工程結構安全自動化監(jiān)測預警平臺開發(fā)與應用

金亞兵， 勞麗燕， 劉川煒

(深圳市地質局，廣東 深圳 518023)

近年來，隨著工程建設的縱深發(fā)展，工程建設引發(fā)的工程事故導致的人員傷亡數以萬計，造成的直接和間接經濟損失無法估量。由于工程建設過程中具有太多的偶然性和突發(fā)性，傳統的監(jiān)測手段單一及易干擾，預警預報通道不暢，很多工程事故來不及預警就發(fā)生了，工程事故已嚴重威脅公共安全[1]。

目前，自動化監(jiān)測技術已在大壩、地鐵(隧道)及基坑等工程建設監(jiān)測領域得到了全面推廣應用。大壩安全監(jiān)測技術日趨成熟，不僅能自動采集、校驗、存儲和遠程傳輸數據，而且可快速在線評估和預警預報[2,3]。沈省三等[4]回顧和總結了大壩安全監(jiān)測儀器技術發(fā)展歷程，結合物聯網、無線傳感器、云計算及大數據等新興技術，對安全監(jiān)測儀器技術在未來發(fā)展前景進行了分析和展望。地鐵(隧道)自動化監(jiān)測技術起步較晚，但目前自動化監(jiān)測也已廣泛應用于工程施工中[5～7]。呂文臣[8]介紹了自動化監(jiān)測技術在既有地鐵結構變形監(jiān)測中的監(jiān)測特點、方法、精度以及數據分析，驗證了自動化監(jiān)測技術在地鐵隧道結構變形監(jiān)測中的應用價值。徐燕等[9]利用數據自動采集技術、網絡無線通訊技術及數據庫應用技術，實現了對軟弱破碎圍巖隧道支護體系受力的自動化監(jiān)測。在基坑工程施工領域，自動化監(jiān)測技術一直處于不斷探索與提高[10～12]中。王美華等[13]介紹了深基坑施工中的自動化遠程監(jiān)測系統的試驗應用。徐文杰等[14]研發(fā)了一套數字基坑系統，實現工程結構的三維可視化動態(tài)查詢與管理，以及現場檢測數據的可視化查詢與預測分析。

為解決工程結構安全自動化監(jiān)測工程中無法提前預測從而達到智能預警及監(jiān)測全過程成果輸出的自動化、標準化等難題，本文開發(fā)了滿足多對象、多場景預警預報的準確性、及時性及智能化要求的監(jiān)測預警平臺。平臺實現了對監(jiān)測體的穩(wěn)定狀態(tài)和變化趨勢做出判斷，對未來可能發(fā)生災害的地點做出預測，對工程結構安全監(jiān)測預警具有十分重要的意義。

1 監(jiān)測內容

工程結構安全自動化監(jiān)測包括數據采集自動化、數據傳輸自動化、數據處理和管理自動化、預警預報自動化及監(jiān)測成果輸出自動化。自動化方法的選取就是根據監(jiān)測對象的監(jiān)測內容和精度要求選取合適的監(jiān)測設備。

從監(jiān)測對象物理量變化的特征方面，將監(jiān)測類別劃分為三大類：第Ⅰ類是形變和位變(位移)監(jiān)測；第Ⅱ類是力變監(jiān)測；第Ⅲ類是水變監(jiān)測。形變指支護結構形狀的變化，如拉伸、壓縮、彎曲等；位變(位移)指地表或深層土體、支護結構和周圍建(構)筑物、道路及管線等監(jiān)測對象空間位置的變化，如水平位移、豎向位移(沉降)、建(構)筑物的傾斜、地面或結構物的裂縫等。力變指支護結構或土體或周圍受力體受到的作用力和結構自身應力的變化，如土壓力、支護結構彎矩、軸力、錨桿(索)及土釘拉力等。水變指降雨量和地下水位或孔隙水壓力的變化。

根據工程的安全等級和精度要求及現場作業(yè)條件等確定監(jiān)測對象，再根據監(jiān)測對象的監(jiān)測內容和具體位置選定監(jiān)測設備，監(jiān)測內容及監(jiān)測設備選定如表1所示。

2 預警平臺總體設計

2.1 平臺體系架構

為實現不同監(jiān)測對象及監(jiān)測內容的實時自動化監(jiān)測，預警平臺分為數據采集層、數據傳輸層、數據處理層及數據應用層，平臺體系架構如圖1所示。

