Page 61 - 岩土工程技术发展及应用研究
P. 61
岩土工程技术发展及应用研究
存储的特性，可将重要的勘察设计数据成果，如勘察外业、内业实验成果、勘察
报告、地下工程设计图纸、原始资料等，按照重要性划分保密等级，按照不同保
密等级确定加密与上链策略。通过构建政府、企业、研究机构之间建立的数据共
享联盟链，在保证数据产权前提下，通过建立动态上链、按需交易、获得激励的
机制，实现数据的可信、持续的共享应用，大幅提升数据使用效率。为进一步保
证数据的隐私性，还可以建立基于多方安全计算、联邦学习的隐私计算机制，实
现数据可用不可见，进一步促进各方数据共享。在工程监测质量溯源方面，针对
岩土工程监测风险管控，利用区块链可建立监测质量要素溯源技术系统，与企业
监测系统平台互联互通，在数据采集过程中，实现监测作业人员、监测设备、监
测数据、巡视数据、报警信息及时上链，通过区块链共识机制及智能合约，保证
关键信息加密处理、信息同步更新及分布存储，并构建基于数据上传及时性、风
险控制评价的激励机制。当发现监测报警、数据异常时，通过区块链应用系统查
证相关的监测数据并追溯数据的来源。对于系统数据修改事件，推送相关通知给
各级管理人员，确保信息留痕，实现岩土工程风险安全可信管控。
3. 大数据、云计算技术的预测分析
在岩土勘察地层数据分析建模方面，构建基于大数据、云计算的岩土工程勘
察数据管理与分析平台，利用大数据分析技术，按照数据统一标准，将不同时期
完成的地质数据进行归一化处理，可用于跨工程地质剖面分析、大范围宏观三维
地质建模，在可研阶段推测勘察场地地层分布，辅助科研阶段的规划设计。在工
程勘察工作中，通过对某一区域地层数据的标准化，基于机器学习的地层分层预
测方法，也可以帮助工程师在勘察报告阶段快速判断地层分层，提高工作效率。
在深大基坑影响变形预测方面，针对深基坑工程变形影响因素繁多、精准定量预
测困难等问题，基于大数据分析与挖掘技术，研究基坑本体数据、地质数据、基
坑监测数据、周边环境数据、施工数据、周边作用影响数据等不同类型及子类的
关联关系。采用机器学习算法，建立基坑及隧道等周边环境变形预测模型，对基
坑本体监测的关键指标，结合工况条件动态预测，改变传统方法抽样分析的模式，
通过不断积累样本数据与训练学习，提升预测的精准性与泛化能力。上述方法可
对传统监测数据统计分析、基于有限元的数值分析方法进行补充，提升基坑数据
分析能力。
·54·
