水利工程灌浆大数据平台设计与实现

水利工程灌浆大数据平台设计与实现

1霍白鸽,2贺晓晓

1中路达远工程设计有限公司 河南省三门峡市 472141

2河南和康工程技术有限公司 河南省三门峡市 472141

摘要：现阶段，全世界都存在可利用水资源不足的问题。为了更有效地利用水资源，修建水利工程已成为必要的手段。在此背景下，水利工程建设的质量不仅关系到国家社会经济的发展，也是关系到国计民生的重要问题。为了提高水利工程的质量，在施工的各个阶段都应采用科学的施工技术，以达到优质水利工程的目标。岩基灌浆技术是水利工程建设中重要的质量控制点之一。因此，在水利工程的全过程中，有必要关注其施工效率。

关键词：大数据平台；水利工程；灌浆；

平台的设计与实现融合水利工程结构化与非结构化数据，将大数据集群并行计算和数据挖掘技术应用到水利工程中，改变传统随机抽样和单一挖掘分析模型，采用多粒度、多层次、多渠道的分析模型对数据全量进行挖掘分析，从海量数据中挖掘分析出于管理、决策和生产有用的信息，实现了数据资源的集成共享、业务的高效处理、数据信息的知识发现，提高了数据存储和处理效率和精度，为当前水利工程大数据的存储与计算提供一种新的解决思路。

一、水利灌浆施工技术要点

1.灌浆施工技术中的钻孔施工技术要点。在灌浆施工技术中，钻孔施工技术是一项非常关键的前期施工技术，只有将钻孔施工做到质量达标，才能够有效保障后期的灌浆施工顺利进行。在钻孔施工中有很多需要注意的施工要点，下面进行简要的分析。目前在灌浆钻孔施工的过程中，常用的钻孔方式为回转式的灌浆钻孔。如果在钻孔的时候，孔深没有超过10m，我们也可以采用风钻的方式以及架钻的施工形式来进行钻孔施工。在钻孔施工中我们要注意几个关键的施工要点，如果在钻孔施工中没有处理好钻孔的施工细节，就会影响钻孔施工的施工质量，影响水利工程的灌浆安全。首先我们要注意钻孔的斜率问题，通常情况下，钻孔是在垂直情况下进行的，因此我们在进行灌浆钻孔施工的过程中，要求孔壁垂直并且均匀，在钻孔中这样要求的目的在于便于后期灌浆的卡紧张施工，同时保障孔壁均匀也能够保障灌浆不出现返浆的问题。尤其需要注意的一点是帷幕深孔的钻孔，如果在进行施工的时候出现了孔距接近的情况，我们就要将钻孔保留一定的斜度，便于钻孔施工。其次在钻孔施工的时候还要对钻孔的施工顺序给予重视。这是因为在钻孔施工的过程中，不论是固结灌浆施工还是帷幕灌浆施工，在施工的过程中都要求施工顺序按照施工技术中要求的进行。通常情况下，我们先进行一序孔的钻孔施工，然后灌浆，之后在依次进行二孔钻孔灌浆，三孔钻孔灌浆。只有按照这样的钻孔施工顺序进行钻孔施工才能够保障钻孔施工的质量，保障后续灌浆施工的顺利进行。按照钻孔顺序进行钻孔施工的另一个优点在于能够有效降低钻孔的失误率，提升钻孔精度。在钻孔结束之后，我们还要对钻孔进行吸水率实验和水压实验，只有上述两个实验完全满足施工技术要求，才能够进行后续的灌浆施工，避免出现灌浆施工返工的情况。

2.高压灌浆技术。在高压灌浆技术的影响下，填充物能够与地基进一步结合，从而进一步强化地基自身的稳定性。但对于岩溶位置来说，由于导致结构较复杂，导致土壤自身比较松软，而在这样的情况下，就需要采取高压灌浆技术，才能够进一步提高地基自身的承载力，从而为水利工程的施工和发展奠定一个坚实的基础。另外，在采取高压灌浆技术后，还能够将水泥与土壤进行结合，在这样的情况下，就能够提高凝结的速度，这样不仅能够进一步强化土壤之间的牢固性，还能够提高地基自身的牢固性。