圖1 平臺體系架構

各層功能如下：

(1)數據采集層：利用高精度、低功耗智能傳感器和量測設備對監(jiān)測對象精確感知，將監(jiān)測對象的物理量及其變化量測出來并以規(guī)定的格式通過有線或無線發(fā)送到數據采集箱，完成數據采集。

(2)數據傳輸層：利用物聯網(Internet of Things，IoT)，通過短信、北斗衛(wèi)星短報文、3/4/5G無線數據、Wi-Fi中繼、光纖專線等雙向傳輸技術進行數據采集箱和接收終端之間的傳輸完成數據傳輸。

(3)數據處理層：利用開源集群云計算平臺進行分布式存儲、處理、計算、分析和共享，完成數據處理。

(4)數據應用層：利用預警預報模型、機器學習人工智能(Artificial Intelligence，AI)、圖像可視化比對等手段進行智能化預警預報，完成數據應用。

2.2 平臺框架設計

2.2.1 SOA架構

SOA(Service-Oriented Architecture)架構是一種粗線條、松耦合服務架構，可以實現對監(jiān)測預警平臺各功能模塊及相關服務的管理，將平臺服務之間調用的復雜關系理順，最終提供一個統一標準，如圖2所示。SOA架構的使用使得平臺的各個模塊和各項服務更加獨立，耦合度更松，更利于平臺的開發(fā)和維護。

圖2 SOA數據總線

2.2.2 MVC開發(fā)框架

MVC(Model-View-Controller)設計模式是把一個應用分為三個層次：模型層(Model)、視圖層(View)及控制層(Controller)。模型層表示數據和業(yè)務邏輯，視圖層提供顯示和用戶輸入，控制層負責派遣用戶請求和控制流程。

MVC模式的使用提高了平臺的靈活性和復用性，實現了模型和視圖的分離。MVC設計模式可以提高開發(fā)效率，增強程序的可維護性和拓展性，模型與視圖分離降低了功能模塊之間的耦合度。在MVC的框架上采用Spring MVC，如圖3所示。

圖3 Spring MVC架構

2.2.3 MyBatis框架

MyBatis是持久層框架，支持定制化SQL(Structured Query Language)、存儲過程，以及高級映射，可使用簡單的XML(Extensible Markup Language)或注釋來配置和映射原生信息，將接口及Java的POJOs映射成數據數據庫中的記錄，MyBatis執(zhí)行流程如圖4所示。

圖4 MyBatis執(zhí)行流程

MyBatis不會對應用程序或數據庫的現有設計強加任何影響，定制的SQL寫在XML里，便于統一管理和優(yōu)化。通過SQL基本實現了不使用數據訪問框架可實現的所有功能。分離SQL與程序代碼的耦合通過提供數據抽象層(Data Abstraction Layer，DAL)，將業(yè)務邏輯和數據訪問邏輯分離，使系統的設計更清晰，更易維護、更易單元測試。

2.3 平臺功能模塊

根據監(jiān)測預警平臺的建設項目及功能要求，平臺劃分為5個一級功能模塊，15個二級功能模塊，30個三級功能模塊，平臺功能模塊和監(jiān)測界面如圖5，6所示。

圖5 平臺功能模塊

圖6 平臺監(jiān)測界面

(1)實時監(jiān)測模塊：該模塊主要是結合GIS(Geographic Information System)地圖展示監(jiān)測項目、項目近30日內的實時監(jiān)測數據、異常傳感器統計、預警信息統計。

(2)數據管理模塊：主要包括工程管理、綜合管理、數據采集、理論成果及應急資源。工程管理主要對監(jiān)測工程及項目的基本信息進行管理和展示；綜合管理對傳感器件及閾值模板等進行統一管理；數據采集主要用于公眾上報隱患點及新增隱患點管理；理論成果用于展示平臺內涉及的地質災害相關理論研究成果；應急資源用于調度應急資源及應急隊伍。

(3)監(jiān)測預警模塊：主要包括統計總覽、預警分析、數據分析、成果輸出、日常巡查、視頻系統及三維地圖。統計總覽主要用于業(yè)主單位、項目信息、設備數量及設備運行狀態(tài)、預警信息等進行統計及展示；預警分析主要用于處置警情及專家研判處理；數據分析對平臺內監(jiān)測數據以圖表、曲線等形式進行展示及關聯分析；成果輸出用于監(jiān)測報表及報告自動化、標準化及快速化輸出；日常巡查用于創(chuàng)建巡查計劃及巡查任務的下發(fā)；視頻系統用于管理視頻設備及展示；三維地圖用于對各種專題圖層進行展示及GIS分析。

