基于聚类算法与碎石桩钻进参数的地层识别.pdf

第 卷 第 期 年 月人 民 长 江.收稿日期:基金项目:中国水科院三型人才专项项目()国家重点研发计划项目()作者简介:李继平男硕士研究生研究方向为岩土工程、大数据挖掘分析等 :.通信作者:赵宇飞男正高级工程师博士主要从事岩土工程及大数据分析等方面的研究工作 :.文章编号:()引用本文:李继平赵宇飞刘必旺等.基于聚类算法与碎石桩钻进参数的地层识别.人民长江():.基于聚类算法与碎石桩钻进参数的地层识别李 继 平赵 宇 飞刘 必 旺王 文 博(.中国水利水电科学研究院北京 .中国水利水电第八工程局有限公司湖南 长沙.中国水利水电第六工程局有限公司辽宁 沈阳)摘要:在深厚覆盖层地基的振冲碎石桩处理中有效进行地层辨识对碎石桩成桩中的填料量、控制电流、留振时间、反插深度等施工过程控制参数的确定与实时控制具有重要的指导意义 通过采集的振冲碎石桩施工过程实时监测信息对不同地层的钻进耗能进行分析并引进钻进比功概念利用不同的聚类算法在进尺深度、电流与钻进比功 个指标上进行了不同深度地层的聚类分析 研究表明:采用轮廓系数、指数和 指数 种聚类精度指标可对不同聚类算法的有效性进行评价 经筛选凝聚层次()聚类算法是最适合振冲碎石桩钻进过程中地层辨识的方法 研究成果为振冲碎石桩施工过程中海量数据挖掘分析提供重要参考为振冲碎石桩施工质量控制提供技术支撑关 键 词:振冲碎石桩 钻进比功 聚类算法 评估指标 地层辨识中图法分类号:.文献标志码:./.引 言软土地基常包括淤泥质土、软黏性土以及湿陷性黄土地基等 这类地基强度低、压缩性高、易液化对其上部的工程建筑物安全稳定有着极大的隐患针对此类问题国内外普遍采用振冲碎石桩对软弱地基进行置换和排水处理以此提高地基的承载力而精准掌握软弱地基的地质信息是采用振冲碎石桩加固处理的前提和基础在振冲碎石桩施工前通常在已掌握区域地层特征的基础上采用现场钻孔取土与室内外试验相结合的方法综合评价软弱地基的地质条件并以此作为确定振冲碎石桩施工工艺的设计依据 但是在实际工程中对于软弱地基的勘探数量较少再加上软弱地层的形成过程、地层产状与赋存条件较为复杂很难通过较少的勘探资料全面掌握整个地基加固区域中所有软弱地层的分布情况 针对此类问题国内外研究者利用施工过程中监测到的各类参数通过数学模型、机器学习以及大数据挖掘等方法对各类地层岩石特性的辨识进行了大量研究 等利用基于差分进化优化算法的模糊 均值聚类方法有效识别了岩体的结构面 等通过将岩石物理与地球化学数据相结合进行岩体聚类分析能有效地识别岩石物理结构和岩石力学性质的潜能 谭英卓、周泽宏 等通过钻进参数的模型分析对不同岩层的类型进行了有效的辨识 熊虎林等利用钻进参数与地层类型通过神经网络模型对钻进速率进行了有效预测可见钻进工程中的各类参数与地层类型是密切相关的本文研究对象为金沙江拉哇水电工程的振冲碎石桩加固围堰地基工程该围堰地基的地质条件复杂各地层类型分布变化大 该碎石桩加固工程利用 碎石桩机伸缩式导杆连接振冲器运用“水气联动”的 人 民 长 江 年方法进行造孔 同时通过安装在不同设备上的传感器实现了对振冲施工过程深度、电流、电压、水量、水压、气压、填料密度等的实时监控从而对整个施工过程进行动态跟踪 如何利用海量采集的数据对振冲碎石桩成孔过程中的地层进行有效辨识分析对后续进行振冲碎石桩施工质量控制与振冲碎石桩智能化施工管理有着重要的指导意义本文基于以往工程的研究案例结合前述工程振冲碎石桩施工过程的实时监测数据在成桩过程能量消耗的基础上引入碎石桩钻进比功的概念通过对不同维度参数的地层钻进展开类型辨识分析并用聚类评估指标筛选出最有效的地层类型辨识聚类算法以为类似的工程成桩质量控制提供技术支撑 围堰地基地层初勘类型该工程枢纽区河床覆盖层最大深度为.