3.岩基灌浆概述。所谓灌浆，就是通过堵塞开敞的地质缺陷来进一步减少渗漏或者是加固地基的方法，在灌浆中使用的材料多是水域固体组成的泥浆、水泥浆这一类的悬浮液，也可以使用一些纯粹的化学浆液，还可以将二者结合起来进行使用。而岩基灌浆技术，就是指将按照一定比例配置的某种具有胶凝性和流动性的浆液，通过钻孔压入岩层裂隙中，借助于浆液胶结硬化的作用，改善岩基中存在的强度问题，进一步提高岩基的抗渗性和整体性。在水利工程修建的过程中，采用岩基灌浆技术对提高工程建设的质量具有重要意义，其不仅能够提高水利工程岩基的强度，还能够降低不利因素对于水利工程的影响。因此，在我国当前水利工程修建的过程中，对于岩基灌浆技术的应用频率和使用范围相对较高。

二、大数据平台设计与实现

1.数据存储设计。水利工程灌浆大数据平台数据源体量大、种类多、增长快、价值高，主要来源有关系型数据库、数据文件、应用数据、远程采集设备等。长江科学院灌浆与爆破基础处理工程传感器物联网的成功应用，给积累了大量数据源。平台存储分为结构化存储和非结构化存储以及用来存储元数据的元数据管理系统(MetaData Base)。平台对于结构化数据，以文本文件形式存储于HDFS或迁移至HBase，并设置相应的一级索引和二级索引;对于非结构化数据，以二进制的方式存储于HDFS，并将其路径存储于HBase，完成数据资源的读取操作;建立元数据管理系统实现数据资源的注册、抽取、更新、审核和发布，通过元数据这一中间载体屏蔽不同软、硬件平台、网络协议和管理系统之间的具体应用差别，在不同系统之间进行数据交换。

2.数据清洗与转换。在数据挖掘之前，ETL(抽取、转换、加载)尤为重要，是指在数据预处理阶段对前期采集到的原始数据在导入HDFS之前进行一系列的清洗与转换。水利工程传感器网络(如流量、压力、密度、抬动等)或用户采集回来的数据中，大都是未经过整编的数据，有的测点数据异常、缺失、无效或重复，无法直接参与计算，都需要对数据进行分析和预处理以提高灌浆工程数据质量。

3．业务逻辑设计。在业务逻辑层中，封装各种数据挖掘机器学习算法，包括分类、回归、聚类、频繁模式挖掘、协同过滤等。该类算法基于MapＲeduce或Spark框架进行并行化设计，可运行于多个计算节点，能够处理大规模数据且具备良好的可扩展性。业务逻辑层为整个平台的核心层，用户既可针对不同的数据集在算法列表中选择对应算法，亦可上传自定义算法进行运算，算法运行完成后，将运行结果及说明性文档存储至HDFS或关系型数据库，通过ＲEST API(表现层状态转移接口)实现与应用服务层的交互。

4．应用服务设计。应用服务层采用B/S服务模式，以统一接口的方式对外提供服务，平台提供两种数据API接口，包括安全数据访问API和面向应用API，前者提供数据资源下载、数据集上传、运算结果下载、算法运行状态服务，后者提供数据挖掘算法调用执行服务。应用服务层采用基于Java语言的MVC3层框架来实现。后台通过Spring MVC和SpringＲEST提供相应的接口或者符合Ｒestful规范的ＲEST接口，前台通过JavaScript+JQuery+Ajax异步调用后台提供的ＲEST接口来实现前后台之间的交互。系统利用ECharts工具以气泡图、矩阵图、词云以及地图等可视化方式展现结果集，直观地呈现给用户。

总之，从事的水利基础处理工程(灌浆、爆破)传感器物联网采集的数据作为基本数据源，平台还涉及其他众多数据源，后期将会根据实际业务需求逐步迁移其他数据源，使得平台数据源更加丰富、系统更加完善。

参考文献：

［1］刘晓刚．关于水利工程灌浆大数据平台设计与实现．2019.

［2］张宏宇，浅谈水利工程灌浆大数据平台设计与实现研究.2021.