论文部分内容阅读
摘 要： 介绍地下交通环廊在我国城市现代化建设中的发展趋势，支护方式方法也成为地下交通环廊的安全建设的重要问题。结合深基坑监测，对有安全隐患的情况进行预测预报，将灰色理论、马尔柯夫理论及BP神经网络组合在一起，建立组合预测模型对基坑变形进行监测预测。如果可以推广到基坑的监测预测方面，将会给监测、施工带来更大的经济效益和工程价值。
关键词： 交通环廊；预测模型；基坑变形；组合预测
中图分类号：TU46 文献标识码：A 文章编号：1671-7597（2012）1210181-02
0 引言
随着我国城市交通的发展和地下空间的利用，城市重要地段的交通拥堵问题亟待解决。地下交通的开发和利用将越来越普遍，地下工程的数量不断增加使地面的交通更加畅通，提高了城市交通的效率，因此，修建地下交通环廊已成为我国城市现代化发展趋势[1]。
地下交通环廊主要由环形的主隧道贯通和多条辅助匝道连接。地下交通环廊通常位于城区中心的繁华地带，为了节省地面空间和土地资源，地下交通环廊的埋深一般超过10m，在地下遂道深基坑开挖过程中，受施工扰动的影响，土体应力、应变及其力学性状都会发生或多或少的变化，进而导致基坑的变形。当基坑变形量达到一定程度时就会出现基坑失稳的问题。为了保证基坑的安全，为了避免经济损失，在基坑开挖过程中需对其进行变形观测和数据处理。所以，可以建立地下交通环廊监测模型，实现对基坑变形的预测分析。
1 国内外现状分析
19世纪后伴随着土木工程的发展，大量高层建筑以及地下工程的出现，基坑的数量越来越多，基坑安全就是目前的一个研究热点。许多学者已开始对基坑工程安全监测工作进行研究。基坑监测技术是在基坑开挖施工或建成运行过程中，用科学仪器、设备和手段对支护系统、周边环境，如基坑边土体、建筑物、道路、地下管线等的水平和垂直位移、倾斜、应力、开裂、基底隆起及地下水位的动态变化、土层孔隙水压力变化等进行的综合监测[2]。
20世纪中期，Terzaghi和Peek等人研究岩土工程问题而提出的预估挖方稳定程度和支撑荷载大小的总应力法[3]，经过后来改进和修正的理论沿用至今。在50年代，Junemim和Eide经过努力得到了深基坑坑底隆起的分析方法。到了60年代，在挪威首都奥斯陆和墨西哥首都黑西哥城开始对软粘土深基坑使用仪器监测。历经30年的发展，到20世纪90年代，国外已应用计算机在监测数据采集系统中，实现了信息化监测。此时，我国的深基坑全方位监则刚起步。
近几十年以来，我国建筑行业蓬勃发展，信息化施工及动态设计技术开始兴起，国内许多学者对深基坑监测预测技术进行了更深入的研究。现在常用的深基坑预测方法模型有灰色系统预测法、模糊数学预测法、实时建模预测法以及神经网络预测法。2000年，在李宏义的基坑变形灰色预警系统[4]中，从基坑位移影响因素和位移特征着手，建立了灰色预测预警模型，总结出了灰色预测预报模型有较好的拟合度和预测的可靠性，能提前预测位移和变形速率。2001年，胡友健研究了集监测数据处理、图形绘制与管理、变形预测及险情判断等多功能于一体的深基坑监测预测系统[5]，总结出了该系统对深基坑的监测数据库进行管理，利用灰色系统理论建立变形预测模型。叶亚林等用曲线拟合模型、GM（1，1）模型和BP网络模型对基坑位移变形监测数据进行建模拟合及仿真[6]，结果表明BP网络模型的仿真值及精度最高。贺可强根据深基坑变形的特征，用神经网络建立了深基坑变形的实时预测模型，编写了基坑监测预测神经网络程序[7]。
2 地下交通环廊的支护形式
武汉王家墩商务区核心区地下交通环廊工程一标段商务东路段基坑工程位于王家墩商务区核心区东侧，基坑深度约8.0～11.4m。基坑工程的重要性等级为一级。
地下交通环廊主环为单向三车道，匝道为两车道，设计车行速度为20km/h，服务于中小型客车；地下交通环一线（暗埋）长568.52m，四条匝道（暗埋+敞口）长411.37m.综合管沟利用主环止方结构空腔设置，与交通环廊风道平行设置，断面尺寸为4.8m（宽）×2.0m（高）。地下交通环廊及综合乔迁之喜沟采用明挖法施工。
