针对数据挖掘的基坑监测关联性分析及联合预报研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇针对数据挖掘的基坑监测关联性分析及联合预报研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
[摘要]随着我国经济的不断的发展，城市化进程不断的加快，城市基础化建设的规模随着不断增加，当前地下空间工程得到了稳步的发展，随之基坑工程在普遍的展开。基坑的监测数据的量是比较大的，并且还有大量的待发掘的有效信息，其数据挖掘主要的就是从海量的数据信息当中探寻相应的内在的规律以及有效信息的高新科技。所以，要对于数据挖掘技术在基坑监测数据中的应用进行分析，并且对于相关的影响因素进行关联性的研究。
[中图分类号] P2 [文献码] B [文章编号] 1000-405X（2013）-7-231-2
随着基坑工程数量的不断增加，在基坑施工的过程中，也会经常的发生施工的事故，为了保障基坑工程施工的安全性，就需要对于基坑施工进行有效的监测，还应该对于监测的数据进行及时的分析和处理，这样对于保障基坑工程施工的安全性和稳定性有着非常重要的意义。此外，还应该对基坑监测的数据进行科学合理的预测，这样在施工的过程中就能够及时的发现基坑工程施工中所存在的安全隐患，便于采取有效的措施进行维护，保障工程施工的安全稳定。
1数据挖掘概况以及在基坑监测中的应用
1.1数据挖掘
数据挖掘主要是指从存放在数据库当中的大量、有噪声、不完全以及随机的数据当中，从中提取隐含在其中的，但是并没有表面化的有效信息的过程。其经常会被认为是在数据库中的知识发现，其一般会认为是数据库中知识发现的一个重要的步骤。数据挖掘系统的主要构成包含了以下几个部件：数据仓库服务器、数据仓库、知识库、图形用户接口、模式评估以及数据挖掘引擎。数据挖掘主要集成了包括数据库系统以及统计学等多种技术，主要的功能是从海量的数据库当中提取出有效的知识，把其提取出来的知识可以用来处理信息管理以及辅助决策等方面的内容。
1.2基坑监测数据挖掘
当前，基坑挖掘工作经常用到的方法有神经网络法、遗传算法、决策树方法以及统计分析法等。因为，基坑工程的数据挖掘的对象通常情况下都是确定性的数据，所以，一般都会采用统计分析法进行相应的监测。在其实施的过程中主要的包含了以下几个重要的步骤：首先是准备阶段，要确定挖掘的目标，对相应的数据进行筛选；其次是实施的阶段，此阶段主要的是对于数据进行预处理的过程，进行指标的转换；最后是验证阶段，此阶段主要的对于挖掘结果的适用性以及可靠性进行校验。
1.3数据挖掘在基坑工程中的应用
数据挖掘的应用领域非常的广泛，其应用领域都具有以下的特点：首先有大量的、充足的相关数据；其次就是需要利用从数据当中得到的有关的数据进行判断和决策。根据基坑工程的实际特点，再参照上述的数据挖掘应用领域的特点，就会发现基坑工程的数据监测和处理的领域是完全符合数据挖掘应用领域的特点，所以，就会在基坑监测数据处理的过程中使用数据挖掘的技术进行监测。
2基坑监测的关联性分析
基坑工程在施工的过程中主要监测的项目包含了以下几个方面的内容：维护结构水平位移和沉降位移的监测、维护结构深层水平位移的监测、基坑周边沉降位移的监测以及土压力的监测等。这些监测的项目之间以及监测项目和其他要素之间必然的存在着相应的关联性，对于这些因素之间的相应的关联性进行探寻，可以更加熟悉的了解到基坑监测的客观机理，并且还能够掌握基坑稳定状态的变化趋势，这对于基坑监测有着非常重要的意义。以下就主要的选用基坑周围的地表沉降这一因素作为研究的关键点，主要的研究地表沉降相关联的各个因素以及存在的关系。相关数据表明，最大的地面的沉降的水平位移和基坑开挖的深度之间的比值以及最大沉降和最大水平位移之间的比值斗志处在某一个数据范围之内的，有效的确定这个比值，对于基坑工程施工中的监测具有非常重要的意义。
