滩涂极软地基托板桩法处理技术研究

为研究滩涂极软地基上托板桩的工作特性,开展了现场试验和有限元分析.现场实测了地表沉降及土压力,并据此建立了二维平面应变模型,进而对不同时期的地基土超孔隙水压力、土压力、沉降、水平位移等问题进行了研究.研究结果表明:随着填土高度增加,桩顶与桩间土差异沉降增大,产生土拱效应和拉膜效应,桩身轴力、桩体荷载分担比和桩端附近土体超孔压增大;填筑完成后超孔压消散,地基土逐渐固结,桩间土与桩顶差异沉降增大后趋于稳定,桩体荷载分担比逐渐稳定在80％左右;土工格栅拉力较小,传递荷载的能力有限;浅层地基土对桩体有负摩阻力,桩身轴力沿深度先增大后减小;托板桩法可有效控制地基土水平位移.     

软土地区基坑降水对下方越江隧道的影响

基于工程实际,采用有限元法并结合一维固结理论和三维渗流理论分析越江隧道上方基坑降水对其结构的影响,探讨了降水水位、抽水层次、降水时间及方式等因素对越江隧道沉降的影响.结果表明：基坑降水将造成下方越江隧道的沉降;降水深度与其沉降量呈线性变化关系;若抽取微承压水或延长降水时间,都将增加越江隧道下卧土的沉降量.控制隧道上方的基坑降水应采取坑内降水的方式.     

基于机器学习算法的盾构掘进地表沉降预测方法

针对有限元、地层损失率等方法难以考虑多参数耦合作用情况下的地表沉降预测的问题,基于BP神经网络(BPNN)和随机森林算法(RF)两种机器学习算法的多参数、非线性拟合能力,提出了预测盾构掘进过程中地表最大沉降以及纵向沉降曲线的预测方法.通过粒子群算法(PSO)确定机器学习算法的最优超参数,通过k折交叉验证方法提高预测方法的鲁棒性.结果表明BP神经网络的预测结果误差较大,难以预测到较大的地表沉降,随机森林算法能够准确预测地表最大沉降和纵向沉降曲线.