基坑围护结构采用φ850和φ1000厚型钢水泥土搅拌墙（SMW工法桩），墙深16.5～25.0m，内设一道砼支撑，二、三道为钢管撑。匝道基坑深度约0.67～10.2m，匝道段基坑围护结构根据开挖尝试分别采用放坡，水泥土搅拌桩挡墙、650和850厚型钢水泥土搅拌墙（SMW工法桩），内设一道砼支撑，一～二道钢管撑。放坡开挖段坡比为1：2，采用100厚喷射浊、混凝土加φ8@150×150钢盘网支护，顶部和底部设置截水沟。交叉口区域1基坑采用850厚型钢水泥土搅拌墙（SMW工法桩），墙深16.3～25.0m。内设一道砼支撑，二、三道钢管撑。
基坑设置第一道支撑为混凝土支撑，混凝土支撑撑在顶圈梁。第二、三道支撑为φ609×16钢管支撑。
3 监测模型分析
由于施工环境的复杂性和影响因素的多样性，且随着观测数据的不断增加，监测数据中包含的变形信息和各种误差逐渐增加；如果预测模型不能正确区分变形信息和误差，将很难准确的预测后期的变形趋势；因此，需要找到一种能够考虑各种变形影响因素的预测预报方法。在诸多的变形监测预测方法中，灰色系统预测模型、马尔可夫链模型、BP神经网络预测模型是应用效果较好的预测模型。
灰色预测模型是一个能处理贫信息的系统。灰色系统建模有独特的条件，其常用的数据有科学实验数据、经验数据、生产数据、决策数据，而后序列的生成数据是建立灰色模型的基础，一般生成的非负序列累加生成后，得到准光滑序列，对于满足光滑条件的序列，即可建立GM微分模型。模型精度可以通过不同的灰数生成方式，数据的取舍，序列的调整、修正以及不同级别的残差GM模型补充得到。而后灰色系统理论采用残差大小检验、关联度检验、后验差检验三种方法检验、判断模型的精度。 灰色预测模型采用的是生成系列，只要求较短的观测资料即可，具有明显上升趋势的数据预测效果更好，这和时间序列分析，多元分析等概率统计模型要求较长资料很不一样。因此，对于较少量观测数据的项目来说，灰色预测是一种有用的预测工具。
马尔可夫是对一个随机变化的动态系统进行研究的预测理论，系统将来所处的状态只与现在系统状态有关，而与过去所处状态无关，根据状态之间的转换概率预测一个系统将来的发展态势，常利用该模型确定工农业生产、经济等状态的转移规律。马尔可夫链的初始假设条件[8-9]规定：马尔可夫链研究对象的状态转移只与事物的近期状态有关，与过去状态无关，即无后效性，且时间和状态均为离散；在预测期间状态个数不变，TPM逐期保持不变，即具有平稳分布的过程。
BP神经网络是一种多层前向网络，它具备神经网络的普遍优点，但它却不是非常完美的。BP神经网络常用三层网络结构，它具有：从一个输入到输出的非线性映射能力；高度自学习和自适应能力；将学习成果应用于新知识的能力，即泛化能力；系统在受到局部损伤时还可以正常工作的容错能力。BP神经网络也有自身的局限性，它的每个节点和权值都会影响输出，且适应过程和全局逼近过程比较耗时，导致收敛速度较慢；同时BP网络是属于梯度下降的非凸问题，容易陷入局部极小值，导致错误的工作模式；隐含层的数目及其单元的选取尚无理论上的指导，因而BP网络一般具有很大的冗余性[10]。
4 小结
本文介绍了国内外基坑工程监测预测研究现状，阐述了地下交通环廊深基坑支护的方法，分析了地下交通环廊面临的信息化问题，通过分析地下交通环廊监测的特点，将预测模型与监测系统相结合，实现信息化监测预测，并在此基础上实现信息的存储、处理、分析、查询、预测、预警以及成果输出的自动化系统，实现各类监测数据相关信息的快速准确采集及科学分析与反馈将是今后的发展趋势。
参考文献：
[1]钱晓彬、黄求喜、王晓刚，武汉CBD地下交通环廊火灾烟气控制[J].中华建设，2012（6）：210-211.