3基于数据挖掘的基坑监测关联性的联合预报模型研究
当前，通常情况下会采用统计回归的模型来实现其沉降检测数据的分析以及预报，可以通过相应的样本数据建立起检测量和变形影响因子之间的数学模拟模型，对其进行科学系统化的研究。由于其相应的影响因素的复杂性以及多样性，所以，该方法就很难采取统一的关系模型来准确的反映出其变形的规律，并且还会忽略了相邻周围监测数据的相关性，以致于其具有一定程度的局限性。相应的时间序列分析是一种动态数据处理的有效方法，其主要的是利用非独立监测数值之间的相关性而建立其动态的模型，其的应用具有更强的科学合理性，更加的符合实际情况。
时间序列分析法主要的是以一组随着时间变化并且相互关联的数字序列为研究的对象，这是一种动态数据参数化时域分析的方法，当前，经常用到的时间序列模型主要的有以下几种：滑动平均模型、自回归模型以及自回归滑动平均模型。相对于单因素的时间序列，在考虑到各个因素之间的关联性之后，要应该对于多因素时间序列分析法进行变形数据的预报，要将影响到随机过程中发展的众多因素来进行综合的考虑，再进过多方面因素的考虑和对比研究之后，选择了在工程施工过程中应用比较广泛，并且在进行计算的时候比较容易的线性回归模型。其表达式如下：
在公式（1）中，Yt表示为事件在t时刻的真值；Xti（i=1，2，3，4……，n）表示为应用单因素法对于第i个影响的因素在t时刻的预定值；ai（i=1，2，3，4……，n）表示为各个影响因素的自回归系数；其中at表示为白噪声序列。
在获得了相应的观测数据Xt-1，Xt-2，……，Xt-p以及Xk1，Xk2，……，Xkn（k=t-1，t-2，……，t-p）预测数据之后，将这些相应的数据代入到上述的模型当中，就可以从中获得p个方程式。对于待估的参数A=[a1a2a3……an]，相应的p的函数如下：
设函数方程式（2）是以A为参数的时候模型的残差平方和，为了使S（A）达到最小的 称之为A的最小的二乘估计，若是 时，S（A）将达到最小值。风别对于A求偏导可得到：
根据上述公式使用消元法分别求解出n个位置的变量的数值：a1，a2，……，an；将各个影响的因素的单因素法的预测值代入方程：Yt=a1Xt1+a2Xt2+……+anXtn，这样就可以得到最终的预测值。
3小结
在基坑施工过程中的数据挖掘工作相对来说是比较复杂的，其影响的因素也比较多，所以就应该对基坑影响因素的关联性进行分析，还应该进行联合预报的研究，保障能够对于基坑施工的相关数据进行有效的监测，对于监测的数据进行及时的分析和处理，以此保障基坑工程施工的安全性和稳定性。
参考文献
[1]王玉国，梁新华，檀丁，石星照.基于数据挖掘的基坑监测关联性分析及联合预报研究[J].全球定位系统.2012，08（05）：57-63.
[2]乔长兵.数据挖掘技术在挖掘机故障诊断中的应用[J].电子设计工程.2011，14（03）：21-29.
[3]王洪德，秦玉宾，崔铁军，马云东.深基坑围护结构变形远程监测预警系统[J].辽宁工程技术大学学报（自然科学版）.2013，06（01）：92-97.
[4]程守信.深基坑工程对周围环境的影响及安全监测分析[J].科技传播.2011，10（15）：104-109.
[5]杨玉坤.浅议地下管线管理领域的数据挖掘[J].测绘与空间地理信息.2009，04（05）：20-27.
[6]陈峰.基于深基坑工程监测管理探讨[J].工程与建设.2011，02（04）：210-216.