主要为河流冲积物、湖相沉积物以及岸坡坡积物等 通过现场钻孔取土与室内外试验勘探得到的河床覆盖层性状如图 所示 上游围堰地基河床覆盖层最厚约 由上至下分别 冲积砂卵石层厚度.堰塞湖静水沉积砂质粉土厚度.堰塞湖沉积层可细分为 黏土层 砂质粉土层与 粉土层 个亚层层厚约.底部 为以冲积为主的卵石、块石层厚度约.由于前期初步勘察钻探数量有限得到的深厚覆盖层地层分界及地质信息并不十分精准但是作为最直接及最基础的地质信息它可以作为后期利用钻进参数来辨识地层类型的参考依据图 河床覆盖层性状.数据获取与预处理随着智能化施工管理与物联网技术的不断发展该工程在振冲碎石桩施工设备上安装了多种智能传感器以获取振冲器的深度、电流、速率、留振时间以及桩体填料量等重要施工信息 同时利用无线传输方式将各类数据传输到智能化监控系统中实现对碎石桩施工过程进行实时监控与优化管理 安装在振冲碎石桩设备上的信息采集传感器按照每秒 条的频率进行施工数据的采集与传输 一根深 的振冲碎石桩将会产生约 条数据该围堰地基处理所需的振冲碎石桩超过 根整个施工过程中共收集了超过 万条数据 通过这些实时采集的施工数据能够绘制碎石桩施工过程中工作深度、加密电流、填料量、实时桩形与留振时间之间的过程曲线获取的振冲碎石桩施工参数不是独立的数据各参数和地层属性之间存在一定的对应关系 这些重要的监测数据不仅能反映施工状况还能反映出不同地质条件下的地层特性尤其是在桩成孔的过程中经历河床不同覆盖层物质时钻孔的速度以及所需的加密电流都不尽相同 因此本文选取成孔过程中的数据作为原始数据集并在此基础上进行围堰地层类型的辨识.碎石桩数据选取对于如何选取碎石桩数据主要考虑了振冲碎石桩钻孔分布位置同时兼顾不同区域中振冲碎石桩施工信息相互校核与对比分析便利性的需要根据上述选取原则本次的地层聚类分析选取 组水平方向的碎石桩数据每组有 根进尺成孔数据桩共 根数据桩 选取桩分布位置如图 所示 为了使每根施工的碎石桩机所采集的数据尽可能地表征出同类地层区域的施工动态所选取不同组的 根桩对应的编号均相同分别为 图 选取的碎石桩分布位置.异常值处理对施工数据进行深度挖掘与分析之前需要对数据进行一系列的处理从而提取出有价值的数据进行地层分类研究主要包括剔除无效数据、删除重复数据、数据归类整理等方面内容 振冲碎石桩施工过程中的异常数据主要是指不符合钻进时间序列趋势不能反映钻进过程真实状态的的监测值 本文对碎石桩监测数据处理如下:定义碎石桩监测过程中进尺深度样本的样本 第 期 李继平等:基于聚类算法与碎石桩钻进参数的地层识别集组成为 ()()在单位时间序列中应当有 剔除样本中不符合该序列的样本值同时保留进尺深度随时间不变的初始值以及对应电流值定义监测过程中进尺深度对应的电流样本 的样本集组成为()在碎石桩钻孔施工过程中应当有着剔除电流值为 的样本以及对应的进尺深度值 振冲碎石桩钻进比功岩土工程中常根据仪器钻进过程中的参数与能量变化对岩层结构进行分类 谭卓英、岳中琦等 根据花岗岩钻进过程中的能量变化对其进行了实时分级 田昊等、张幼振等利用钻进中的能量变化分别对隧道凝灰岩、含煤地层界面进行了识别分类许明等利用随钻参数与地层比功对持力层进行了有效判定 本文利用安装在振冲器上的传感器对振冲施工过程的深度、电流、电压等数据进行实时采集并提出振冲碎石桩在钻进过程中的钻进比功概念定义振冲碎石桩钻进比功为()式中:为碎石桩钻进过程单位时间所做的功 