论文部分内容阅读
地铁车站深基坑开挖过程必定会导致围护结构的变形,进而出现坑边地表沉降,甚至直接危及基坑自身安全,带来较大经济损失和社会影响。对地铁车站深基坑围护结构进行变形分析和预测,可以给类似土层条件的工程分析提供参考,在工程施工中起到“预警”的作用,进而指导工程项目安全有序的进行。本文以武汉地铁六号线某车站施工全过程为背景,结合监测数据,运用仿生智能算法和数值模拟法对某车站深基坑围护结构进行变形分析和预测,并通过实测数据验证分析结果的正确性。主要研究内容有:(1)选取某车站深基坑某一部分作为研究对象,将基坑开挖分为5个工况,运用GA-BP算法对各工况下开挖范围内的土层弹性模量E进行反演,记录各工况下的各土层弹性模量反演值;(2)结合土体侧向卸荷理论的相关研究,分析了基坑开挖条件下各土层弹性模量的变化趋势,并运用理论公式加以推导验证;(3)验证岩土本构模型选取的正确性,使用遗传算法对屈服函数中的参数进行反演,再将反演值和参数理论值对比,确定最合适的本构模型;(4)在AutoCAD-ANSYS-flac3D三维建模中分别选用D-P模型和M-C模型进行计算,将水平位移模拟值与实测值进行对比分析;(5)运用GA-SVM算法、BP神经网络、SVM算法对围护结构最大水平位移值进行预测分析。本文的研究,可得如下结论:(1)通过工程实例,说明了仿生智能算法对地铁车站深基坑进行土性参数反分析和本构模型识别的合理性;(2)运用土体侧向卸荷理论分析得知,随着基坑的开挖,各层土的弹性模量呈递减趋势,这一趋势和同一土层在不同工况下的GA-BP反演结果相一致;(3)探究合理的三维模型建模方法,采用反演的土性参数值和D-P本构模型,建立符合实际的基坑开挖三维模型,采用D-P模型的计算结果与实测值更为吻合;(4)通过运用GA-SVM算法、BP神经网络、SVM算法对围护结构最大水平位移值做预测分析,发现采用GA-SVM算法的预测结果和实测数据之间的误差最小。