GBIM定制开发-静探智能分层系统搭建

发布时间:2022-04-02

在平原地区,双桥静探是常用的原位测试手段。对一个企业来说,随着某一地区的原始数据、分层经验不断积累,该地区的双桥静探分层经验可内化为一套智能分层模型。对于新项目,可利用已训练的模型,自动进行双桥静探孔分层,工程师在此基础上修改、校核即可,以提高工作效率。

本案例依托库仑GBIM数据与三维可视化管理系统,对客户提供的原始静探数据(CAD图纸、文本文档等)进行智能识别与处理,进而对处理后的数据进行智能分层训练、构建分层模型;将分层模型进行三维可视化开发,最终搭建一套文档智能识别与静探智能分层系统。

获取训练数据

在进行智能分层训练之前,首先需获取原始数据及相应的标签数据。例如,要训练一个模型来识别猫的照片,在训练前,先找到成千上万张猫的照片,并给每张照片打上“猫”的标签,照片和标签共同作为训练数据来训练模型。模型完成后,当一张新照片传入模型时,即可判断是否为猫。

同上,用于静探智能分层模型训练的数据包括两部分:静探孔原始数据、工程师对该孔的土层划分。快速获取上述数据,是本项目的重点之一。

静探原始数据:存储于文本文档中的静探原始数据,如溧阳科尔、天津港达、华宁静探数据等,均有固定的存储规则,编写相应程序脚本即可获取;对于仅存于CAD“静力触探综合图”曲线中的原始数据,通过CAD二次开发,根据图纸中的比例尺、静探曲线,自动、批量获取曲线反映出的静探原始数据。

静探分层数据(标签):对于存储于CAD“静力触探综合图”、“柱状图”中的静探分层数据,通过CAD二次开发,获取相应静探孔的分层结果;对于存储于word文档中的分层数据,则通过python脚本,读取word文档中的分层数据。

本案例中,依据上述方法,从CAD图纸中获取2849个静探孔的分层数据;从word报告中获取476个静探孔的分层数据。若人工提取上述数据,则工作量会非常大,本案例中的提取方式,效率较高。此外,本案例中针对CAD图纸、word报告的数据自动、批量读取方法,对于企业的历史资料入库有非常重要的应用价值。

智能分层模型训练

在进行智能分层模型训练时,采用四层网络,输入层、2个隐含层、1个输出层。具体操作流程如下:

(1)第一个隐含层默认使用了128个神经元,第二个隐含层使用256个神经元,构建神经网络,形成多层感知机。

(2)输入归一化后的数据,输出为对应位置的地层标签编号,标记在双桥静力触探孔不同的深度上。

(3)学习率默认设置为0.1,训练迭代次数为40000次,损失函数采用交叉熵损失函数,使用总数据的90%进行训练,剩余10%用于使用模型进行预测,进行精度分析。

具体训练时,取训练数据中的90%进行训练,对训练集中数据进行测试,训练集数据分层正确率98.5%;取训练数据的10%作为测试集,对测试集中数据进行测试,测试集数据分层正确率96.2%。

静探可视化分层应用

为方便用户使用静探智能分层模型,进行快速分层,基于web端开发可视化分层界面。

在界面内,可根据导入的静探原始数据,自动绘出静探曲线。同时,随鼠标在界面内移动,会实时获取光标处的原始数据并展示给用户。

对于某一个、某几个静探孔,用户可首先利用智能分层模型,对该孔进行初步分层。

对于智能分层结果,用户可通过一些快捷按钮如“引用分层”、“打点分层”、“向上合并”、“向下合并”等,高效率地进行静探数据分层;在分层界面内,用户可参照项目的标准地层(左侧孔柱),进行静探孔的分层。

上述分层结果,会实时存储于数据库中,供工程师在后续的勘察内业整理环节中进一步使用。

在本项目中,针对海量历史数据,进行智能识别,并汇入大数据平台中,可助力企业积累数据资产、开展数据智能化应用。利用数字化的历史数据,进行人工智能学习,可协助企业将既有工程经验凝练于软件内,建立企业的专家系统,提升后续项目的生产效率。