为钻进电压 为钻进时电流 为单位钻进时间 为碎石桩单位时间钻进的地层体积 为碎石桩钻孔接触面积 为单位钻进速率在碎石桩实际钻进过程中由于钻速很小且该施工的地基土层以粉质砂土与低液限黏土为主所以轴向方向的黏滞力可以忽略不计碎石桩做功可以全部当作破碎土层所消耗的能量 不同地层类型的岩性存在差异随着钻进时间的推进在不同类型地层中所消耗的能量会不同与其对应的钻进比功也不同 部分振冲碎石桩的钻进时间与钻进比功关系如图 所示由图 可知振冲碎石桩在不断钻进的过程中在不同类型的地质层中对应的钻进比功有着显著的不同 当遇到软弱地层时其钻破地层所消耗的能量少对应的钻进比功较低 当钻进到区域性较硬的块石与卵石层时其钻进比功会在一定峰值处稳定波动 为了进一步验证进尺深度与钻进过程的能量消耗情况选取 数据桩分析其在钻进过程的进尺深度与钻进比功的关系如图 所示图 钻进时间与钻进比功关系.图 进尺深度与钻进比功关系.由图 可知此根数据桩所钻进的地层区域中钻进比功随着地层软弱程度的减弱而增大 当进入中部 的堰塞湖相沉积层时由于该地层主要为砂质低液限黏土层强度低、易液化故消耗的能量较低对应的钻进比功也较低 当碰触到黏土层的部分卵石等坚硬块石时消耗的钻进能量会在局部突然增大 当钻进到底部 层时由于此类地层主要为较硬的卵石、块石等故钻进消耗的能量增加其对应的钻进比功也会稳定在较高范围 可见碎石桩在钻进过程中的钻进比功与地层软硬特性有着显著的相关关系 基于此本文根据钻进过程中的比功变化对相应的钻进参数进行不同方法聚类分析从而获得较为准确的地层类型分布情况与最合适的地层聚类方法 聚类定义及算法的选择与评价学术界有关聚类的解释普遍采用的是 在 年关于聚类所提出的定义:一个类簇内的实体是相似的不同类簇的实体是不相似的一个类簇是测试空间中点的会聚同一类簇的任意两个点间的距离小 人 民 长 江 年于不同类簇的任意两个点间的距离类簇可以描述为一个包含密度相对较高的点集的多维空间中的连通区域它们借助于包含密度相对较低的点集的区域与其他区域(类簇)相分离聚类算法在多关系数据的挖掘与机器学习中得到了广泛的应用与发展但是在岩土工程领域中的应用相对较少 常见的聚类算法类型有基于划分的聚类、密度聚类、谱聚类等 为了探索适用本文数据挖掘的聚类方法本文在各聚类方法中各选出一种代表性的聚类算法同时结合振冲碎石桩钻进数据的特点选用了以下几种聚类算法对碎石桩的参数进行挖掘与分析:基于高斯混合模型()最大期望()的聚类、凝聚层次()聚类、聚类、基于密度()的聚类 以及均值漂移()聚类 在对 组碎石桩数据进行预处理后结合不同地层中的钻进比功与地质类型的关系决定选取进尺深度、钻进电流与钻进比功 个维度进行聚类算法的处理.聚类结果由于桩孔数量较多本文选取 、两根数据桩孔的聚类结果进行分析说明 在同一种聚类算法的聚类结果中不同的簇类颜色代表在钻进过程中该段地层可以划分出不同的地质类型 具体聚类结果如图 所示图 ()聚类结果.()图 聚类结果.图 聚类结果.图 聚类结果.图 聚类结果.从 组聚类结果可知、两根数据桩分别从地基深度.与.处进行聚类分析该深度以上没有为围堰地基加固施工中打入的旋挖护筒因此不对该深度以上数据开展分析由图 可知在基于高斯混合模型的最大期望聚类()与 聚类的结果图中各簇点交叉混乱、噪声点较多、聚类效果较差且随进尺深度不断的推进没有明显的地层分层效果表明这两种聚类算法不适用于本工程的地层辨识 而通过 聚类、凝聚层次法()以及 聚类的分析结果图可以看出这 种聚类在随进尺深度推进过程中均能较明显地把碎石桩将要加固的地层分为 簇这表明、两根桩所钻入的地层深度是可以划分为 类不同性状的地质类型 第 期 李继平等:基于聚类算法与碎石桩钻进参数的地层识别的 这与前期的地质初勘相吻合即对应 层的砂质低 液 限 黏 土 层 的 个 亚 层 、与 在 聚类结果中:碎石桩所在的 层深度在.