论文部分内容阅读
软土深基坑工程的设计中,选取合适的土体参数对地下连续墙位移进行预测,对优化设计、保障施工安全至关重要。然而,受土体参数不确定性和测量误差的影响,软土深基坑工程中地下连续墙的位移往往难以准确预测。针对该问题,本文提出采用确定性反分析方法(考虑参数灵敏度因子的改进GA-BP神经网络)和不确定性反分析方法(贝叶斯方法)进行参数反演计算,以选取合适的土体参数;同时,借助两个典型的软土深基坑工程案例——积玉桥基坑和Formosa基坑算例,对上述两种反分析方法的可行性进行探讨。本文主要研究内容包括:(1)采用FLAC3D软件建立了积玉桥基坑和Formosa基坑的数值模型,探究基坑地下连续墙的水平位移以及钢支撑应力在基坑开挖过程的变化规律。研究表明:地下连续墙的水平位移沿土层深度方向的分布,呈中间大两端小;钢支撑应力远小于其屈服强度,保证了基坑开挖的稳定性;模拟结果基本与观测结果趋势一致,数值模型能够被用于后续参数反分析。(2)提出了考虑参数灵敏度因子的改进GA-BP神经网络进行确定性参数反分析。通过建立多层土的土性参数与地下连续墙水平位移的映射关系,并与BP神经网络方法计算结果进行对比分析,探讨了改进的GA-BP神经网络反分析方法的适用性。研究表明:引入灵敏度因子进行适应度函数和神经网络性能函数的计算,可提高高灵敏度因子的反演精度,进而使得改进GA-BP神经网络的精度整体上优于BP神经网络的精度。(3)采用贝叶斯方法进行不确定性参数反分析。分别以地连墙最大位移观测值和地连墙多点位移观测值进行参数更新,采用更新后的土体参数进行可靠度分析,分别采用蒙特卡洛方法直接计算失效概率和采用样本统计数据进行数值积分方法计算失效概率。研究表明:使用多点观测数据的更新效果,明显优于仅使用最大值观测数据更新;采用样本统计数据进行数值积分的方法,在小概率事件计算时的精度更高。