土木工程建筑物变形与预报技术分析

王冬

【摘要】建筑物变形监测与预报技术综合性较强，涉及多项交叉学科，将其应用到土木工程可对建筑物形变情况展开全面分析，遏制建筑物产生变形问题的产生。基于此，本文首先分析了现阶段土木工程中常用的建筑物变形监测方式，进一步指出土木工程实现建筑物变形预报的有效方法，并结合时代发展形势展望建筑物变形预报分析技术未来发展，以供参考。

【关键词】土木工程;建筑物;变形;预报

【DOI】10.12334/j.issn.1002-8536.2021.

土木工程伴随着新时代社会建设而快速发展，各类建筑物功能、结构、所处环境均有不同，在城市化推进期间，建筑物安全质量引发社会关注。为保障土木工程建筑物稳定性，需对建筑物变形情况进行全面监测，根据以往数据预测建筑物变形情况，通过监测预报相关技术对建筑物变形问题进行针对性解决，降低安全事故发生率。

1、土木工程中常用的建筑物变形监测方式

土木工程建筑物变形监测体系经长期发展已成熟，且先进技术设备应用下，建筑物变形监测结果准确性仍在继续提升中。建筑物变形监测方式主要包括：（1）常规地面测量方式。该类方式为土木工程中最为常规的建筑物变形监测技术，主要借助水准仪、测距仪、经纬仪等测量仪器获得建筑物高程、边长、角度数据，通过实测数据明确建筑物变形程度。常规地面测量方式适用于绝大部分场景，不受外部条件及变形形式影响，但建筑物变形监测效率较低，同时易受到人为失误、仪器精准度不足等情况干扰而出现监测不准确情况。随着土木工程的发展，建筑物变形常规测量设备不断更新换代，在传统仪器基础上逐渐出现了全自动跟踪全站仪等设备，极大提高测量精准度及测量效率。全自动跟踪全站仪的应用在一定程度上弥补了常规地面测量方式的缺陷，测量精度极大提高（可达亚mm级），其可在特定程序设定下实现全天候自动化监测，且可在特定范围内进行无人值守监测。（2）特殊测量方式。主要包括倾斜测量、准直测量、应变测量等，能够在专用监测仪器帮助下实现建筑物局部变形数据的连续监测与自动监测。例如：运用遥测垂线坐标仪进行建筑数据自动采集，通过光纤传感器系统融合传输信号与测量信号，使遥测垂线坐标仪能够适应大多数环境进行建筑物变形监测，同时在遥测系统应用下，该坐标仪可进行分布式监测，并将监测所得数据实时传输至信息平台内。（3）地面摄影测量技术。地面摄影技术最初应用到土木工程建筑物变形监测中时具有精度低、监测范围小的缺陷，但现代科技发展迅速，实时摄影、数字摄影相关技术纷纷应用到建筑物变形监测作业中，使地面摄影测量监测精准度大幅度提高。结合现阶段土木工程建设情况来看，地面摄影测量技术在高层建筑等大型建筑物变形监测中发挥出较强作用，能够同时监测建筑物任意点的变形情况，无需接触被测建筑物即可获得三维空间信息数据，据实践验证，地面摄影测量技术建筑物变形监测精度可达4μm。（4）GPS联合雷达技术。GPS为空间定位系统，现已取代常规化电子与光学测量仪器，其与雷达技术联合应用后，可通过雷达电磁波物体反射情况绘制土木工程建筑物三维网，使建筑物变形情况与三维网数据一一对应，此时可至观测三维网数据判断建筑物是否存在变形隐患，获得实时变形数据，可避免实地监测中所需要的清理场地等工作[1]。GPS系统与雷达技术联合后能够极大提高建筑物相对定位精度，为高精度建筑物的实时自动监测奠定技术基础。

2、土木工程实现建筑物变形预报的有效方法

现代信息技术与科技快速发展，此时可在技术支持下，采用数据分析方式的预测土木工程建筑物变形情况，建筑物变形机理复杂，可借助模型研究变形规律，建筑物变形可从物理解释与几何分析两个角度展开预报，为建筑物变形灾害预防提供依据。

2.1变形物理解释

物理解释方式的核心在于解释土木工程建筑物变形原因，并探究变形原因与建筑物变形之间的联系。应用物理解释方法预报建筑物变形时，可从采用统计分析、函数模型、混合分析方式。

