南宁地铁盾构双线隧道地表沉降预测模型研究

依托南宁地铁2号线土压平衡盾构施工的双线隧道,通过对施工现场地表沉降的监测分析,揭示了双线隧道左、右线先后开挖过程中的地表横向沉降规律与地表沉降变形的历时变化规律。在此基础上,采用Peck沉降槽理论,考虑双线隧道盾构施工的相互影响,引入左线隧道施工对右线隧道地表沉降影响系数和右线隧道施工对左线隧道地表沉降影响系数,并提出这两个影响系数的确定方法,对相互影响范围内的双线隧道地表沉降公式进行修正,从而提出了一种采用分段函数形式表达的地铁双线隧道盾构施工引起地表沉降的预测模型,并验证了该预测模型的可靠性。     

地铁隧道盾构法施工引起的地表沉降分析

本文介绍了地铁隧道盾构法施工引起地表沉降的原因,通过加强对施工过程的严格控制,根据不同的地质情况采取有针对性的掘进方法,确保盾构法地铁隧道的施工质量,为进行城市地铁隧道施工的企业提供有效的参考价值。     

盾构隧道施工参数对地表沉降的影响研究

以广州市地铁十八号线万顷沙站—万横中间风井盾构区间隧道工程为研究背景,运用有限元软件,探讨了隧道埋深比、掘进压力、注浆厚度3种因素引起的地表变形的影响。在分析中使用控制变量法,在其他条件不变的情况下,改变掘进压力等施工参数并选取合理的值域后进行数值模拟,研究各种参数对地表沉降的影响程度。结果表明：(1)随着隧道埋深比的增大,横向地表沉降量峰值出现先增加后下降的变化规律,沉降槽曲线也逐步趋于缓和;(2)地面横向沉降峰值随掘进压力的增大而增大,当掘进压力超过掌子面土体应力释放值时,沉降量峰值与掘进压力成正比;(3)地面横向沉降量与注浆层厚度成反比。     

软土地层小净距隧道盾构施工地表沉降规律分析

在软土地层中,针对小净距盾构隧道施工的地表沉降规律分析,对保证安全施工与控制地表沉降具有重要的意义.以苏州地铁4号线软土地层为例,根据现场条件,设计监测断面,对比单洞与双洞施工的地表沉降的变化规律,并进行分析,得出了以下结论:后行洞施工对先行洞的影响是一个挤压、剪切与拉伸的过程,地表沉降量也随之增减;随着后行洞掌子面向前推进,先行洞地表土体纵、横向沉降量先增大和后减小;先行洞施工后形成的扰动圈,使得后行洞的地表沉降量始终大于先行洞的沉降量.     

地铁隧道施工诱发地表沉降原因及预防

本文首先总结了地铁施工引起的地表沉降力学机理,随后分析了地铁施工诱发地表变形的两类影响因素：地质因素和人为因素,最后提出地表变形的相应预测及预防措施,可供同类施工工程参考。     

基于深度学习的盾构隧道施工地表沉降预测方法

针对现有盾构隧道施工引发地表沉降预测方法中存在的难以同时挖掘数据之间的非线性特征关系和双向时序信息的问题,通过融合卷积神经网络(CNN)、双向长短期记忆(BiLSTM)与自注意力机制(SA)提出一种基于深度学习的地表最大沉降预测方法(CNN-BiLSTM-SA)。该方法首先利用CNN提取网络输入数据之间的非线性特征关系,利用BiLSTM网络提取输入数据的双向时序信息,然后引入SA机制为CNN提取的特征分配相应的权重,有效捕获时间序列中的关键信息,最后通过全连接层输出最终地表沉降预测结果。以湖南万家丽路电力盾构隧道工程为依托构建地表沉降数据集,并选用ANN、RNN、LSTM、BiLSTM模型开展对比分析。研究结果表明：评估指标CNN-BiLSTM-SA的平均绝对误差(MAE)、均方根(RMSE)、决定系数(R2)、平均绝对百分误差(MAPE)均为最优,具有更好的地表沉降预测性能。     

考虑土拱效应的盾构隧道施工地表沉降规律研究

在盾构隧道施工中,易因地层损失引起地面沉降。在PECK公式中,假定地表沉降槽面积等于地层损失,忽略了土体在开挖前后应力状态的变化而产生的变形,从而产生误差;在隧道拱顶,因土体的不均匀沉降形成土拱,部分土体自重应力被转移到邻近的土体而出现应力释放,引起土体回弹,因此土体沉降槽面积小于地层损失。基于此,本文提出了一种考虑隧道拱顶土体卸荷回弹后的沉降槽面积计算方法,并据此对PECK公式的地表沉降计算方法进行了修正。     

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.     

