管线、道路及建（构）筑物，测点上万个，采集的监测数据量巨大；同时，监测的项目种类不下十几种，内容囊括位移、应力、力、地下水位等，数据形式多样，包括数值、文字、图片、影像等资料。即使单独对一个车站或者一段区间隧道而言，周边往往分布有建（构）筑物、管线、道路等监控对象，其变形原因受所处地质条件、施工过程甚至天气等影响，影响因素众多，且相互关联，非常复杂。因此，岩土工程监测是典型的大数据应用范例，大数据的几大主要特征天然契合于岩土工程监测的特点。
4.2 监测数据对重大工程的安全发挥重大作用
互联网、物联网及云计算的发展，加上各种传感器的大规模使用为岩土工程积累了大量数据，使尚不可能从理论上准确计算和预测的岩土工程学科转变为可以“摸着石头过河”的实证科学。虽然理论模型和分析方法还不完善，精度与可靠度尚存在问题，但是借助于无处不在的互联网、物联网和传感器技术，人们可以全面地监测复杂岩土介质在复杂施工过程、复杂环境影响条件下的动态反应，据此保证工程安全，实现科学决策。由于岩土工程监测工作者是真正的工程全方位参与者，熟悉地质、设计、施工及现场情况，掌握最为齐全的资料，理所当然地处于数据分析的中心，因此，监测工作者应该积极地参与数据分析和解释，不能简单地沦为单纯的数据提供者，必须提高数据分析的水平，大力加强理论和模拟的学习，真正将监测、理论及模拟方法结合起来，更好地服务于工程。
4.3 传感器技术、监测方法和设备面临着巨大的发展需求
如前所述，科技的发展带来成本的快速下降使全方位、大范围、多场、自动化的监测越来越成为可能，精细化监测给工程安全带来的好处会进一步刺激新型传感器、监测方法和设备的研究。可以预见，精度更高、体积更小、耐久性更强以及更可靠的传感器将会出现。监测范围将从传统的按关键断面布置扩展到全空间布置，监测时间跨度将从施工期延伸到建构筑物全生命周期，监测项目将从少数物理量发展到位移、应力、应变、力以及其他基本物理性质的多场耦合监测，监测的手段将从传统的光学、电磁、声学方法发展到地震、化学及重力等方法，监测数据的采集和传输将从人工、半自动化发展到以光纤、物联网及移动互联网为特征的全自动化。硬件的飞速发展必将为监测工作的大数据化提供坚实的基础。
4.4 数据分析是重中之重
面对蜂拥而来的大数据，快速、可靠的分析和及时反馈是做好岩土工程监测的关键。岩土工程监测的主要目的是进行异常数据的成因分析和趋势预测。由于系统的复杂性、影响因素过多及作用机制不明，在大数据时代，人们更关心数据间的相关关系。利用大数据强大的分析能力进行关联分析、模式识别，从而获得一些规律来逼近成因分析及结果解释。另外，大数据分析技术也便于综合进行大范围的空间上和时间上的相关性分析，能够有效地避免因分析能力不足而导致的片面化。同时，非结构化数据的快速处理也依赖于大数据技术。
必须指出，虽然大数据的方法对于岩土工程监测十分重要，但岩土工程在数据分析方面的积淀尚不充分，必须重视多学科交叉，研究和引入计算机、统计分析学科中的大数据方法，在岩土工程监测数据处理分析方面开展集成创新。大数据技术的关键在于设计一种成本可接受的，通过快速采集、发现、分析等工具和方法，从大量的、多种类型的数据中提取有价值的信息或知识的体系架构。由于近年来互联网、云计算、移动设备和物联网的迅猛发展，要处理的数据量大、增长快，而业务需求对数据处理的实时性又提出了更高要求，传统的常规技术手段无法应付。因此，大数据技术应运而生，但其研究和应用还仍处在探索阶段。
本文将介绍一种大数据技术-数字基坑系统
深大基坑工程中涉及场地工程地质条件、地下结构(如地连墙、桩基础、立柱、支撑等)、施工过程、信息化监测等。因此，为建立数字基坑系统实现基坑工程的信息化施工与动态监测，需要包含工程信息的数字化(场地工程地质信息、施工信息、结构信息)、监测数据(位移、土压力等矢量监测数据，地下水位等标量监测数据)等的信息化。此外，随着数值计算技术的发展，目前其在基坑动态施工变形分析及稳定性评价方面得到广泛应用，并为复杂深大基坑开挖优化及安全施工提供了理论支持。因此，在实现数字基坑系统建设中也有必要将数值计算的研究成果集成起来。针对上述问题，一个健全的数字基坑系统应包括数据管理、监测信息分析查询、工程信息查询、数值计算成果查询四大主要功能模块(见图1)。
4.5 数据库管理模块
为了实现深大基坑施工过程的信息化管理，设计数字基坑系统数据库共分3 层，由上而下分别为数据库、数据表和数据字段。其中数据表由工程信息表、标段信息表、测点信息表、地层信息表及测点监测数据表等7 类信息表组成；数据字段为数据的直接存储位置，囊括了工程相关的诸多重要信息，其组织架构如图2 所示。数据管理模块主要是通过良好的人机交互界面，实现对数据的Excel 批量录入、数据修改，并实现对数字基坑数据库结构的调整、数据库扩充等功能，存储内容主要包括监测信息、测点信息、工程信息等，各数据表间实现了关联，形成了结构化，系统化的数据库与数据管理功能。当然根据信息化监测的需求，监测数据的来源也可通过无线传输的方式，直接获取现场传感器传来的监测数据信息。