[2]余波，基坑工程的信息化施工[J].建筑安全，2002（4）：21-23.
[3]Terzaghi K，Peek.Theoretical soil mechanics[M].New York：Wiley.1943.
[4]李宏义，基坑变形灰色预测预警系统[J].勘察科学技术，2000（6）：40-44.
[5]胡友健、李梅等，深基坑工程监测数据处理与预测报警系统[J].焦作工学院学报，2001（3）：130-135.
[6]贺国强、王胜利等，神经网络法在深基坑变形实时预报中的应用研究[J].建筑技术开发，2002（7）.
[7]叶亚林、付丽丽，深基坑位移变形监测预测模型分析及应用[J].城市勘测，2012（2）：126-130.
[8]吴风山，实用预测技术[M].北京：社会科学出版社，1986.
[9]Robert S P，Danial L R.Econometric Models and Economic Forecasts[M].New York：McGraw-Hill Book，Co，1981.
[10]杨建刚，人工神经网络实用教程[M].杭州：浙江大学出版社，2002.
作者简介：
董文宝（1985-），硕士研究生，研究方向：岩土工程。
关键词： 交通环廊；预测模型；基坑变形；组合预测
中图分类号：TU46 文献标识码：A 文章编号：1671-7597（2012）1210181-02
0 引言
随着我国城市交通的发展和地下空间的利用，城市重要地段的交通拥堵问题亟待解决。地下交通的开发和利用将越来越普遍，地下工程的数量不断增加使地面的交通更加畅通，提高了城市交通的效率，因此，修建地下交通环廊已成为我国城市现代化发展趋势[1]。
地下交通环廊主要由环形的主隧道贯通和多条辅助匝道连接。地下交通环廊通常位于城区中心的繁华地带，为了节省地面空间和土地资源，地下交通环廊的埋深一般超过10m，在地下遂道深基坑开挖过程中，受施工扰动的影响，土体应力、应变及其力学性状都会发生或多或少的变化，进而导致基坑的变形。当基坑变形量达到一定程度时就会出现基坑失稳的问题。为了保证基坑的安全，为了避免经济损失，在基坑开挖过程中需对其进行变形观测和数据处理。所以，可以建立地下交通环廊监测模型，实现对基坑变形的预测分析。
1 国内外现状分析
19世纪后伴随着土木工程的发展，大量高层建筑以及地下工程的出现，基坑的数量越来越多，基坑安全就是目前的一个研究热点。许多学者已开始对基坑工程安全监测工作进行研究。基坑监测技术是在基坑开挖施工或建成运行过程中，用科学仪器、设备和手段对支护系统、周边环境，如基坑边土体、建筑物、道路、地下管线等的水平和垂直位移、倾斜、应力、开裂、基底隆起及地下水位的动态变化、土层孔隙水压力变化等进行的综合监测[2]。
20世纪中期，Terzaghi和Peek等人研究岩土工程问题而提出的预估挖方稳定程度和支撑荷载大小的总应力法[3]，经过后来改进和修正的理论沿用至今。在50年代，Junemim和Eide经过努力得到了深基坑坑底隆起的分析方法。到了60年代，在挪威首都奥斯陆和墨西哥首都黑西哥城开始对软粘土深基坑使用仪器监测。历经30年的发展，到20世纪90年代，国外已应用计算机在监测数据采集系统中，实现了信息化监测。此时，我国的深基坑全方位监则刚起步。