左右 层深度在.左右 层深度在.左右其整个 层的砂质低液限黏土层厚度为.左右 在 聚类结果中:碎石桩所在的 层深度在.左右 层深度在.左右 层深度在.左右其整个 层的砂质低液限黏土层厚度为.左右 在 聚类结果中:碎石桩所在的 层深度在.左右 层深度在.左右 层深度在.左右其整个 层的砂质低液限黏土层厚度为.左右 碎石桩所在的 层深度在.左右 层深度在.左右 层深度在.左右其整个 层的砂质低液限黏土层厚度为.左右 聚类结果与初步勘探围堰地基的低液限黏土层厚度.基本吻合也表明利用合适的聚类算法是能较准确地识别地层类型的.聚类效果评价指标判断聚类的精准度是数据挖掘中必须要做的工作主要采用相关评估指标来判断 评估指标可分为内部评估指标与外部评估指标外部评估指标需要知晓数据类别或进行标注而内部评估指标则不需要在实际工程中很少有标注数据能帮助进行聚类故常选用内部评估指标进行聚类效果评估本文结合以往学者所做的研究选用轮廓系数()、()指数和 ()指数 种常见的内部评估指标进行聚类效果的评估.轮廓系数()轮廓系数最早由 于 年提出 它结合内聚度和分离度两种因素可以用来在相同原始数据的基础上评价不同算法对聚类结果所产生的影响 对于样本 轮廓系数()数学定义如下:()()()式中:分别代表样本 到同一簇和不同簇所有样本距离的平均值()的取值范围为 其数值越大说明 越大于 即样本距同一簇的距离越近距不同簇的距离越远样本的聚类划分越合理效果越好.指数 指数于 年被提出又被称为方差比标准为簇内色散平均值与簇间色散的比值 其数学定义如下:()()/()()式中:表示聚类的数目 为数据的点数()为簇内色散矩阵的迹()为簇间色散矩阵的迹()()()()()()式中:表示归属于簇 的样本数量代表簇 的中心点表示归属于簇 的样本 表示所有样本的中心点 数值越大说明簇间协方差越大簇内协方差越小整体聚类效果越好.指数 ()指数是计算所有簇的簇内平均距离与不同簇类中心距离的比值并求其最大值该指标的计算公式如下:()()其中簇 和簇 的相似度 定义如下:()式中:表示簇 中所有样本与簇 中心点的平均距离代表簇 和簇 中心点之间的距离()值越小意味着簇内距离越小同时簇间距离越大整体的聚类效果就越好.聚类评价指标对比分析利用上述 类评估指标对碎石桩钻进数据集的聚类效果进行检验分析对所有数据桩聚类的 种评估指标具体分析如表 所列表 轮廓系数数值指标.不同聚类范围方差均值样本总数.表 数值指标.不同聚类范围方差均值样本总数.人 民 长 江 年表 数值指标.不同聚类范围方差均值样本总数.由表 可知:聚类、聚类以及 聚类的轮廓系数与 指数的取值范围与均值明显高于 聚类与 聚类其中 聚类的轮廓系数与 指数的取值范围最大 同时 聚类的 指数范围与均值也低于其他几类聚类算法 结合 聚类和 聚类的地层辨识分析结果可知:聚类算法在 层的聚类结果为.在 层的聚类结果为.在 层的聚类结果为.整个 层的聚类深度为.