图1 数字基坑系统总体框架

图2 数字基坑系统数据库架构

4.6 工程信息查询模块
工程信息查询模块主要包括测点、监测深度、支护结构、场地工程地质条件等空间信息的三维可视化展示、交互式查询和访问。
4.7 监测信息可视化分析查询模块
该模块是数字基坑系统的核心模块，监测信息分析查询功能主要分为2 部分，即：监测信息预测查询和监测信息三维展示，二者由于呈现的手段不同分别属于监测信息预测查询与三维信息查询2个功能模块。其中前者为独立功能模块，包括了监测数据查询与监测数据预测2 个子部件，查询以表格和曲线图的形式进行展示，目的在于帮助工程人员分析数据变化规律，了解基坑演化规律，预测通过较为成熟，使用广泛的人工神经网络和灰色系统预测方法实现，为工程除险提供有力的支持；监测信息三维展示主要为测点监测数据的展示，按数据类型分为矢量和标量，为满足不同监测仪器的需求，在三维信息查询模块中可以云图和矢量图的形式进行展示。
基于上述数字基坑系统构架理念，在研究过程中运用面向对象编程方法及三维可视化技术，实现了数值基坑系统平台建设，并将其应用于天津市文化中心交通枢纽大型基坑信息化管理中。
5 结语
（1）以数据量巨大、数据类型复杂、处理速度要求快为主要特征的大数据时代已经来临，必将带来生活、工作与思维方式的大变革。大数据的几大主要特征天然契合于岩土工程监测的特点，岩土工程监测是典型的大数据应用。
（2）岩土工程监测数据采集的门槛越来越低，但对分析人员的要求越来越高，重采集、轻分析的现象一直存在。目前，国内监测工作未能发挥应有的作用，并且存在法规制度不完善、监管不严格、管理不到位的现象，亟需规范化管理和加强数据分析能力。
（3）大数据分析技术将提高岩土工程监测的分析和解释水平，二者结合，大数据技术的发展将为岩土工程监测带来了机遇与转折。
（4）由于大数据相关技术尚处于发展初期，因此，目前大数据的应用还比较粗浅，还需要一个较为长期的探索过程，但其概念和思想应该受到岩土工程监测工作者的重视，特别应重视研究和应用其他领域内的大数据成果。
6 参考文献
[1] 王树良, 丁刚毅, 钟鸣. 大数据下的空间数据挖掘思考[J]. 中国电子科学研究院
学报, 2013, 8(1): 8－17.
[2] 郑玲微. 大步跨入大数据时代[J]. 信息化建设, 2013,173(1): 11－13.
[3] 李国杰, 程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域-数据的
研究现状与科学思考[J]. 中国科学院院刊, 2012, 27(6): 647－657.
[4] 王浩. 地下工程监测中的数据分析和信息管理、预测预报系统[D]. 武汉: 中国科
学院武汉岩土力学研究所，2007.
[5] 孙钧: 城市地下工程施工安全的智能控制预测与控制及其三维仿真模拟系统研
究[J].岩石力学与工程学报,1999,18(增刊):753-762.
[6] 李国杰, 程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域-数据的
研究现状与科学思考[J]. 中国科学院院刊, 2012, 27(6): 647－657.
[7] 李国杰. 大数据研究的科学价值[J]. 中国计算机学会通讯, 2012, 8(9): 8－15.
[8] 杨多兴, 李琦, 王舒. 可压缩流体饱和孔隙介质中孔隙压波传播数值分析[J]. 岩
土力学, 2014, 35(7): 2047－2056.