数据挖掘在松散层沉降中的应用研究.pdf

万方数据 万方数据 论文题目数据挖掘在松散层沉降中的应用研究 学科名称计算机应用技术 硕士生王阔 指导教师龚尚福 摘要 〈签名豆均 签名乡品 在我国华东地区地壳普遍分布着深厚的松散层，由于地壳松散层的失水固结沉降变 形，使该地区的淮北、徐州、充州等矿区相继有百余个煤矿立井井壁发生不同程度的变 形甚至破坏，影响安全生产。研究采用光纤光栅监测系统是防治地壳松散层沉降变形的 一种有效方法。对于光纤光栅监测系统采集的数据，首先应该检测出其中的异常信息， 然后才能有效地用于预测与分析地完松散层未来沉降状况，以便提高地壳松散层沉降致 使井壁变形预测的可靠性和矿井安全状况的评估能力。 论文提出了一种针对光栅传感器波长数据的异常检测算法。从监测系统的原理出发， 首先运用阂值对采集到的波长数据进行异常判别。其次，对检测到的异常数据从模式特 性上进行分类，分为“单独异常点“，“连续异常点“和“异常序列“三类。然后对不同 类别的异常数据，提出了相应的修正公式。消除了“修正后的数据超出阀值的现象“。实 验结果表明，异常检测算法能对异常数据进行识别和修正，且效果良好。 提出了一种基于滑动窗口的灰色飞Terhulst-BP模型，用于对地层沉降预测。实验时， 首先使用传统的灰色协rhulst模型和时间序列ARIMA模型预测，ARIMA模型的预测效 果较好，均方根误差为0.8558，灰色论rhulst模型的均方根误差为7.2719;其次，针对 灰色Verhulst模型能预测出趋势，但数值预测误差较大的特点，通过设定滑动窗口和步 长来对该模型进行改进，提出了基于滑动窗口的灰色驰rhulst模型，实验得到的均方根 误差为1.8664，但该方法存在局部残差过大的现象考虑到BP神经网络的函数逼近效 果好，因此采用BP神经网络对残差进行预测，在基于滑动窗口的灰色Verhulst模型预 测值基础上，加上预测残差来作为真正的预测值。通过实验得到的基于滑动窗口的灰色 协rhulst-BP模型的均方根误差为0.2506。对四种预测模型效果进行对比，最后选定基于 滑动窗口的灰色驰rhulst-BP模型用于松散层的沉降预测。 关键词地层沉降井壁变形沉降预测灰色飞々rhu1st模型 研究类型应用研究 万方数据 万方数据 万方数据 square error of the gray Verhulst model is 7.2719. Secondly, the gray Verhulst model can To predict the trend, but the numerical prediction error is larger, the model is improved by setting the sliding window and the step size, and a gray Verhulst model based on the sliding window is proposed. The experimental root mean square error is 1.8664, but The has a phenomenon that the local residual is too large; Taking into account that the BP neural network function approximation effect is good, so the use of BP neural network to predict the residual, based on the sliding window gray Verhulst model predicted value, plus prediction residuals as a true predictor. The RMSE of the gray Verhulst-BP model based on the sliding window obtained by experiments is 0.2506. The effects of the four prediction models are compared. Finally, a gray Verhulst-BP model based on the sliding window is selected for the prediction of loose crust settlement. Keywords Stratum settlement; Wall deation; Settlement forecast; Gray Verhulst model Thesis Type Application Research 万方数据 目 录 I 目 录 1 绪论.................................................................................................................................1 