(4)系統管理模塊：主要包括對外服務、廠商管理及新聞管理。該模塊用于管理平臺內廠商接入、對外授權服務和新聞宣傳。

(5)大屏系統模塊：該模塊主要從多維度展示平臺內的基礎數據，主要包括：GIS地圖展示、項目信息、傳感器統計、平臺動態(tài)信息、巡查任務統計、數據質量統計等。

3 監(jiān)測預警平臺實現及工程應用

3.1 監(jiān)測報警值(閾值)確定

工程結構安全自動化監(jiān)測報警值根據工程安全等級、周邊環(huán)境控制要求綜合確定，根據設計文件或規(guī)范規(guī)定提前設置或在監(jiān)測過程中，根據需要隨時調整報警值。

根據預警閾值取值來源不同，將工程預警方法分為兩大類：

(1)直接根據固定閾值進行預警：1)對具體工程進行極限狀態(tài)的應力應變計算，根據計算結果選取安全前提下的建議值；2)從監(jiān)測對象對應的相關規(guī)范、規(guī)程中選取其安全閾值；3)工程類比，參考和汲取以往類似工程受力變形規(guī)律和成敗經驗。

(2)根據數學模型對歷史監(jiān)測數據分析建模并對未來發(fā)展趨勢進行定量預測，根據定量預測的數據大小進行預警預報。其中，在使用監(jiān)測數據進行分析和預報時，必須先對監(jiān)測數據進行預處理，預處理的主要方法有：粗差的檢驗和剔除、局部缺失數據插補處理、監(jiān)測數據平滑濾波處理等。監(jiān)測數據經過預處理后，通過回歸分析，找尋其變化規(guī)律模型，如目前較常用的有時間序列分析模型、灰色系統分析模型、Kalman濾波模型、人工神經網絡模型、支持向量機等，從而利用這些模型對監(jiān)測數據的發(fā)展趨勢進行預測。根據監(jiān)測數據的大小和變化趨勢，確定閾值并據此預警預報。

3.2 監(jiān)測數據分析與預測

平臺創(chuàng)建了一套智能監(jiān)測預警體系，實現了符合監(jiān)測對象特性的監(jiān)測策略、數據處理方法和預測預報數學模型。將灰色系統、AI深度神經網絡、支持向量機等模型應用于工程結構安全分析與預測。

(1)灰色系統分析模型

以某基坑支護工程監(jiān)測樁頂水平位移監(jiān)測點S1共85期的監(jiān)測成果作為實驗數據，利用前80期數據進行灰色預測模型建模，利用第81～85期數據比對預測結果來檢驗預測效果。灰色模型擬合后預測結果見圖7，預測檢驗結果見表2。

圖7 灰色GM(1,1)模型預測

表2 灰色模型預測檢驗

從表中誤差比來看，最大的誤差偏差為6%。經計算，模型的后經驗方差比C=0.0446，小于0.35，屬于一級(好)；小誤差概率P=1，大于0.95，屬于一級(好)。

(2)AI深度神經網絡模型

以某基坑支護工程監(jiān)測周邊建筑物沉降監(jiān)測點JZ1共160期的監(jiān)測成果作為實驗數據，利用前155期數據進行建模，利用第156到158期數據比對預測結果來檢驗預測效果。AI深度神經網絡模型擬合后預測結果見圖8，預測檢驗結果見表3。

圖8 AI深度神經網絡預測

表3 AI深度神經網絡預測檢驗

通過誤差比分析，只有第158期預測偏差比較大(5%)。經計算R2=0.9945，模型擬合度非常高。

(3)支持向量機模型

以某基坑支護工程監(jiān)測項目CX2#測斜監(jiān)測孔0.5 m深度數據的133期監(jiān)測成果作為實驗數據，利用前128期數據進行建模，利用第129到133期數據比對預測結果來檢驗預測效果。支持向量機模型擬合后預測結果見圖9，預測檢驗結果見表4。

圖9 支持向量機模型預測

表4 支持向量機預測檢驗

從誤差比來看，最大誤差偏差為5.2%。經計算，R2=0.986，模型擬合度亦非常高。

3.3 監(jiān)測預警等級

監(jiān)測預警平臺設置了多層級權限管理中心，從而滿足了多層級監(jiān)測預警的需要；創(chuàng)建了不同監(jiān)測對象預警等級標準和閾值指標，滿足了不同監(jiān)測對象和客戶的需求；創(chuàng)建了包含專家輔助決策系統的預警處置流程，實現了快速、及時、多通道的信息發(fā)布和預警處置。

