智能化巖土參數采集系統的研發與應用

摘要：文章介紹了智能化巖土參數采集系統的研發背景、技術架構、關鍵技術研究以及系統功能模塊的實現與應用。為解決傳統巖土參數采集方式的局限性，文章研發了一種智能化巖土參數采集系統。通過集成高精度傳感器和自動化數據采集與處理技術，該系統實現了巖土參數的實時監測、傳輸與分析。

關鍵詞：巖土工程；參數采集；智能化系統

中圖分類號：P231" " 文獻標識碼：A

文章編號：1009-3044（2025）21-0085-03

開放科學（資源服務） 標識碼（OSID）

隨著工程建設規模的不斷擴大，特別是在城市地下空間開發、地基基礎施工以及大型隧道工程中，復雜地質條件對巖土參數的采集提出了更高要求。當前廣泛采用的人工測量、點位觀測及單一傳感器監測等方法，存在采集頻率低、覆蓋范圍有限以及數據處理滯后的問題，難以滿足工程對精度、實時性和大數據量分析的需求[1]。

1 系統研發背景

1.1 巖土參數采集的現狀與智能化發展趨勢

隨著信息技術的快速發展，巖土勘察設計行業正加速向數字化和智能化轉型。這一轉型旨在解決傳統巖土參數采集方式的局限性，如數據采集依賴人工操作，頻率和覆蓋范圍不足，以及傳輸與處理速度較慢等問題[2]。智能化技術通過集成高精度傳感器、自動化采集設備和先進數據處理算法，實現了巖土參數的高頻次、多維度采集，并支持實時監測、遠程傳輸和數據分析。為量化系統性能，可以通過以下公式評估數據采集和分析的關鍵指標。用于衡量從傳感器到后臺處理的時間延遲，公式為：

[Tdelay=Tsensor+Ttransmission+Tprocessing]" " （1）

式（1） 中[Tsensor]：傳感器采集數據所需時間，[Ttransmission]：數據傳輸所需時間，[Tprocessing]：后臺處理數據所需時間。

對于實時監測的數據，通過以下公式計算巖土參數（如壓力、溫度、含水率等） 的變化率 R：

[R=ΔPΔt]" " （2）

式（2） 中ΔP：在相鄰時間段內巖土參數的變化值，Δt：相鄰時間段的時間差。通過ARIMA模型或其他時間序列預測方法，定義巖土參數的預測值Xt+1：

[Xt+1=?0+i=1p?iXt-i+?t]" " （3）

式（3） 中?i：ARIMA模型的自回歸系數，Xt?i：前幾個時間段的巖土參數值，?t：隨機誤差項。

1.2 智能化技術在巖土參數采集中的優勢

將智能化技術應用于巖土參數采集，顯著提高數據采集效率、準確性與實時性[3]。與傳統方式相比較，該智能化系統可通過傳感器網絡、自動化采集設備以及先進數據處理算法實現巖土參數高頻次、多維度精準采集[3]。為了評估智能化巖土參數采集系統中數據采集的精度和實時性，可以通過采集頻率和多維度數據覆蓋率來衡量。

[E采集=f?DT采集]" " （4）

式（4） 中E采集?：系統數據采集效率指標，f：傳感器的采集頻率（Hz） ，D：采集的維度數量（例如壓力、濕度、溫度等參數的總數） ，T采集：每次完整采集周期所需的時間（秒） 。

2 系統技術架構

2.1 系統總體設計

智能化巖土參數采集系統的總體設計由多個功能模塊組成，包括數據采集模塊、數據傳輸與處理模塊、實時監測與預警模塊等。系統基于先進的物聯網架構，采用無線傳感器網絡（WSN） 作為數據傳輸的核心技術，確保現場采集的數據能夠實時、安全地傳輸到云端平臺進行處理與存儲[4]。具體系統功能模塊與核心技術設計如表1所示。

2.2 數據采集模塊設計

數據采集模塊是整個系統的基礎，其設計決定了系統的數據精度和穩定性。該模塊集成了多種高精度傳感器，包括壓力傳感器、濕度傳感器、溫度傳感器等，能夠采集巖土中的各種物理參數[5]。采集模塊通過自動校準功能確保了傳感器數據的準確性，降低了人為干預對數據的影響。

2.3 數據傳輸與處理模塊設計

數據傳輸和處理模塊在智能化系統中處于核心地位，承擔著現場采集數據傳輸給后端系統處理和儲存的任務。該系統利用無線傳感器網絡（WSN） 技術來傳輸數據，有效地解決了傳統有線傳輸中復雜的布線和不穩定的問題。對數據傳輸進行加密處理以保證數據安全完整。在數據處理中，該系統將云計算平臺引入其中，將收集的原始數據經過清洗、分析并保存，保證數據實時性與可靠性。

3 關鍵技術研究

3.1 高精度傳感器技術

高精度傳感器技術是智能化巖土參數采集系統的基礎，直接影響采集數據的質量與可靠性。系統采用了多種先進的傳感器，如高靈敏度的壓力傳感器、濕度傳感器和位移傳感器等，這些傳感器能夠實時捕捉巖土內部的微小變化，確保數據的精確性。具體關鍵高精度傳感器類型及應用場景如表2所示。

3.2 數據自動采集與處理技術

數據自動采集和處理技術作為該系統中的重點創新點，采用全自動化采集流程，極大地減少人工干預和提高采集效率。該系統采用全自動化采集流程，減少人工干預，提高采集效率。通過自動化控制模塊啟動傳感器采集多維參數，并實時傳輸數據。動態觸發算法保證數據及時精確。數據處理包括清洗、標準化和歸一化。系統運用時間序列分析、實時流處理等算法預測參數變化，內置聚類算法和回歸模型識別地質變化模式。

