顾及灵敏性利用变形速率判识高铁沉降异常数据

梁 策,黄元库,刘俊飞,王万齐,朱 军

(1. 中国铁道科学研究院集团有限公司电子计算技术研究所,北京 100081; 2. 西南交通大学地球科学与环境工程学院,四川 成都 611756; 3. 陕西交控工程技术有限公司,陕西 西安 710117;4. 中国国家铁路集团有限公司科技和信息化部,北京 100844)

对在建高速铁路工程主体进行持续沉降观测,用沉降变形数据分析和评估工程本体是否趋于稳定,可辅助决策铺轨时机,以此为前提基础保障高速铁路线路平顺性[1-5]。因此,沉降变形数据的客观性和准确性是沉降观测工作的根本。然而,实际的沉降观测过程中,由于测量错误、测点或基准点被碰撞变形等原因,会出现“失真”的数据,这些数据通常表现为沉降-时间曲线上的突变(跳动)等状态。当观测数据所反映的沉降变形与工程本体正常的沉降变形规律不符,或者与设计阶段对沉降变形的预期不一致时,称这些观测数据为异常数据[6]。如何利用已经采集并积累的大量沉降观测数据,及时、快速判识出因测量错误引起、在沉降-时间曲线上呈突变特征的异常数据,是在建高速铁路沉降观测信息化管理中亟待解决的关键技术问题。

在建筑物的异常沉降数据辨识过程中,对于沉降观测频次密集的数据,小波分析法能较好地适配数据波动变化,具有应用优势[7-8],但是面对高速铁路沉降观测时间间隔较长且随工况多变的情况,则存在不适用的情况。设置误差限阈值,并用最小二乘支持向量机的函数拟合预处理沉降观测数据的方法[9-11],利用边界值作为辨识的标准,值得参考,但当观测数据量庞大时,拟合计算量逐级增加,且灵敏性不足。因此,有必要从适配观测数据的波动、限值设置、计算便捷程度及灵敏性等方面进行研究。

本文基于沉降观测历史大数据与数理统计方法,拟制定路基、桥涵、隧道各主要工况对应的判识异常沉降数据的参考阈值,提出利用平均变形速率作为代表计算公式,在顾及计算结果灵敏性的优先条件下,辨识高速铁路沉降异常数据。

1 变形速率判识沉降异常数据方法

1.1 主要步骤

首先,确定铁路路基、桥涵、隧道各主要工况判识沉降异常数据的参考阈值;其次,识别并剔除无效观测数据,仅选取最近1～5期的有效观测数据参与计算;然后,应用沉降变形速率代表计算公式进行计算;最后,对照参考阈值进行判识,对应触发异常数据处置选项,形成管理闭环。技术路线如图1所示。

1.2 确定参考阈值

基于沉降观测历史大数据,采用数理统计方法,分别计算路桥隧各工况对应的沉降变形速率较大值,然后叠加测量误差的影响,形成参考阈值[12-13]。主要公式为

(1)

以无砟轨道铁路路基填筑完成后第1～3个月的工况为例(如图2所示),经过统计,正常情况下路基沉降变形速率的较大值处于曲线1所在位置,这一时段对应的正常沉降变形速率较大值约为0.1～0.3 mm/d。此时观测频次为7 d,经过统计计算,测量误差约为1 mm,3期测量的时间跨度内测量误差带来的沉降变形速率偏差约为0.1 mm/d。正常变形速率较大值与误差叠加后为0.4 mm/d,可以作为判识异常数据的参考阈值,如图2中的折线2。

1.3 剔除无效观测数据

测点“重新布设”“接管”或“测点转移”时,数据修正会消除本次测量与上次测量间实际发生的沉降,本测点的此次测量视为无效观测数据;无效观测数据被识别出来后将被剔除,不参与判识计算,剔除公式为

[Si]=R(S′1,S′2,…,S′j)

(2)

式中,从S′1到S′j为由近到远各期次观测值;[Si]为有效观测数据序列;i最大取到5即止。

1.4 平均变形速率代表计算

相对而言,计算沉降变形速率时选择的起止时间跨度越大,参与速率计算的有效数据越多,越能更好地平均掉随机误差,速率数据结果稳定性越好。然而,时间跨度过大,反映当前速率的及时性会变差,将会损害沉降变形速率对异常数据的灵敏性[14-15]。

为了平衡沉降变形速率计算的稳定性和灵敏性,本文提出灵敏性优先与计算结果辅助校验稳定性的策略,即选用最近1～5期有效数据,优先保障灵敏性,以各期数据的计算结果辅助校验计算值的波动量,并应用平均变形速率计算公式作为代表。

平均变形速率计算公式为

(3)

单次变形速率灵敏性提取公式为

Vs1=Max(V2-1,V3-2,V4-3,V5-4)

(4)