2.1.1统计分析

构建回归模型能够分析出建筑物变形及其影响因素之间的关系，在回归模型中，效应量为建筑变形数据，原因量为变形影响因素，通过回归模型可得出两者之间的关联度，继而判断该原因量是否为决定效应量的关键因素。建筑物变形预报回归模型可依托于“荷载-变形”数据模型进行建立，在实际应用中，回归模型具有“后验”特征，即能够检验所确定的影响因素与建筑物变形之间的真实联系，可用作分析检验，因此，在建筑物变形预报中，以回归模型为手段的统计分析方法应用广泛。但建筑物变形具有较强不确定性，同时建筑变形观测数据有限，因此运用回归模型预报建筑物变形情况可能存在一定偏差，在实际预报分析中，可将统计分析方法与其他手段联合使用。

2.1.2函数模型

函数模型分析方式主要依据有限元法进行分析，根据建筑物物理性质、力学性质确定建筑物应力与应变之间的关系，在此基础上构建荷载与建筑物变形的函数模型。完成函数模型构建后，可借助该函数模型判断建筑物在特定荷载作用下的变形情况，继而起到变形预报效果[2]。区别于统计分析中的回归模型，依据有限元法得出的函数模型在变形预报方面存在“先验”性质，在变形预报分析准确度相对较高，但函数模型应用期间涉及大量计算工作，工作量较大。

2.1.3混合分析

混合分析办法主要指联合应用统计模型与函数模型，优势互补，使土木工程建筑物变形预报分析结果更为准确。混合分析办法应用时，可运用统计分析办法确定原因量、效应量之间的关系，即判断建筑物变形与影响因素之间的关联程度，而计算部分则以函数模型为工具，通过有限元法进行数据分析，但对于时效、温度等无法确定其与建筑物变形之间关系的原因量，仍需采用统计分析方式进行预报分析，通过数据拟合构建统计分析回归模型。应用混合分析方式构建了统计分析与函数分析的混合模型，借助该混合模型分析建筑变形情况时，可在系统识别理论基础上应用反分析理念，以正分析结果为线索引反求建筑物材料参数及物理性能，并得出建筑物变形规律信息，将反分析所得数据結果应用到土木工程建筑物设计与施工中，可有效预防建筑物变形，且可为建筑物变形监测提供方向。

2.2 结合分析方法

2.2.1时间序列分析

建筑物某观测在变形监测期间所产生的测量数据将形成随机时间序列，该随机时间序列具有显著的离散特征，此时可应用时间序列分析方式构建自回归滑动平均模型（ARMA模型），通过分析模型的离散特征得出建筑物观测点序列的未来发展趋势，继而判断被测建筑物在特定时间内是否存在变形隐患。仅采用自回归滑动平均模型无法确保所得出的未来时间序列走向准确性，此时可将自回归滑动平均模型与趋势函数模型、动态数据采集系统结合起来进行联合分析。在趋势函数模型、动态数据采集系统帮助下，可使非平稳序列转变为平稳序列，并可采用建模方式确定时间序列的随机动态系表达式，根据模型参数解释建筑物变形成因，将变形成因及变形未来时间序列相对应，以此为建筑物变形预报提供依据。若考虑到粗差对时间序列分析结果的影响，还可引入稳健时间序列分析方式，构建更为完整的时间序列分析模型;若建筑物观测点变形数据所构成的时间序列数量较少，此时可基于灰色系统理论构建模型，采用累加生成法法将原始观测数据转变为的序列數据，以此降低数据随机性，继而更好地得出建筑物变形规律。采用时间序列分析方式预报建筑物变形情况时，应在单个观测点时间序列分析基础上，判断多个观测点之间的序列相关性，以此可更完整预报建筑物变形情况，提升预报分析效果。

2.2.2频谱分析

对于存在周期性变化的建筑物变形时间序列，如大坝水平位移等，可借助傅立叶变换方式，将时域信息转化为频域信息，计算谐波频率振幅，通过最大振幅主频得出建筑物变形时间序列的变化周期，以此降低建筑物变形预报难度。将建筑物观测点变形数据作为输出量，将与观测点变形相关的影响因素作为输入量，借助时间序列周期与频谱可估计出输入量与输出量之间的响应谱函数与频率响应函数，以此得出输入量与输出量的相关性，继而判断输入量内影响因素与建筑物变形之间的相关程度，以此逐渐找出引发土木工程建筑物变形的主要因素，将变形几何分析转化为物理解释，继而更为清晰地预报建筑物变形情况。