近几十年以来，我国建筑行业蓬勃发展，信息化施工及动态设计技术开始兴起，国内许多学者对深基坑监测预测技术进行了更深入的研究。现在常用的深基坑预测方法模型有灰色系统预测法、模糊数学预测法、实时建模预测法以及神经网络预测法。2000年，在李宏义的基坑变形灰色预警系统[4]中，从基坑位移影响因素和位移特征着手，建立了灰色预测预警模型，总结出了灰色预测预报模型有较好的拟合度和预测的可靠性，能提前预测位移和变形速率。2001年，胡友健研究了集监测数据处理、图形绘制与管理、变形预测及险情判断等多功能于一体的深基坑监测预测系统[5]，总结出了该系统对深基坑的监测数据库进行管理，利用灰色系统理论建立变形预测模型。叶亚林等用曲线拟合模型、GM（1，1）模型和BP网络模型对基坑位移变形监测数据进行建模拟合及仿真[6]，结果表明BP网络模型的仿真值及精度最高。贺可强根据深基坑变形的特征，用神经网络建立了深基坑变形的实时预测模型，编写了基坑监测预测神经网络程序[7]。
2 地下交通环廊的支护形式
武汉王家墩商务区核心区地下交通环廊工程一标段商务东路段基坑工程位于王家墩商务区核心区东侧，基坑深度约8.0～11.4m。基坑工程的重要性等级为一级。
地下交通环廊主环为单向三车道，匝道为两车道，设计车行速度为20km/h，服务于中小型客车；地下交通环一线（暗埋）长568.52m，四条匝道（暗埋+敞口）长411.37m.综合管沟利用主环止方结构空腔设置，与交通环廊风道平行设置，断面尺寸为4.8m（宽）×2.0m（高）。地下交通环廊及综合乔迁之喜沟采用明挖法施工。
基坑围护结构采用φ850和φ1000厚型钢水泥土搅拌墙（SMW工法桩），墙深16.5～25.0m，内设一道砼支撑，二、三道为钢管撑。匝道基坑深度约0.67～10.2m，匝道段基坑围护结构根据开挖尝试分别采用放坡，水泥土搅拌桩挡墙、650和850厚型钢水泥土搅拌墙（SMW工法桩），内设一道砼支撑，一～二道钢管撑。放坡开挖段坡比为1：2，采用100厚喷射浊、混凝土加φ8@150×150钢盘网支护，顶部和底部设置截水沟。交叉口区域1基坑采用850厚型钢水泥土搅拌墙（SMW工法桩），墙深16.3～25.0m。内设一道砼支撑，二、三道钢管撑。
基坑设置第一道支撑为混凝土支撑，混凝土支撑撑在顶圈梁。第二、三道支撑为φ609×16钢管支撑。
3 监测模型分析
由于施工环境的复杂性和影响因素的多样性，且随着观测数据的不断增加，监测数据中包含的变形信息和各种误差逐渐增加；如果预测模型不能正确区分变形信息和误差，将很难准确的预测后期的变形趋势；因此，需要找到一种能够考虑各种变形影响因素的预测预报方法。在诸多的变形监测预测方法中，灰色系统预测模型、马尔可夫链模型、BP神经网络预测模型是应用效果较好的预测模型。
灰色预测模型是一个能处理贫信息的系统。灰色系统建模有独特的条件，其常用的数据有科学实验数据、经验数据、生产数据、决策数据，而后序列的生成数据是建立灰色模型的基础，一般生成的非负序列累加生成后，得到准光滑序列，对于满足光滑条件的序列，即可建立GM微分模型。模型精度可以通过不同的灰数生成方式，数据的取舍，序列的调整、修正以及不同级别的残差GM模型补充得到。而后灰色系统理论采用残差大小检验、关联度检验、后验差检验三种方法检验、判断模型的精度。 灰色预测模型采用的是生成系列，只要求较短的观测资料即可，具有明显上升趋势的数据预测效果更好，这和时间序列分析，多元分析等概率统计模型要求较长资料很不一样。因此，对于较少量观测数据的项目来说，灰色预测是一种有用的预测工具。