式中,V2-1、V3-2、V4-3、V5-4为相邻两期观测值之间的变形速率。

平均变形速率灵敏性提取公式为

Vs2=Max(V3-1,V4-1,V5-1)

(5)

式中,V3-1、V4-1、V5-1分别为第3、4、5期观测值的平均变形速率。

用最大平均变形速率做稳定性辅助校验,得到变形速率代表计算公式为

(6)

式中,k=1.5为灵敏性调整系数。

同一里程中各测点的计算结果不同时,取各测点的最大计算值,作为该里程断面的沉降变形速率,即

Vs=Max(Vsk)

(7)

1.5 异常数据判识过程及规则

(1)用式(6)计算测点Pi的变形速率Vsk。

(2)用式(7)计算同一里程断面的沉降变形速率Vs。

(3)沉降异常数据的判断规则为Vs≥[Vs]。其中,[Vs]为判识沉降异常数据的参考阈值,按表1—表4取值。

表1 异常数据的处置选项

2 工程应用

2.1 铁路沉降变形观测信息系统实现

结合实际工程应用需求,集成本文方法,设计并研发了铁路沉降变形观测信息系统(简称信息系统),具有沉降观测数据采集、水准线路管理、测点沉降-时间曲线数据分析、观测频次提醒、数据异常识别与处置等功能。

2.2 异常沉降数据提醒

信息系统于每天晚上集中进行异常数据判识,如果存在异常数据,将在沉降观测数据上传到信息系统后的第2天开始提醒。以标段为单位,按照关注、加强关注、重点关注,共3个级别进行分类,分别统计桥涵、路基、隧道各专业每天出现的沉降异常断面数量,界面如图3所示。

图3 近7日需关注的沉降异常断面数量统计界面

2.3 异常数据处置选项设置

当发现沉降异常数据时,在测量数据核对、测点或基准点检查、施工过程分析、周围环境调查等方面进行操作,并结合异常数据的沉降-时间曲线特征变化进行综合研判。信息系统设置了异常数据的处置选项(见表1),供观测人员在完成现场调查、补测对比和初步的原因分析后选择和填报。

2.4 部分观测阶段的参考阈值

根据1.2节的方法,对积累的数据进行数理统计,制定判识路基、桥涵、隧道沉降异常数据的参考阈值,并按照严重程度,由低到高依次设置成3级,即:关注、加强关注、重点关注。部分观测阶段的建议参数分别见表2—表4。

表2 判识路基沉降异常数据的参考阈值 mm/d

表3 判识桥涵沉降异常数据的参考阈值 mm/d

表4 判识隧道沉降异常数据的参考阈值 mm/d

2.5 隧道沉降提醒案例

西康高速铁路白杨坪隧道DK141+020里程,工况为“仰拱(底板)施工完成后,3个月以后”,沉降变形时-程曲线如图4所示,通过式(4)—式(6)计算,得Vs1=0.187 mm/d,Vs2=0.065 mm/d,最终Vs=0.187 mm/d。经过系统自动判识,在第1次隆起提醒的基础上,触发第2次沉降提醒,如图5所示,对照表4,级别为重点关注。根据现场标桩状态检查、数据分析和外部因素调查等,基本确定原因后,对照表1,选择处置选项1(关注),并继续观察。

图4 隧道沉降变形时-程曲线

图5 DK141+020里程断面自动提醒记录(部分)

2.6 变形速率代表计算公式灵敏性对比验证

西延高速铁路DK189+342里程的路基在2022年12月2日的异常数据如图6所示,工况为堆载预压第1～3个月。每组依次取连续5期的有效观测数据,各组分别计算单次变形速率,前5、4、3期的平均变形速率。各组计算结果绘制时间-速率曲线如图7所示。

图6 路基DK189+342处沉降曲线

图7 最近1—5期的平均速率取值对比

可以看出,前5、4、3期的平均变形速率(依次为V5-1、V4-1、V3-1)中,在12月2日前后,前3期的平均变形速率是最大值,为0.69 mm/d;单次变形速率(为Vs1)最大值为1.03 mm/d;此时,代入灵敏性调整系数k=1.5,得1.03

3 结 语

本文提出了利用平均变形速率判识沉降异常数据的方法。在沉降观测积累的海量数据中,应用此方法能极大降低人工发现异常数据的工作量,为如实表征高速铁路主体工程沉降变形情况,搭建了准确、客观的数据基础环境。

通过设置灵敏性调整系数k,可以抑制判识方法的误判率,随工程应用和数据积累,相应k的取值将进一步得到优化调整,判识路基沉降异常数据的参考阈值也同样会得到修正,以此可进一步提高判识的准确率。

通过西康、西延等高速铁路沉降观测应用验证,面向全国大规模的铁路建设,以数据驱动沉降观测的精细化管理,在自动、精准甄别数据异常、精准评估工程沉降稳定性方面,还将发挥出巨大的数据资源优势。