(1)三級預警條件設置

對周邊環(huán)境復雜且鄰近地鐵或隧道的工程，采取三級預警，當監(jiān)測對象的監(jiān)測值達到報警值的60%和80%時各預警一次，當監(jiān)測值達到報警值的100%時立即報警，預警及指標見表5。

表5 周邊環(huán)境復雜三級預警及指標

(2)二級預警條件設置

對周邊環(huán)境簡單的工程，采取兩級預警，當監(jiān)測對象的監(jiān)測值達到報警值的80%時預警一次，當監(jiān)測對象的監(jiān)測值達到報警值的100%時立即報警，預警及指標見表6。

表6 周邊環(huán)境簡單二級預警及指標

(3)各級預警具體實施

1)三級預警：當測值達到三級預警值時，應進行三級預警，值班技術人員及現場人員分析其異常原因，加強監(jiān)測注意其發(fā)展趨勢；

2)二級預警：當測值達到二級預警值時，應進行二級預警，即向業(yè)主、施工、監(jiān)理等相關部門報告，并分析其原因，建議采取措施以保證工程安全；

3)一級預警：當測值達到一級預警值，且其變化速率在加快時，應進行一級預警，即向業(yè)主、施工、監(jiān)理等相關部門報告，提請相關單位做好應急措施，并組織專家及各單位現場核實和分析。

3.4 監(jiān)測成果自動化輸出

根據監(jiān)測數據采集和預警預報頻率要求，平臺設計了監(jiān)測時報、日報和月報三種標準報表格式，實現了監(jiān)測成果自動化、標準化和快速化輸出。監(jiān)測報表自動化輸出如圖10所示。

圖10 預警平臺自動化輸出報表示例

3.5 監(jiān)測預警工程應用

深圳市地鐵10號線主體工程1011標段盾構區(qū)間下穿某小區(qū)33，34棟建筑物，區(qū)間下穿該段線路中心線距離為9.06～10.17 m，隧道埋深20～21.8 m，其中33棟與區(qū)間結構凈距1.34 m，34棟與區(qū)間結構凈距2.367 m。兩棟建筑物為8層的混凝土框架結構，基礎為D480錘擊沉管灌注樁，無地下室及錨索類圍護結構。項目以盾構施工下穿建筑物作為監(jiān)測重點，共設計10個建筑物沉降監(jiān)測點，2個建筑物傾斜監(jiān)測點，1個地面沉降點。

2018年7月20日13時45分，深圳市地鐵10號線工程盾構區(qū)間左線下穿34棟建筑物過程中，該建筑物沉降觀測點CJ01的累計變化為-30.27 mm，超過控制值30 mm，觸發(fā)預警平臺報警，監(jiān)測曲線如圖11所示。同時，建筑物馬賽克瓷磚外墻存在脫落現象(圖12)，監(jiān)測的數據與人工監(jiān)測吻合，真實反映了建筑物變形情況，施工單位組織專家現場研判后，采用后退式注漿機鉆孔注漿加固地層后，該建筑物沉降基本保持穩(wěn)定變化趨勢。

圖11 34棟建筑物沉降CJ01，CJ05監(jiān)測曲線

圖12 34棟建筑物馬賽克瓷磚外墻脫落

4 結 論

(1)利用SOA架構，開發(fā)了工程結構安全的多對象、多場景監(jiān)測數據統一融合的自動化預警平臺，實現了多行業(yè)、跨領域自動化監(jiān)測預警的融合和各安全責任主體之間的數據共享，顯著提高了城市安全管理和應急處置能力；

(2)探索了一套符合監(jiān)測對象特性的數學模型應用于工程結構安全自動化監(jiān)測的分析預測，提升了預警預報的準確性和可靠性；

(3)創(chuàng)建了滿足多層級預警預報自動化監(jiān)測管理體系和不同預警等級標準及相應指標，實現了快速、及時、多通道的信息發(fā)布和預警處置；

(4)實現了監(jiān)測成果自動化、標準化和快速化輸出，為異常情況下采取應急措施提供依據，使自動化監(jiān)測真正發(fā)揮其效用。

(5)平臺應用于工程結構安全自動化監(jiān)測項目中并成功預警，滿足工程建設預警預報的精準性和及時性，取得了顯著的經濟和社會效益。