1.1 研究背景与研究意义................................................................................................1 1.1.1 研究背景.............................................................................................................1 1.1.2 研究意义.............................................................................................................2 1.2 国内外研究现状........................................................................................................2 1.2.1 地层沉降监测的研究现状.................................................................................2 1.2.2 光纤光栅监测技术的研究现状.........................................................................4 1.2.3 地层沉降预测模型的研究现状.........................................................................5 1.3 本文的研究内容........................................................................................................6 1.4 论文组织安排............................................................................................................7 2 相关理论概述.................................................................................................................8 2.1 光纤光栅传感器监测原理........................................................................................8 2.2 异常值检测技术........................................................................................................9 2.3 常用的预测方法......................................................................................................10 2.4 本章小结..................................................................................................................12 3 光栅传感器波长数据异常检测算法...........................................................................13 3.1 光栅数据异常检测算法原理..................................................................................14 3.2 算法的实现..............................................................................................................15 3.3 算法的性能分析......................................................................................................18 3.4 实验验证..................................................................................................................19 3.4.1 异常序列的检测修正的实例...........................................................................19 3.4.2 单独异常点的检测修正实例...........................................................................21 3.4.3 连续异常点的检测修正实例...........................................................................22 3.5 本章小结..................................................................................................................23 4 基于滑动窗口的灰色 Verhulst-BP 松散层预测模型...............................................25 4.1 两种经典的预测模型..............................................................................................25 4.1.1 灰色 Verhulst 预测模型...................................................................................25 万方数据 目 录 II 4.1.2 时间序列 ARIMA 预测模型............................................................................29 4.2 基于滑动窗口的灰色 Verhulst 预测模型..............................................................31 4.2.1 算法原理...........................................................................................................31 4.2.2 算法步骤...........................................................................................................32 4.3 基于滑动窗口的灰色 Verhulst-BP 预测模型........................................................32 4.3.1BP 神经网络介绍..............................................................................................32 4.3.2 算法步骤...........................................................................................................34 4.4 实验结果及分析......................................................................................................35 4.4.1 实验过程...........................................................................................................35 4.4.2 实验结果分析...................................................................................................42 4.5 本章小结..................................................................................................................43 5 总结与展望...................................................................................................................44 