马尔可夫是对一个随机变化的动态系统进行研究的预测理论，系统将来所处的状态只与现在系统状态有关，而与过去所处状态无关，根据状态之间的转换概率预测一个系统将来的发展态势，常利用该模型确定工农业生产、经济等状态的转移规律。马尔可夫链的初始假设条件[8-9]规定：马尔可夫链研究对象的状态转移只与事物的近期状态有关，与过去状态无关，即无后效性，且时间和状态均为离散；在预测期间状态个数不变，TPM逐期保持不变，即具有平稳分布的过程。
BP神经网络是一种多层前向网络，它具备神经网络的普遍优点，但它却不是非常完美的。BP神经网络常用三层网络结构，它具有：从一个输入到输出的非线性映射能力；高度自学习和自适应能力；将学习成果应用于新知识的能力，即泛化能力；系统在受到局部损伤时还可以正常工作的容错能力。BP神经网络也有自身的局限性，它的每个节点和权值都会影响输出，且适应过程和全局逼近过程比较耗时，导致收敛速度较慢；同时BP网络是属于梯度下降的非凸问题，容易陷入局部极小值，导致错误的工作模式；隐含层的数目及其单元的选取尚无理论上的指导，因而BP网络一般具有很大的冗余性[10]。
4 小结
本文介绍了国内外基坑工程监测预测研究现状，阐述了地下交通环廊深基坑支护的方法，分析了地下交通环廊面临的信息化问题，通过分析地下交通环廊监测的特点，将预测模型与监测系统相结合，实现信息化监测预测，并在此基础上实现信息的存储、处理、分析、查询、预测、预警以及成果输出的自动化系统，实现各类监测数据相关信息的快速准确采集及科学分析与反馈将是今后的发展趋势。
参考文献：
[1]钱晓彬、黄求喜、王晓刚，武汉CBD地下交通环廊火灾烟气控制[J].中华建设，2012（6）：210-211.
[2]余波，基坑工程的信息化施工[J].建筑安全，2002（4）：21-23.
[3]Terzaghi K，Peek.Theoretical soil mechanics[M].New York：Wiley.1943.
[4]李宏义，基坑变形灰色预测预警系统[J].勘察科学技术，2000（6）：40-44.
[5]胡友健、李梅等，深基坑工程监测数据处理与预测报警系统[J].焦作工学院学报，2001（3）：130-135.
[6]贺国强、王胜利等，神经网络法在深基坑变形实时预报中的应用研究[J].建筑技术开发，2002（7）.
[7]叶亚林、付丽丽，深基坑位移变形监测预测模型分析及应用[J].城市勘测，2012（2）：126-130.
[8]吴风山，实用预测技术[M].北京：社会科学出版社，1986.
[9]Robert S P，Danial L R.Econometric Models and Economic Forecasts[M].New York：McGraw-Hill Book，Co，1981.
[10]杨建刚，人工神经网络实用教程[M].杭州：浙江大学出版社，2002.
作者简介：
董文宝（1985-），硕士研究生，研究方向：岩土工程。