PBA法扩挖大直径盾构隧道修建地铁车站地表沉降控制

北京地铁14号线试验段采用土压平衡盾构修建,并结合PBA(Pile-Beam-Arch)法小规模暗挖拓展区间隧道形成地铁车站.这种工法可以有效地解决地铁车站和盾构隧道施工之间的矛盾,但没有经验可以借鉴.综合运用预测地表沉降的经验公式、相关统计资料和规范及数值模拟方法,对PBA法扩挖大直径盾构隧道修建地铁车站的过程进行地表沉降分析.结合北京地铁车站地表沉降控制基准值和现有地铁车站地表沉降统计数据,提出地表沉降控制标准,并按照三级控制的管理方法,分级分步进行地表沉降控制,研究结果对工程施工有一定的参考价值.     

大连地铁地表沉降规律

为研究地铁隧道施工引起的地表沉降问题,目前主要采用选取某一地区具有典型性的地质特征,结合实际现场施工总结出与该地区类似地质条件下的概算方法.以随机介质理论为基础,以大连地区地铁隧道开挖大量地表沉降实测数据推导出了可以运用于大连地铁隧道施工引起的地表沉降理论计算公式参数,并对实测沉降值与理论沉降值进行对照,得到了较为满意的成果,该成果对地铁隧道施工具有一定的参考价值和指导意义.     

盾构穿越既有铁路的地表沉降分析

以天津地铁3号线铁东路站～北站盾构区间隧道为背景,通过现场实测和数值模拟的方法,对盾构施工穿越既有铁路引起的地表沉降规律进行了研究。现场实测数据表明:沿隧道轴线方向不同位置的地表位移变化较大,对于双线隧道施工,后建隧道对先建隧道的土体扰动影响较大。结合现场监测数据及各项施工参数设置,采用ANSYS有限元分析软件对隧道下穿既有铁路的施工过程进行了数值模拟。在此基础上,通过模拟与实测数据的对比分析,总结了盾构隧道施工引起的既有铁路纵向和横向地表沉降规律,为类似工程的设计和施工提供参考依据。     

地表变形受地铁施工的影响分析

在隧道修建的过程中,盾构施工是最重要的隧道施工形式之一,虽然其技术已经较为完善但是在隧道的修建过程中,土体的扰动是无法避免的,由于该现象会造成地层发生一定程度的变形、移位。文章主要针对地铁施工中土体扰动对于地表的影响进行了分析,针对其变化规律展开了探讨,对地表变形的研究状况进行了分析,进一步阐释盾构施工引发地表变形的原因以及规律。     

上海地区地铁隧道盾构施工地面沉降分析

根据上海地铁明珠线浦东南路站-南浦大桥站区间隧道盾构推进引起的地面沉降的实际观测数据，分析常用的地面沉降槽计算经验公式对于上海地区软土中修建的地铁盾构隧道的适应性，提出了地铁盾构隧道横断面上地表沉降预测公式参数确定方法以及纵断面上地表沉降分布修正计算公式及其参数确定方法。应用结果表明，该计算公式能较好地预测盾构施工引起的地面沉降分布。     

盾构下穿地铁运营隧道沉降规律分析

为确保盾构安全顺利地下穿地铁运营隧道,避免下穿过程中引起运营隧道过量沉降,影响既有线运营安全,以北京地铁14号线阜通西站~望京站盾构区间隧道下穿地铁15号线运营隧道为工程背景,对左右线盾构2次下穿15号线运营隧道施工过程和沉降情况进行对比分析。在分析右线盾构首次下穿地铁运营隧道结构沉降规律的基础上,制定了左线盾构二次下穿运营隧道的施工参数和相关控制措施,确保了二次下穿运营隧道结构沉降控制在-3 mm以内,取得了良好的效果。研究结果表明:通过设定较高的土压力,采用盾体上的径向注浆孔向盾体和土体之间的空隙注入填充物,提高同步注浆浆液质量和及时进行二次补浆等措施能够有效减小运营隧道结构沉降;盾构施工引起15号线运营隧道的横向沉降范围与施工参数基本无关,左右线穿越有明显的叠加效应,叠加区域内,横向沉降显著影响区域在0~4 D;在不采取超前预加固措施的基础上,仅通过合理设定盾构施工参数和隧道内采取相关措施,能够将15号线隧道结构沉降控制在-3 mm以内。研究结果具有较强的工程实用价值,特别是对盾构下穿运营隧道施工方案的制定具有较强参考价值,也可为国内外类似盾构下穿既有线工程提供借鉴。     

双圆盾构(DOT)隧道的地表沉降分析

分析了双圆盾构隧道的特点以及地表沉降的影响因素和不同计算方法.测试分析表明:双圆盾构隧道与圆形盾构隧道相比,双圆盾构隧道具有占用地下空间小、隧道断面形式多样化、切削面平衡操作简单、掘削土量少等优点;而隧道几何形状和埋深,土体性质的施工扰动,隧道衬砌的变形,盾构推进的平衡压力、姿态,同步注浆等是影响地表沉降的主要因素;最后得出双圆盾构隧道地表沉降与圆形盾构隧道具有相同的机理,但沉降值较大;双圆盾构隧道地表沉降槽的形态可以用正态函数表示,但最大沉降并不一定产生在隧道中心点.     

基于神经模糊推理系统的盾构施工地表沉降预测

盾构隧道施工引起的地表沉降,主要受盾构掘进参数和地层条件的影响,且各参数间关系复杂.已有地表沉降预测方法大都没有直接考虑掘进参数的影响,难以满足盾构快速施工超前预测预报和环境影响控制的需求.自适应神经模糊推理系统(ANFIS)是一种基于神经网络的模糊类智能模型,通过减法聚类数据细分技术自动生成模糊规则,使网络的节点和权值具有明确的物理意义,集成了神经网络数据自适应能力和模糊系统知识表达性能,特别适合于多元非线性系统的预测预报.结合北京地铁14号线东风北桥站至京顺路站区段工程实测数据,选取埋深、洞顶覆土标贯值、土仓压力、推进速度、刀盘转速、扭矩、盾构推力,以及同步注浆量为输入变量,建立了地表最大沉降量预测模型.计算结果表明,该模型计算量小,泛化能力强,计算精度高.研究成果为盾构施工地表沉降预测预报提供了新的技术方案.     

城市地铁施工过程中地表点的动态下沉描述

阐述了城市地铁施工过程中,地表沉陷与变形的一般现象,探讨了地表沉降指数函数计算公式。从地铁施工变形监测的实际工程出发,通过指数函数建立了单点地表沉降过程经验模型。在求解参数初值时,将非线性的曲线方程进行了对数线性化,并通过迭代法计算了参数的精确值。     

基于遗传规划的盾构隧道开挖地表最大沉降预测

由于盾构隧道开挖引起的地面沉降是一个重要而艰巨的任务,许多影响因素都必须考虑,如隧道埋深、盾构直径、盾构掘进时推力、盾构推进速率、注浆填充率、注浆压力、地层的黏聚力、摩擦角、压缩模量等．然而目前没有模型能完全反映各种因素对地面沉降的影响规律,综合考虑各种影响因素,运用遗传规划理论对地表最大沉降进行预测．利用地表沉降实测数据对模型进行测试,建立了确定盾构隧道开挖引起地表最大沉降的遗传规划模型．研究结果表明：预测值与实测值是一致的,误差小于10％．     

黄土地铁隧道施工围岩及地表变形规律研究

以西安地铁3号线某暗挖站区间双线地铁隧道施工为背景,采用有限差分软件FLAC3 D建立土体三维力学模型对双线地铁隧道台阶法施工过程进行动态模拟;并结合现场实测数据分析台阶法施工引起的地铁隧道围岩及地表变形规律。结果表明:(1)台阶法施工诱发的横向地表沉降呈"V"形,最大地表沉降出现在隧道中线偏右方约3 m,最终形成的沉降槽宽度约为隧道洞径的2倍。(2)台阶法施工诱发的纵向地表沉降在开挖面前地表沉降量最大,随着开挖掌子面距离越远,沉降量越小,最后在开挖进尺40 m附近趋于稳定。(3)隧道拱顶纵向沉降曲线与地表沉降变化趋势基本一致。帮部围岩变形呈现出先快速增长后逐渐平稳的趋势,且影响范围逐渐增大。所得结论可为双线地铁隧道施工和变形预测提供参考。     

基于ABC-BP神经网络的地铁盾构地表沉降预测

为研究地层参数和盾构掘进参数与地表沉降的非线性关联性,依托南京地铁6号线盾构区间,采用人工蜂群算法ABC优化BP神经网络,建立可预测地表沉降的ABC-BP神经网络模型。连续3个断面地表沉降预测结果表明:ABC-BP神经网络的预测精度和预测稳定性优于BP神经网络,且预测值与实测值一致;ABC-BP神经网络可较为准确地反映盾构机接近监测断面过程中的地表变形演变规律,最终实现地表变形控制的目的。提出了ABC-BP神经网络现场应用思路,构建了地层-掘进参数-沉降的关系,进而通过地层参数直接实现对盾构掘进参数和地表变形控制。