5.1 总结..........................................................................................................................44 5.2 展望..........................................................................................................................44 致谢...............................................................................................................................46 参考文献...........................................................................................................................47 附录...............................................................................................................................50 万方数据 1 绪论 1 1 绪论 1.1 研究背景与研究意义 1.1.1 研究背景 地面沉降是一种世界性地质问题，严重时将成为地质灾难。人类对资源的大量开采 和进行地下工程不当是引起地面沉降的主要原因，如采矿活动造成的土地表层塌陷、地 下水过度抽取引起的地层沉降现象等[1]。因为地层沉降具有缓慢、持续时间长的特性， 因此初期不易察觉，但随着时间的积累，造成的危害也越来越大。据相关资料统计，我 国地面沉降问题最早出现于上世纪 20 年代，从分布区域来看，华北平原、汾渭盆地和 长江三角洲地区是主要的灾害区域。近年来我国地面沉降问题愈发明显，不仅威胁着社 会的安全生产，而且为环境的保护工作带来了极大的困扰。 华东地区是我国主要的采煤区，该地区的兖州、徐州、枣庄、淮南等煤矿开采形式 以立井为主，但近些年来，立井井壁出现了严重的变形破裂的情况，数量多达上百个。 通过调查研究，发现井筒附近的厚松散层的失水固缩沉降是井筒变形破裂的主要原因 [2-3]。松散层由土质、砂石、卵石层等组成。坚硬的岩石经过了侵蚀、搬运和沉积等地质 作用后，由于尚未固结硬化成岩而形成的疏散沉积物，这些疏散沉积的物质就被称为松 散层。该地区出现的大范围井壁变形破裂现象是国际采矿史上罕见的地质灾害，不仅威 胁着煤矿的安全生产，还给煤炭企业造成了巨大的经济损失。 针对地层沉降这一灾害， 国内外的专家学者从理论研究和现场实践两个方面进行研 究， 取得了很多阶段性的成果。 目前， 对松散层的地层沉降研究方法有分层沉降计法[4-5]、 水位长观孔法[6]、钻孔伸长仪钻孔斜测仪法[7]、GPS 技术[8-10]等。这些方法都存在着不 足，如测量精度不高，监测层位少，测量地层深度不够，受周围环境的影响大，无法实 现地层的分布式监测和实时监测等。随着传感器技术的发展，基于光纤光栅传感器的松 散层变形监测技术[11-13]是近年来采用的全新的松散层变形监测方法。由于光纤光栅传感 器具有监测灵敏度高、体积小、重量轻、耐磨蚀、不受环境噪声干扰、使用安全可靠等 优点，因此可以满足对地层沉降变形的分布式、实时监测要求。 光纤光栅传感器是一种性能优异的波长调制型敏感元件， 探测能力不受光纤弯曲损 耗、光源功率波动或者器件老化等因素的制约，工程使用中具有稳定便捷的特点。光纤 光栅传感器一般采用钻孔植入、表面粘贴、预埋设等方式被广泛应用于地下工程、土木 万方数据 西安科技大学硕士学位论文 2 工程[14-15]等领域，用于地面变形监测，未来应用前景广阔。 1.1.2 研究意义 随着国家经济快速稳定的发展， 国内企业对于煤炭能源的需求也在持续增加。 因此， 煤炭的产能也随之提升。但是煤矿的安全生产问题也愈发增多。由于人员、设备、煤炭 和各种材料都是通过竖井通道进行运输，因此，保证井筒安全对于煤炭生产至关重要。 华东地区是我国的重要产煤区之一。自上世纪 80 年代，该地区成为我国井筒变形 破坏的重灾区，井筒变形破坏多达 100 多个，给煤矿企业造成了重大经济损失[16]。针对 这种国内外罕见的地质灾害，许多的专家学者通过深入研究得出了结果。由于井筒周围 松散层含水层下降，引起地层的应力变化和松散层的压缩沉降，松散层沉降对井壁的应 力增大，使井筒破裂。 对于华东地区松散层沉降问题， 可以使用光纤光栅传感监测系统来监测矿井周围松 散层的沉降状况，同时该系统监测数据的有效处理对预防松散层沉降具有重要的意义。 