2.2.3小波分析

小波分析涉及社会、自然等多种交叉学科，在工程学中被得到广泛应用。采用小波分析方式可将有效信息从诸多时频域局部信号中提取提出，借助离散小波变换方式将建筑物变形观测数据分解与重构，同时在分解重构期间剔除误差数据，使局部变形数据特征更好地呈现。小波分析与傅立叶变换方式之间存在相似性，探究建筑物变形周期变化特征时，同样可采用小波分析进行，除此之外，在建筑物动态变形分析期间，可在小波分析基础上构建卡尔曼滤波模型，还可将小波分析方式与人工神经网络分析方式相结合，构建小波神经网络组合模型，以此更为精准地得出建筑物变形预报结果。

2.2.4人工神经网络分析

土木工程建筑物变形的影响因素众多，各影响因素与变形之间存在不确定性非线性关系，对于建筑物变形观所得的大量数据，可采用人工神经网络分析方式，根据生物特征使计算机具有数据识别与分析的能力，在特定算法运作下即可得出建筑物变形预报结果。在人工神经网络中，输出层与输入层分别为建筑物变形量与影响因素，将BP网络模型作为隐含层，通过算法反复测定得出最终的数据权值，以此确保人工神经网络分析出的结果可代表建筑物变形情况，为变形预报提供依据。结合实际应用效果来看，将人工神经网络与小波分析联合使用可具备良好预报效果，同时还可将人工神经网络与计算机专家系统相连接，在专家系统专业理论知识支撑下，使建筑物变形预报结果更为准确。

2.2.5卡尔曼滤波分析

土木工程建筑物变形为动态过程，为准确分析建筑物变形情况，可将其看作动态系统，借助卡尔曼滤波模型判断动态系统所处状态。卡尔曼滤波模型内包含观测方程及状态方程，进行分析时，若变形监测点等加速率、速率、位置等向量参数包含在状态方程内，则可采用运动模型的方式进行分析，用于动态处理建筑物变形数据，并搭建变形监测网，在变形监测网帮助下识别变形周期内各观测点的变形特征。卡尔曼滤波分析无法关注变形观测值序列，借助严谨的递推算法整合模型参数及变形预报数据，继而得出建筑物变形预报结果。区别于其他几何分析方法，卡尔曼滤波分析具有动态特征，可对建筑物变形预报结果进行一定补充。

3、建筑物变形预报分析技术未来展望

在现代化社会背景下，建筑物变形监测技术、信息技术、通讯技术均得到快速发展，建筑物变形分析不再停留在单个观测点变形分析上，逐步发展为多测点同步分析，且当前建筑物变形分析兼顾了静态与动态、线性与非线性，变形监测与预报呈现多样化特征。根据建筑物变形预报发展情况及科技手段进步速度来，在未来发展中，土木工程建筑物变形预报将趋向以下几个方面发展：（1）建筑物变形数据处理与分析的智能化、自动化程度将得到进一步提高，时频分析、时空模型分析将在变形预报中发挥良好效果，且动态分析手段将更为完善与精准。（2）物理解释与几何分析相关模型与建筑物实际变形情况之间的匹配度将得到进一步提高，模型实用性提升，且愈来愈多的踏勘技术将在建筑物变形监测中得到应用，并发挥出良好效果，新的变形监测技术与预报方式仍不断涌现。（3）建筑物变形过程具有不确定性，为进一步提高变形预报准确度，新的理论方法将被灵活运用到建筑物变形预报中，使建筑物变形预报工作更为科学规范。（4）在信息化时代背景下，建筑物变形案例数据库逐渐被建立，将形成以数据库为核心的建筑物安全监测系统。

结语：

综上所述，现阶段土木工程建筑物变形监测体系已成熟，并在先进技术应用下，变形监测质量不断提升，为准确了解土木工程建筑物变形情况，应对变形数据展开深入分析，从物理解释与几何分析两个角度分析建筑物变形规律及潜在特征，以此更好地进行建筑物变形灾害预防与解决，在未来发展中，建筑物变形预报分析将进一步提高自动化、智能化程度，变形预报结果将更为精准。

参考文献：

[1]郭峰，赵品.现代雷达技术在土木工程中的应用[J].现代雷达，2021，43（07）：85-89.

[2]卞步喜，张小楠，赵秀文等.土木工程构造物变形监测智能装置研制[J].科技创新与应用，2020（24）：32-33.