3.3 實時監測與預警技術

實時監測與預警技術是巖土參數采集系統的核心，能實時分析數據并預警地質風險。系統高頻采集巖土參數，生成詳細監測數據，并通過實時比對識別異常。預警機制包括數據閾值、時間序列分析和綜合風險評估三層次。閾值根據地質、工程特性和歷史數據動態調整，異常時通過多通道預警。

4 系統功能實現

4.1 數據采集功能

智能化巖土參數采集系統利用高精度傳感器全面監測巖土參數，實時高頻采集確保數據多樣性和準確性。系統具備自動校準和自適應調整功能，通過多級校準消除誤差，實時監測環境變化并動態調整采集頻率和參數，確保高精度數據采集，有效消除外界干擾。通過無線傳輸網絡，采集到的數據能夠立即上傳到后臺服務器，從而保證數據的實時傳輸和處理。采集精度P精度可以通過傳感器精度和環境適應性校準系數計算，以確保傳感器在不同環境下的準確性：

[P精度=S?C]" " （5）

式（5） 中S：傳感器本身的精度（如壓力傳感器的最小誤差單位） ，C：自動校準和自適應調整系數，用于修正環境變化帶來的誤差。應用場景在隧道施工中，因巖土壓力變化較快且環境溫濕度差異大，通過公式（5） 可以動態監控校準后傳感器的實際精度，從而確保采集數據滿足設計要求。

為了衡量數據的實時傳輸效率，可以用以下公式表示傳輸時間效率 E傳輸

[E傳輸=D總T傳輸]" " （6）

式（6） 中D總：在一次采集周期內傳輸的數據量（例如MB） ，T傳輸：數據從傳感器傳輸到后臺服務器的時間（秒） 。應用場景在地基沉降監測中，實時傳輸效率至關重要。如果 E傳輸較低，可能導致延遲的采集數據無法及時反映沉降趨勢，從而增加施工風險。

4.2 數據處理與分析功能

數據處理與分析功能是智能化巖土參數采集系統的重要組成部分。采集到的數據通過系統的云計算平臺進行處理，首先經過數據清洗，去除異常值和噪聲，確保數據的準確性和一致性。數據分析模塊會對巖土參數進行深度分析，結合已有的地質模型與工程需求，提供實時的分析結果。系統內置多種數據處理算法，包括大數據分析、機器學習和統計回歸模型等，能夠根據現場條件自動調整分析策略。如表3、表4是系統采集到的部分巖土參數示例數據，以及清洗前后數據處理。

系統運用統計學和機器學習檢測異常值，利用3σ原則和孤立森林算法識別并修正異常，剔除系統性錯誤數據。數據經Min-Max歸一化處理，確保一致性。采用時間序列預測模型分析趨勢，線性插值法補全缺失數據，為實時分析和預警提供高質量數據基礎。

4.3 數據可視化與報告生成功能

在智能化巖土參數采集系統中，數據可視化及報告生成作為最后的輸出部分，可以把繁雜的巖土數據變成直觀的圖、報，方便工程技術人員對其判讀。該系統數據可視化功能較強，可通過圖表、3D模型和時間序列圖顯示收集的多維度數據，并實時顯示巖土變化。

5 系統應用與優化

5.1 系統應用場景與效果評估

智能化巖土參數采集系統廣泛用于城市地下空間、大型基建及礦區，顯著縮短采集周期，提高精度。在某隧道工程中效率提升75%，成功預警三次巖土位移風險，節省20%施工成本。在礦區保持高精度監測，隧道施工中實時預警，有效降低工程風險，避免多起事故。

5.2 系統性能優化與升級

智能化巖土參數采集系統雖表現優異，但仍有優化空間。未來可引入MEMS傳感器提高敏感度，升級無線傳輸技術融合多協議，增強數據傳輸能力。數據處理方面，集成深度學習模型提升分析精度，結合邊緣與云計算減少延遲，為復雜工程提供更可靠解決方案。

6 總結

智能巖土參數采集系統通過集成高精度傳感器網絡、自動化控制與數據處理技術，實現了巖土力學參數的實時監控與分析，為復雜工程提供了精準、可靠的數據支持。系統在數據采集、處理和可視化等功能模塊上表現出色，顯著提升了工程項目的安全性和施工效率，尤其在隧道建設、地基施工和礦區監測等場景中展現了卓越的應用效果。

參考文獻：

[1] 王全賢，郭彩霞，王熠琛，等.城市大型工程場地巖土力學參數統計特征的分析與檢驗[J].市政技術，2024，42（10）：71-77.

[2] 張博煒.巖土勘察地質條件與巖土參數分析[J].城市建設理論研究（電子版），2024（27）：151-153.

[3] 于方正，趙永祥，王志強，等.巖土參數對大型沉井基礎下沉特性影響的研究[J].公路，2024，69（9）：124-130.

[4] 張艷，張柯，郭靖.礦區巖土施工安全監測系統設計及應用[J].能源與環保，2022，44（7）：36-42.

[5] HAN U C，CHOE C S，HONG K U，et al.Intelligent back analysis of geotechnical parameters for time-dependent rock mass surrounding mine openings using grey Verhulst model[J].Journal of Central South University，2021，28（10）：3099-3116.

【通聯編輯：梁書】