本论文在光纤光栅监测系统采集到的数据基础上，通过研究数据的变化规律，构建 异常检测算法对采集数据进行异常检测和修正， 再用经过修正过的数据计算出地层沉降 量。在经过修正计算得到的沉降数据基础上，对未来地层沉降量进行预测。采矿人员可 以根据预测出的地层沉降状况对井筒的受力变形进行分析， 为预防井筒的安全隐患提供 帮助。 1.2 国内外研究现状 1.2.1 地层沉降监测的研究现状 国内外已经有多种方法用于地层沉降的监测研究。 如水位长观孔法、 分层沉降计法、 分层标法、钻孔伸长仪钻孔测斜仪法、GPS、光纤光栅监测技术等。 1水位长观孔法 该方法的原理是在不同的地层层位采用钻孔方式设立水位长观孔， 由于长观孔的水 位含量变化和地层沉降的变化相关，可以通过长观孔的水位变化预测地层沉降的变化。 该方法设置水位长观孔需要复杂的水文钻孔施工，每个孔位只能监测单一地层，只能采 用间接的方式对地层沉降变形进行监测，不能满足实时性的监测要求。 2分层沉降计法 该方法需要在不同深度的地层埋入磁环， 根据电感探测装置的电磁频率来监测磁环 的位置变化，通过计算不同地层深度的磁环位置变化间接得到不同地层位置的沉降情 万方数据 1 绪论 3 况。电磁感应式沉降仪是当前使用最多的一种分层沉降仪。分层沉降仪主要解决大坝和 岩石堤坝的下沉、建筑物基底的下沉、开挖引起的土体深层位置的下沉监测等问题。这 种方法监测地层深度低，易受到周围磁场干扰，连续监测效果差，因而未能得到广泛的 推广应用。 3分层标法 分层标法需要在沉降区域内的不同地层内埋设标点。 在地面沉降区域内将标杆埋设 在不同地层的顶、底板上并直通地面，经过特殊保护处理，通过与其他分层标和基岩标 联测，测算出不同地层的变形量和总沉降量。 张阿根，顾为栋[17]针对上海地面沉降问题建立了地层沉降监测系统，该系统是在基 岩标和分层标的基础上，通过采用特殊的钻孔方式实现了联测。陈明忠[18]在总结地面沉 降监测设施的架构设计、施工技术和应用成果基础上，结合基岩标和分层标开发了针对 地下水位井的一孔多用技术，该技术在上海地面沉降监测站得到了成功的应用。 4钻孔伸长仪钻孔测斜仪法 该方法主要从两方面来进行测量， 一是采用钻孔伸长仪实现对岩层内部的竖直方向 的沉降量测量；二是采用钻孔测斜仪对岩层内部的水平位置变化量进行测量。 钻孔伸长仪测量法是用探头去探寻感应环位置，当探头和感应环在一定范围内，探 头内的感应电路会使指示器上的指针偏转，同时蜂鸣器报警。钻孔测斜仪测量法是将传 感器下放到电缆上不同的刻度值位置， 传感器测得的偏斜增量能通过电缆传送到读数设 备上并显示出来。 5GPS 技术 当使用一些常规的测量方法去研究某些地区出现的严重地面沉降问题时， 由于监测 区域广，观测面积大，常规的监测方法会出现监测周期长、工作量大、累计误差大等问 题。但是基于 GPS 的沉降监测技术具有监测周期短、节约人力物力、效率高的优点， 因此可以将其用于上述地区的沉降监测。在实际监测中，通常将 GPS 和水准技术结合 使用。该方法主要涉及三部分内容建立 GPS 监测网络、进行野外观测以及数据的后 续处理。GPS 监测技术可以解决观测周期长、工作量大的问题，但是难以达到高等级测 量精度要求。 6光纤光栅监测技术 针对山东兖州的东滩煤矿、济三煤矿和鲍店煤矿的厚松散层的地层沉降问题，西安 科技大学的柴敬教授开发了光纤光栅监测系统，并在上述地区得到成功应用[18]。光纤光 栅传感器能够实时监测松散层出现的变形沉降状况。 项目施工中采用钻孔植入的方式将 传感器下放到矿井周围的厚松散层中。当松散层发生变形沉降时，光栅传感器的波长数 万方数据 西安科技大学硕士学位论文 4 据也会随之变化， 通过传感器波长数据的变化实现对地层沉降的实时监测。 传输过程中， 光纤光栅传感器监测的数据被光栅网络解调仪解调， 然后经过无线传输设施如3G通信 输送到远程计算机。光纤光栅监测系统具备工作稳定、施工方便、无人值守、易于维护、 远程控制等特点，同上述几种监测方法相比，该系统还能满足实时性监测要求。 1.2.2 光纤光栅监测技术的研究现状 近些年来，随着光纤传感技术的快速发展，岩层变形检测成为一大应用热点。由于 岩石内部的结构、材料不同，当受到外力作用时，岩石会发生不同程度的微形变。岩石 微形变的复杂性，给人们的研究带来了很大的困难。由于光纤光栅传感器具有良好的传 感特性，因此可以用于岩石的微形变检测。 Hatenberger、Yang 等[19-20]人为了检测在单轴压缩条件下的岩石试件的应力变化，采 用表面粘贴的方式将光纤光栅传感器用于岩石试件应变的检测。为了查看实验效果，前 者将激光应变测试仪和 MTS 的检测结果与光纤光栅传感器的检测结果进行对比，后者 用电式应变片的检测结果和光纤光栅传感器的检测结果进行对比。 两者的实验结果都显 示，光纤光栅传感器具有更高的检测精度。 黎剑华、张鸿等人[21]将光纤传感监测技术应用于德昌高速公路软基沉降的监测中， 实现了软基沉降的实时、 连续性监测。 与常规监测方法相比， 该方法具有更高的可靠性。 施斌、 魏广庆等人[22]研究了光纤光栅传感器在隧道工程应用中的温度补偿和保护封 装问题后，将其用于对隧道的温度和应力应变的实时连续监测。 朱鸿鹄、殷建华等人[23]建立了光纤光栅边坡监测系统，实现了香港新界鹿径道边坡 变形的监测。实验中，通过在边坡不同位置安装光纤光栅传感器，实现了对土钉受力和 边坡位移的长期监测。监测数据表明，边坡的侧向出现变形。 山东大学常天英等人[24]自制光纤光栅传感器模块，用于对隧道地质的变形监测。在 隧道模型的开挖过程中，将不同位置传感器的应变与对应位置应变片的应变、数值模拟 结果进行对比，发现光纤光栅传感器在隧道变形监测中具有更高的准确性和可靠性。 任亮等人[25]设计出了基于光纤光栅的微型光纤光栅应变传感器， 用于大坝模型中混 凝土开裂变形情况的安全监测。 实验结果显示传感器能对大坝内部的变形破裂情况进行 准确实时的监测。 柴敬等人首先在实验室模拟松散层的地层沉降状况， 然后将光纤光栅传感器应用到 实验中， 得到了不同岩层材料的变形状况和光纤光栅传感器的中心波长漂移量的变化规 律，开发了基于光纤光栅的地层沉降监测系统。项目施工时将光纤光栅传感器以钻孔的 方式下放到不同深度的地层中， 通过系统监测到的传感器中心波长漂移量来实时反应出 万方数据 1 绪论 5 监测地层的应变状况和沉降状态。由于该监测系统的监测数据可靠，施工安全方便，实 时性突出，所以可用于松散层的沉降监测。该系统已经陆续在济三煤矿、东滩煤矿得到 推广应用。 1.2.3 地层沉降预测模型的研究现状 在地面沉降变形的研究工作中，地层沉降预测模型是研究的重点内容之一。目前， 人们常用的沉降预测模型有土水模型、随机统计模型和人工智能模型。 1土水模型 土水模型主要描述土体的变形特性、水的渗透特性以及土体与水的相互作用。它包 含的模型种类较多。 冉启全、顾小芸[26]通过搭建仿真实验研究沉降变形的过程，提出了基于土水模型理 论的渗流-变形-下沉的耦合模型，将该模型应用于地面沉降的预测。张云通过分析土层 的压缩特性和水流的渗透特性以及土体变形沉降和应力的变化， 提出了地层沉降的一维 模型，将该模型用于土体变形的沉降预测中。 陈崇希、裴顺平[27]在分析了准三流方法、两部模型方法、渗流-管流模型的基础上， 总结出每种方法的优缺点，提出了三维流动一维非线性固结地面沉降模型，该模型被 应用于苏州市地面沉降的预测中。 什泰拉克[28]对煤矿开采导致的上覆岩层疏水沉降问题进行了深入研究， 并提出了松 散含水层疏水导致地表下沉的计算模型。 柴敬[29]采用光纤光栅监测技术对兖州矿区松散层的变形沉降进行研究， 建立了松散 层失水沉降的应变量计算模型。 2随机统计模型 该模型是基于监测数据的基础上，利用统计学知识建立的预测模型。常用的一些方 法有灰色预测模型、时间序列模型和回归分析模型等。 Holzer 等[30]通过对监测到的大量地层变形沉降数据进行统计分析， 建立了沉降变形 与时间的函数关系，以此用于地层的沉降预测。 随机统计模型方法也适用于松散层的失水沉降研究中。李文平、刘希亮等[31]在室内 通过选取不同地区的松散层土样建立松散层失水沉降的模型实验， 获得了大量的实验数 据，采用回归分析的方法建立了松散层失水沉降的计算模型。 上述方法都是基于大数据量的样本分析建模，实验预测的精度不高。当得到的数据 样本不多或者规律不明显时，可以使用基于灰色理论的灰色预测模型进行建模研究。灰 色预测的模型有多种形式，如 GM1,1模型和 GM1,N模型等。常用的是基于单变量的 万方数据 西安科技大学硕士学位论文 6 GM1,1模型和相应的改进模型。 刘长礼[32]等人以厦门某地的沉降预测为例，采用灰色理论方法，建立了 GM1,1模 型。与对数曲线模型、双曲线模型相比，发现该模型对地面预测的精度较高。付宏渊将 GM1,1模型用于高路堤沉降研究中，实验结果显示模型的预测效果良好。 西安科技大学的吴频频以济三煤矿为例，在数据样本较小的情况下，使用时间序列 平滑预测法、无线趋势外推预测法和灰色模型进行实验，研究地层沉降的预测模型，实 验结果表明 GM1,1模型最适合地层沉降的预测。但是整体来说，数据的量不多，预测 精度有限。 3人工智能模型 人工神经网络具有高度的自适应特性和容错能力， 同时拥有独特的网络结构和强大 的非线性拟合特性。地层沉降预测是它重要的应用领域之一。 黄禄文，刘海卿为了解决建筑物基础沉降量的安全问题，建立了基于径向基神经网 络的预测模型，实验结果显示模型的预测结果与实际值较为吻合。贾林刚采用 BP 神经 网络研究地下岩层沉降的预测，通过比较预测值和实际值，证明了该方法的可行性。 综上所述，已经有许多监测方法和模型用于地层沉降和沉降预测的研究中，也取得 了一定的成果。但总体上来说还存在一些问题，如预测模型单一，预测精度不高，效果 一般等。 在实际应用中，单一的模型可能出现预测精度不高，建模困难等缺点，因此结合各 个方法的优点提高预测效果也是地层沉降预测的一种有效方式。 1.3 本文的研究内容 由于光纤光栅监测技术具有稳定、无人值守、实时性监测等优点，因此采用光纤光 栅监测技术监测松散层的变形沉降。针对松散层沉降预测实验中，异常数据处理效果不 好，修正后的数据依然存在“超出阈值的现象”。预测模型单一，精度不高等问题。本文 通过对数据挖掘中异常值检测算法和常用预测方法的研究， 提出了针对光纤光栅传感器 监测的波长数据的异常检测算法，提高了波长数据的质量，消除了修正后的数据超出阈 值的现象。并且使用修正后的波长数据计算出地层沉降量，选用合适的模型提高预测的 精度。主要的研究内容如下 1查阅资料学习常用的异常值检测算法和基本的预测算法， 了解光栅传感器的地层 沉降监测原理，为构建光栅传感器波长数据异常检测算法奠定基础； 2研究采集到的波长数据的规律，结合数据挖掘中的异常检测知识和采矿学知识， 构建波长数据异常检测算法。 万方数据 1 绪论 7 3对经过异常检测并修正过的波长数据计算出对应地层的沉降量， 研究常用的预测 算法，结合地层沉降数据进行建模预测。 4通过实验对算法验证并分析预测结果。 1.4 论文组织安排 本文分为五章，各章节主要内容如下 第一章 绪论。主要介绍地层沉降的研究背景和意义，阐述了地层沉降的国内外研 究现状，概述了论文的主要研究内容。 第二章 相关理论概述。本章详细介绍了课题研究所涉及到的背景知识和常用的预 测方法，包括光纤光栅传感器监测地层沉降原理，异常值检测算法和常用的预测算法。 第三章 光栅传感器波长数据异常检测算法研究。把异常值检测方法和采矿学知识 相结合，通过研究波长数据的规律，提出了光栅波长数据异常检测算法，并分析了算法 的优缺点。异常检测算法首先要识别出异常数据，然后从模式角度出发对异常数据进行 分类和修正处理。以此来提高采集的波长数据质量，为地层沉降预测工作作准备。 第四章 地层沉降预测算法的研究。对经过异常检测修正后的波长数据计算，将计 算得到的地层沉降数据作为实验数据，使用灰色 Verhulst 模型和 ARIMA 模型进行预测 实验，然后对灰色 Verhulst 模型进行改进，提出了基于滑动窗口的灰色 Verhulst 模型和 基于滑动窗口的灰色 Verhulst-BP 模型，对上述四种模型实验结果对比，选择基于滑动 窗口的灰色 Verhulst-BP 模型作为地层沉降的预测模型。 第五章 总结和展望。对课题研究进行总结，针对研究工作中的不足之处，提出下 一步研究计划。 万方数据 西安科技大学硕士学位论文 8 2 相关理论概述 2.1 光纤光栅传感器监测原理 为了研究矿井周围的厚松散层的变形沉降状况， 使用光纤光栅传感器监测技术对松 散层的沉降状况进行监测，监测过程是从力到光学的映射过程。实际应用中，将光栅写 入到光纤内部，通过一定的载体实现大尺度岩体微小形变的精确监测。 光纤光栅传感器的特点是对波长比较敏感，即使监测物体的压力、温度等物理量发 生微小的变动也会引起光栅内部的结构改变，从而引起光栅传感器波长数据的变化，最 终可以通过计算传感器波长的漂移量来间接的反映外界环境的变动。 它属于波长调制型 传感器， 是光纤传感器中应用最多的一种传感器。 图 2.1 为光纤光栅结构及传感原理图。 图 2.1 光纤光栅结构及传感原理图 光纤光栅传感器的原理[33]当光纤的光谱通过光纤光栅结构时，被光栅反射回一单 色光， 反射光的波长与光栅的周期和有效纤芯折射率关。 当被测物体的物理量发生变化， 如压力、温度等的变化将会引起光栅的周期和有效纤芯折射率变化。因此，当被测物体 的物理量发生变化时，监测得到的反射光的波长也不相同，可以通过计算反射光的波长 变化，即漂移量来间接测量外界被测物体的物理量变化。透射过去的剩余宽带光源可以 继续传输给光纤上其它具有不同中心波长的光栅阵列， 其中相应中心波长的窄带光系列 将被逐一反射回来，全部沿原传输光纤返回，由此就可实现多个光纤光栅传感器的串接 复用。光纤光栅传感器，具有高灵敏度的特点，而且松散层沉降具有持续的、微小变形 的特征，符合光纤光栅高精度测量的要求，故可在地层中植入光纤光栅传感器来测量地 层内部应变和温度的变化。 整个项目的基本原理是先构建光纤光栅监测系统， 将光纤光栅通过钻孔植入到松散 层中后，宽带光源为系统提供光能量，光纤光栅传感器利用光源的光波感应外界被测量 的信息，外界被测量的信息通过光纤光栅网络传感解调仪实时地反映出来。宽带光源传 输到被测点，光纤光栅有选择性地反射回一窄带光。由光纤光栅传感网络分析仪内部各 功能模块完成对光纤光栅传感器的输入光源激励/输出光学频谱分析和物理量换算[13]。 万方数据 2 相关理论概述 9 通过光探测器进行光电转换，将光信号转换为电信号，再通过数据采集卡，将电信号转 换为数字信号，转化后的波长被计算机上的虚拟仪器数据采集软件接收。通过预先设定 的数据采集、 存储、 处理机制和通信程式就可把采集到的数据信息汇集到数据库服务器。 2.2 异常值检测技术 在数据挖掘中，异常值检测也称离群点挖掘，它一般包含两方面内容。第一，当对 一个特定的对象进行研究时， 哪些数据可以称为异常数据或者异常数据的判断条件是什 么，这一步主要涉及异常