左右这与围堰地基中初步勘探得到的低液限黏土层厚度是吻合的综上所述通过对进尺深度、钻进电流与钻进比功 个方面指标进行不同的聚类算法分析后再对各聚类方法进行聚类效果评估分析发现 聚类算法是适用于该工程围堰地基地层辨识的有效方法 另外通过评价聚类效果的评价指标来看所选用的地层识别聚类方法是合适的为其他类似的大数据聚类分析方法选择提供了重要参考 结 论本文基于振冲碎石桩施工过程中的实时监测数据提出了振冲碎石桩钻进比功的概念并通过聚类分析开展不同进尺深度的地层类型辨识 利用轮廓系数、指数和 指数来对各聚类算法的地层辨识效果进行评估为工程中地层类型的辨识筛选出最合适的聚类算法主要结论如下:()振冲碎石桩在成桩过程中消耗的能量会因地层物理力学特性的不同而变化在软弱地层消耗能量低坚硬岩层则较高 提出的振冲钻进比功可有效表征不同的地层类型()本文所选取的进尺深度、电流与钻进比功 个指标与复杂地层分类有较强的相关性 通过聚类结果与评估指标可知 聚类、聚类与 聚类这 种聚类算法能较准确地辨识不同的地层类型其中 聚类效果最好()凝聚层次()聚类算法可以根据桩成孔过程采集的特征参数对复杂地层进行有效辨识从而实现对需要加固的软弱地层信息的快速获取本文通过对振冲碎石桩施工数据的深入挖掘分析进而开展不同地层类型的辨识为振冲碎石桩施工成桩过程中的质量控制指标确定提供了重要技术支撑也为分析振冲碎石桩施工后形成的复合地基综合物理力学特性提供了基础资料参考文献:田兆阳李平张宇东等.软土地基 浅基础体系地震反应数值分析.防灾减灾工程学报():.朱明范建华.浅谈软土地基处理方法及施工工艺.西部探矿工程():.卢鹏云张广彪臧成新.实时过程数据在振冲碎石桩全过程质量控制中的应用.地基处理():.():.():.谭卓英李文岳鹏君等.基于钻进参数的岩土地层结构识别技术与方法.岩土工程学报():.周泽宏张林刘先珊等.基于旋挖桩随钻参数的地层识别方法.地下空间与工程学报():.熊虎林李谦.基于地层成分和钻进参数的钻速预测模型.探矿工程(岩土钻掘工程)():.谭卓英岳中琦谭国焕等.金刚石钻进比功及风化花岗岩实时分级研究.岩石力学与工程学报(增):.谭卓英岳中琦谭国焕等.金刚石钻进能量与花岗岩地层风化程度的关系.北京科技大学学报():.田昊.隧道地质数字钻进精细化识别方法研究.济南:山东大学.张幼振张宁邵俊杰等.基于钻进参数聚类的含煤地层岩性模糊识别.煤炭学报():.许明刘先珊周泽宏等.旋挖钻机钻进入岩判定与地层识别方法.中南大学学报(自然科学版)():.阮晓钢张晶晶朱晓庆等.基于高斯混合模型最大期望聚类的同时定位与地图构建数据关联.控制理论与应用():.曹高辉焦玉英成全.基于凝聚式层次聚类算法的标签聚类研究.现代图书情报技术():.李娜钟诚.基于划分和凝聚层次聚类的无监督异常检测.计算机工程():.郭景峰赵玉艳边伟峰等.基于改进的凝聚性和分离性的层次聚类算法.计算机研究与发展(增):.王千王成冯振元等.聚类算法研究综述.电子设计工程():.袁方周志勇宋鑫.初始聚类中心优化的 算法.计算机工程():.第 期 李继平等:基于聚类算法与碎石桩钻进参数的地层识别 冯少荣肖文俊.基于密度的 聚类算法的研究及应用.计算机工程与应用():.冯振华.基于 聚类算法的研究与应用.无锡:江南大学.刘风梅葛洪伟杨金龙等.基于均值漂移聚类的扩展目标量测集划分算法.计算机工程():.赵华茗余丽周强.基于均值漂移算法的文本聚类数目优化研究.数据分析与知识发现():.钱鹏江王士同邓赵红.大数据集快速均值漂移谱聚类算法.控制与决策():.孟雪许英.基于 轮廓系数的社团检测新方法.太原科技大学学报():.朱连江马炳先赵学泉.基于轮廓系数的聚类有效性分析.计算机应用(增):.():.():.(编辑:郑 毅)(.):.:.:.: