長(zhǎng)隧道圍巖施工變形特征分析的模型應(yīng)用

謝　齊，賴祖龍，張　薇，潘　雄

(中國(guó)地質(zhì)大學(xué)(武漢)信息工程學(xué)院，湖北 武漢 430074)

?

長(zhǎng)隧道圍巖施工變形特征分析的模型應(yīng)用

謝齊，賴祖龍，張薇，潘雄

(中國(guó)地質(zhì)大學(xué)(武漢)信息工程學(xué)院，湖北 武漢 430074)

摘要：隧道圍巖監(jiān)控量測(cè)是隧道安全施工的重要保證，通過(guò)對(duì)隧道現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)進(jìn)行建模來(lái)分析圍巖施工的變形特征，可以判斷隧道圍巖的穩(wěn)定性，從而指導(dǎo)隧道的下一步施工。利用灰色系統(tǒng)理論GM(1，1)模型和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)某隧道現(xiàn)場(chǎng)監(jiān)控量測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)擬合與建模分析，并通過(guò)計(jì)算擬合殘差選取更適合的預(yù)測(cè)模型來(lái)處理分析數(shù)據(jù)。由模型預(yù)測(cè)結(jié)果可知，BP神經(jīng)網(wǎng)絡(luò)模型所得到的擬合值更加貼合實(shí)際發(fā)展趨勢(shì)，擬合精度更高，具有一定的適應(yīng)性。

關(guān)鍵詞：長(zhǎng)隧道；圍巖變形；監(jiān)控量測(cè)；灰色系統(tǒng)理論；BP神經(jīng)網(wǎng)絡(luò)

隨著我國(guó)高速鐵路建設(shè)的快速發(fā)展，對(duì)隧道的安全施工提出了更高、更嚴(yán)格的要求。我國(guó)西南地區(qū)分布較多山地丘陵等地形地貌，導(dǎo)致其地質(zhì)、氣候、水文等自然地理?xiàng)l件較為復(fù)雜，進(jìn)而使這類地區(qū)的隧道施工面臨更大的技術(shù)難度。為了降低隧道施工和后續(xù)使用過(guò)程的安全隱患，有必要加強(qiáng)對(duì)隧道圍巖變形破壞機(jī)理的認(rèn)識(shí)，并運(yùn)用監(jiān)控量測(cè)技術(shù)來(lái)監(jiān)控隧道圍巖施工的變形特征。

隧道分部開(kāi)挖施工工藝的要點(diǎn)是：超前支護(hù)、鉆孔爆破、出渣運(yùn)輸、支護(hù)、二襯施工[1]。隧道施工過(guò)程中，主要通過(guò)監(jiān)控量測(cè)技術(shù)測(cè)量圍巖變形量、地表下沉量來(lái)檢驗(yàn)設(shè)計(jì)參數(shù)、地面穩(wěn)定情況，作為指導(dǎo)隧道安全施工的主要依據(jù)。隧道監(jiān)控量測(cè)的目的在于對(duì)其支護(hù)結(jié)構(gòu)的穩(wěn)定性進(jìn)行預(yù)測(cè)，正確認(rèn)識(shí)軟弱圍巖的變形規(guī)律，做好隧道設(shè)計(jì)，確保施工安全[2]。隧道巖體結(jié)構(gòu)特征是隧道圍巖穩(wěn)定性的重要影響因素[3]。隧道施工方法目前采用最多的為新奧法，而監(jiān)控量測(cè)是新奧法的三大核心之一，它的首要作用就是確定圍巖及支護(hù)的受力情況和變形數(shù)據(jù)，對(duì)隧道施作二襯時(shí)間的選取起到了決定性作用，同時(shí)根據(jù)支護(hù)的受力狀況，對(duì)確定支護(hù)的施工方法提供技術(shù)指標(biāo)[4]。

灰色系統(tǒng)理論(Grey System Theory)是指既含有已知信息，又含有未知信息的系統(tǒng)，主要用于預(yù)測(cè)、決策、控制等方面研究，尤其適用于預(yù)測(cè)分析[5]。灰色系統(tǒng)理論自誕生以來(lái)，發(fā)展很快，在很多研究領(lǐng)域有著廣闊的應(yīng)用前景，特別是針對(duì)因素空間難以窮盡、運(yùn)行機(jī)制尚未明確，且又缺乏建立確定關(guān)系的信息系統(tǒng)，灰色系統(tǒng)理論及方法為解決此類問(wèn)題提出了新的思路和嘗試。

BP神經(jīng)網(wǎng)絡(luò)同樣廣泛地應(yīng)用于識(shí)別與預(yù)測(cè)方面的研究，主要是進(jìn)行數(shù)據(jù)分類和加權(quán)計(jì)算，并進(jìn)行相應(yīng)的反饋以及在模式評(píng)估中進(jìn)行模式的挖掘和評(píng)估[6]。近年來(lái)，BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)對(duì)隧道圍巖施工監(jiān)控量測(cè)數(shù)據(jù)的處理和預(yù)測(cè)有著積極的作用，現(xiàn)在已經(jīng)被廣泛地運(yùn)用于工程實(shí)踐。

本文以成貴高鐵南廠溝隧道為例，運(yùn)用灰色系統(tǒng)理論GM(1，1)模型和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)南廠溝隧道D2K102+020斷面現(xiàn)場(chǎng)監(jiān)控量測(cè)數(shù)據(jù)進(jìn)行擬合分析，并通過(guò)計(jì)算擬合殘差來(lái)選取符合實(shí)際發(fā)展規(guī)律的預(yù)測(cè)模型對(duì)監(jiān)控量測(cè)數(shù)據(jù)進(jìn)行分析處理，從而指導(dǎo)隧道的安全施工。

1南廠溝隧道的監(jiān)控量測(cè)簡(jiǎn)介

成貴高鐵南廠溝隧道設(shè)計(jì)里程范圍為D2K101+805.00～DK104+980.00，全長(zhǎng)3 175 m。南廠溝隧道采用上下臺(tái)階開(kāi)挖法，進(jìn)出口同時(shí)開(kāi)挖。

隧道圍巖的監(jiān)控量測(cè)信息化，是一種利用高精度的全站儀來(lái)測(cè)量所布設(shè)測(cè)點(diǎn)的絕對(duì)三維坐標(biāo)，并通過(guò)手機(jī)客戶端和計(jì)算機(jī)客戶端進(jìn)行輔助分析處理的科學(xué)方法。南廠溝隧道的圍巖變形監(jiān)測(cè)就是采用這種隧道監(jiān)控量測(cè)信息化方法。南廠溝隧道的現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)的采集主要采用目前精度較高的徠卡TS30全站儀，它在精測(cè)模式下的測(cè)距精度為0.6 mm+1 ppm，單棱鏡測(cè)程為3 500 m，長(zhǎng)測(cè)程模式可達(dá)10 000 m，反射片測(cè)距精度為1 mm+1 ppm，測(cè)程為250 m，通過(guò)將現(xiàn)場(chǎng)測(cè)量的數(shù)據(jù)及時(shí)上傳至成貴鐵路隧道施工監(jiān)控量測(cè)信息化系統(tǒng)進(jìn)行數(shù)據(jù)處理分析，以準(zhǔn)確安全地指導(dǎo)隧道施工。

我國(guó)現(xiàn)行鐵路隧道施工規(guī)范將現(xiàn)場(chǎng)監(jiān)控量測(cè)項(xiàng)目劃分為必測(cè)項(xiàng)目和選測(cè)項(xiàng)目。南廠溝隧道在洞內(nèi)布設(shè)了拱頂沉降觀測(cè)點(diǎn)和水平周邊收斂觀測(cè)點(diǎn)，并在隧道開(kāi)挖前在隧道淺埋段布設(shè)了地表沉降測(cè)點(diǎn)，且地表沉降測(cè)點(diǎn)和隧道洞內(nèi)觀測(cè)點(diǎn)布置在同一斷面里程，見(jiàn)圖1、圖2和圖3。

圖1　拱頂沉降觀測(cè)點(diǎn)示意圖Fig.1　Sketch map of observation points for　　　vault settlement

圖2　水平周邊收斂觀測(cè)點(diǎn)示意圖Fig.2　Sketch map of observation points for　　　horizontal convergence

圖3　地表沉降測(cè)點(diǎn)示意圖Fig.3　Sketch map of observation points for　　　surface subsidence

根據(jù)隧道圍巖等級(jí)設(shè)置監(jiān)控量測(cè)斷面間距，并根據(jù)位移速度確定監(jiān)控量測(cè)頻率，具體詳見(jiàn)表1和表2[7]。

表1　按隧道圍巖等級(jí)設(shè)置的監(jiān)控量測(cè)斷面間距

表2　按位移速度確定的監(jiān)控量測(cè)頻率

隧道監(jiān)控量測(cè)信息化系統(tǒng)是對(duì)監(jiān)控量測(cè)得到的數(shù)據(jù)進(jìn)行信息化管理，建立監(jiān)控量測(cè)信息化管理平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)信息獲取后的及時(shí)傳遞與及時(shí)反饋，并利用軟件的可操作性和互聯(lián)網(wǎng)的便利，實(shí)現(xiàn)信息的高效、低成本傳輸[8]。成貴鐵路隧道施工監(jiān)控量測(cè)信息化系統(tǒng)是將現(xiàn)場(chǎng)測(cè)量的數(shù)據(jù)實(shí)時(shí)上傳至服務(wù)器進(jìn)行數(shù)據(jù)處理分析，安裝在電腦客戶端的數(shù)據(jù)管理子系統(tǒng)可自服務(wù)器端下載權(quán)限內(nèi)數(shù)據(jù)，并進(jìn)行查詢與深層次分析(如回歸分析、多點(diǎn)對(duì)比、線路縱向?qū)Ρ鹊?、統(tǒng)計(jì)、報(bào)表輸出等。圖4為南廠溝隧道某斷面拱頂下沉測(cè)點(diǎn)的月統(tǒng)計(jì)報(bào)表示意圖。

圖4　南廠溝隧道拱頂下沉測(cè)點(diǎn)月統(tǒng)計(jì)報(bào)表示意圖Fig.4　Sketch map of the report of vault settlement　　　observation points of Nanchanggou tunnel

2隧道監(jiān)控量測(cè)數(shù)據(jù)處理方法

本文主要采用灰色系統(tǒng)理論和BP神經(jīng)網(wǎng)絡(luò)原理的主要方法對(duì)南廠溝隧道監(jiān)控量測(cè)數(shù)據(jù)進(jìn)行處理分析。

2.1灰色系統(tǒng)理論GM(1，1)模型

灰色系統(tǒng)理論的研究對(duì)象是數(shù)量較少、前期的認(rèn)知信息不足的樣本，它可以準(zhǔn)確地描述系統(tǒng)內(nèi)在的運(yùn)作規(guī)律和特征。由于灰色系統(tǒng)理論使用簡(jiǎn)單，對(duì)具體試驗(yàn)數(shù)據(jù)無(wú)特殊要求，經(jīng)過(guò)長(zhǎng)時(shí)間的學(xué)習(xí)和實(shí)踐，灰色系統(tǒng)理論已經(jīng)得到了廣泛的應(yīng)用。灰色系統(tǒng)理論用抽象的方法來(lái)處理隨機(jī)變化的因素，按某種數(shù)理方法進(jìn)行數(shù)據(jù)生成，如建模生成和關(guān)聯(lián)生成，避開(kāi)了需要大樣本大概率尋找統(tǒng)計(jì)規(guī)律這一條件，將表面上沒(méi)有規(guī)律的原始數(shù)列整理成規(guī)律明顯的生成數(shù)列[9]。在隧道變形監(jiān)測(cè)中，周期性獲取的監(jiān)測(cè)數(shù)據(jù)不連續(xù)，不能形成連續(xù)的時(shí)間序列，而灰色系統(tǒng)理論恰好可以處理此類只有有限個(gè)數(shù)據(jù)的數(shù)列系統(tǒng)[10]?；疑到y(tǒng)理論中GM(1，N)模型不適合于未來(lái)發(fā)展趨勢(shì)的預(yù)測(cè)，而其特例GM(1，1)灰色預(yù)測(cè)模型適合[11]，也就是本文將要用到的數(shù)據(jù)處理模型。GM(1,1)灰色微分方程為

x(0)(t)+az(1)t=b

(1)

x(1)(t-1)]。

該灰色微分方程的最小二乘估計(jì)參數(shù)列滿足：

(2)

對(duì)式(1)進(jìn)行求解，得到其通解為

(3)

式中：C為積分常數(shù)，需要通過(guò)一個(gè)定解條件來(lái)確定。

在目前采用的灰色預(yù)測(cè)模型中，一般假定：

(4)

將式(4)代入式(3)，可得

C=-ax(0)(1)+b

(5)

從而式(3)在式(4)條件下的特解為

(6)

式(6)即為灰色預(yù)測(cè)模型GM(1，1)的時(shí)間響應(yīng)序列[12]。但對(duì)于GM(1，1)模型，必須通過(guò)精度檢驗(yàn)才能用于預(yù)測(cè)。

2.2BP神經(jīng)網(wǎng)絡(luò)模型

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是單向傳播的多層前饋網(wǎng)絡(luò)。在正向傳播中，是通過(guò)輸入層將輸入信息傳到隱含層節(jié)點(diǎn)，再經(jīng)由隱含層節(jié)點(diǎn)的一系列處理后傳向輸出層，當(dāng)輸出層不能得到模型中所預(yù)期的輸出值時(shí)，將進(jìn)行誤差反向傳播途徑，將誤差按照上述的原路徑返回，并逐一修改各層神經(jīng)元之間的連接權(quán)值，使得誤差信號(hào)在允許范圍之內(nèi)，反復(fù)重復(fù)這一過(guò)程，直至輸出值為所期望為止[13]。BP神經(jīng)網(wǎng)絡(luò)一般應(yīng)用較多的是經(jīng)典的三層神經(jīng)元拓?fù)浣Y(jié)構(gòu)，即由輸入層、一個(gè)或多個(gè)隱含層和輸出層一起組成的有序結(jié)構(gòu)，見(jiàn)圖5。

圖5　三層神經(jīng)元拓?fù)浣Y(jié)構(gòu)[14]Fig.5　Three layer neuron topology[14]

假定神經(jīng)元的初始權(quán)值和閾值全部為零，只有滿足這個(gè)條件，初始化權(quán)值和閾值后才可對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。為達(dá)到工程的預(yù)期要求，在網(wǎng)絡(luò)訓(xùn)練過(guò)程中，網(wǎng)絡(luò)的權(quán)值和閾值將會(huì)被不斷地改變，這必然導(dǎo)致網(wǎng)絡(luò)性能函數(shù)PF值的減少，從而滿足工程建設(shè)需要[15]。

理論上，對(duì)BP神經(jīng)網(wǎng)絡(luò)的性能函數(shù)缺省值有一個(gè)明確的規(guī)定，即MSE(網(wǎng)絡(luò)輸出和目標(biāo)輸出的均方差)，BP神經(jīng)網(wǎng)絡(luò)主要通過(guò)計(jì)算性能函數(shù)的梯度，并對(duì)權(quán)值和閾值沿負(fù)梯度的方向進(jìn)行調(diào)整，盡可能地降低其性能函數(shù)。BP 神經(jīng)網(wǎng)絡(luò)算法的具體計(jì)算過(guò)程如下：

(1) 選定好網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。初始化網(wǎng)絡(luò)，將輸入樣本控制在某一閾值范圍內(nèi)，調(diào)節(jié)權(quán)值，同時(shí)根據(jù)網(wǎng)絡(luò)具體設(shè)計(jì)要求確定網(wǎng)絡(luò)層數(shù)、最優(yōu)隱含層單元數(shù)等。

(2) 設(shè)置好學(xué)習(xí)樣本。設(shè)網(wǎng)絡(luò)的輸入為X=(x1,x2,…,xn)，目標(biāo)輸出為D=(d1,d2,…,dm)，實(shí)際輸出為Y=(y1,y2,…,ym)。

(3) 對(duì)P個(gè)輸入樣本逐一重復(fù)以下(4)～(8)的訓(xùn)練過(guò)程。

(4) 由前向后正向傳播計(jì)算各隱含層的輸出，同時(shí)用類似的法則求出輸出層的輸出結(jié)果，具體計(jì)算步驟如下：

netpj=∑WjiOji

(7)

(8)

上式中：Wj表示權(quán)值屬性；θj表示偏置值或閾值；Opj表示實(shí)際輸出；fj表示節(jié)點(diǎn)之間的傳遞函數(shù)，一般常選用非線性函數(shù)Sigmoid來(lái)表示，其函數(shù)式為

(9)

同理，第k層的輸出結(jié)果為

netpk=∑WkjOpki

(10)

(11)

(5) 計(jì)算輸出誤差。第p個(gè)訓(xùn)練樣本的輸出誤差可通過(guò)下述解算實(shí)現(xiàn)。通常情況下，輸出模式Opk和目標(biāo)模式tpk不等同，故有一定的模式誤差Ep和系統(tǒng)誤差Et：

(12)

(13)

(6) 當(dāng)E在誤差允許范圍之內(nèi)，或者達(dá)到之前設(shè)置好的迭代次數(shù)，或者兩者同時(shí)進(jìn)行，當(dāng)滿足其中一個(gè)條件時(shí)，學(xué)習(xí)過(guò)程即可結(jié)束;否則，將轉(zhuǎn)向下一步(7)，進(jìn)行誤差反向傳播的解算。

(14)

式中:μ表示學(xué)習(xí)率;δpk表示誤差信號(hào)，且δpk有以下函數(shù)關(guān)系：

(15)

采用S型函數(shù)作為網(wǎng)絡(luò)輸出層k的作用函數(shù),由δpk可得出隱含層δpk的輸出結(jié)果:

δpj=fj(netpj)∑δpkWkj=Opj(1-Opj)∑δpkWkj

(16)

式中：k表示后層第k個(gè)神經(jīng)元。

(8) 對(duì)網(wǎng)絡(luò)連接權(quán)值進(jìn)行修正。以輸出層為起點(diǎn)，由后向前反向傳播誤差信號(hào)，將各權(quán)值進(jìn)行修正，使系統(tǒng)總誤差達(dá)到最小化，從而得出

Wji(m+1)=Wji(m)+μ δpjOpj

(17)

式中：m表示迭代次數(shù)(輸出模式數(shù)或?qū)W習(xí)次數(shù))；μ表示學(xué)習(xí)因子(或步長(zhǎng)),0<μ<1。

3隧道監(jiān)控量測(cè)數(shù)據(jù)處理結(jié)果及分析

本文選取南廠溝隧道D2K102+020斷面地表沉降、拱頂下沉和周邊收斂的部分測(cè)量數(shù)據(jù)作為試驗(yàn)數(shù)據(jù)(見(jiàn)表3)進(jìn)行數(shù)據(jù)處理分析。在實(shí)際施工中，由于受到周圍環(huán)境變化等許多不確定因素的影響，采集到的原始數(shù)據(jù)難免會(huì)存在些許粗差，對(duì)于測(cè)量偶然誤差產(chǎn)生的粗差應(yīng)進(jìn)行探測(cè)并提取，否則繪制時(shí)間變化函數(shù)或者進(jìn)行建模預(yù)測(cè)時(shí)，粗差的存在會(huì)導(dǎo)致預(yù)測(cè)的準(zhǔn)確性降低，從而無(wú)法正確地反饋動(dòng)態(tài)信息，對(duì)施工安全會(huì)造成一定程度的隱患[16]。本文的試驗(yàn)數(shù)據(jù)已經(jīng)通過(guò)粗差探測(cè)，并無(wú)粗差。

表3　南廠溝隧道D2K102+020斷面測(cè)量數(shù)據(jù)

根據(jù)測(cè)量數(shù)據(jù)繪制隧道圍巖位移累計(jì)值與累計(jì)時(shí)間的關(guān)系曲線(見(jiàn)圖6)，可以比較直觀地看出圍巖位移的變化情況，并初步判斷圍巖是否趨于穩(wěn)定或出現(xiàn)異常情況。但是為了更精確地了解隧道圍巖位移變形的發(fā)展規(guī)律，應(yīng)根據(jù)現(xiàn)場(chǎng)測(cè)量的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理分析。

圖6　隧道圍巖位移累計(jì)值與累計(jì)時(shí)間的關(guān)系曲線Fig.6　Relationship curves between cumulative　　　values of displacement and time

本文借助MATLAB軟件提供的專業(yè)數(shù)學(xué)函數(shù)，使得算法只需要通過(guò)簡(jiǎn)單的編輯就能夠計(jì)算出監(jiān)控量測(cè)中所需要的數(shù)據(jù)。針對(duì)南山溝隧道D2K102+020這一斷面的地表沉降量、拱頂下沉量、周邊收斂量分別利用上述兩種預(yù)測(cè)模型(灰色系統(tǒng)理論GM(1，1)模型、BP神經(jīng)網(wǎng)絡(luò)模型)進(jìn)行預(yù)測(cè)擬合，可得到其擬合結(jié)果見(jiàn)表4、表5和表6。

表4　地表沉降觀測(cè)點(diǎn)擬合值對(duì)比情況

表5　拱頂下沉觀測(cè)點(diǎn)擬合值對(duì)比情況

上述例子中分別選取了三個(gè)不同代表性的觀測(cè)點(diǎn)，從計(jì)算結(jié)果殘差分析來(lái)看，對(duì)于復(fù)雜的實(shí)測(cè)系統(tǒng)而言，任何一種單一的預(yù)測(cè)模型都很難將系統(tǒng)信息盡可能地全面反映，所以其擬合精度都存在著一定的局限性。如灰色系統(tǒng)理論GM(1，1)預(yù)測(cè)模型的優(yōu)點(diǎn)是不需要大量的數(shù)據(jù)樣本、計(jì)算簡(jiǎn)便、時(shí)間序列的隨機(jī)性較低，但也存在針對(duì)原始數(shù)據(jù)本身分析和歸納問(wèn)題，對(duì)現(xiàn)實(shí)系統(tǒng)中客觀因素的考慮比較欠缺，只能對(duì)一個(gè)數(shù)據(jù)序列加以預(yù)測(cè)，要對(duì)多個(gè)數(shù)列同時(shí)進(jìn)行預(yù)測(cè)只能分別對(duì)各序列建立模型，同時(shí)建模中用實(shí)測(cè)值x(0)(1)作為擬合模型的初始值，造成了擬合值與初始值的無(wú)關(guān)性，浪費(fèi)了第一個(gè)點(diǎn)x(0)(1)的信息。針對(duì)該隧道施工實(shí)測(cè)數(shù)據(jù)，BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)得到的擬合值更加貼合實(shí)際發(fā)展趨勢(shì)，擬合精度更高，具有一定的適應(yīng)性，可以為長(zhǎng)隧道圍巖變化特征分析提供借鑒。尤其在訓(xùn)練樣本較多的情況下，BP神經(jīng)網(wǎng)絡(luò)可以通過(guò)跟蹤數(shù)據(jù)變化來(lái)達(dá)到預(yù)期的擬合效果，比GM(1,1)模型能更好地適應(yīng)變形規(guī)律。

表6　周邊收斂觀測(cè)點(diǎn)擬合值對(duì)比情況

4結(jié)論

近年來(lái)我國(guó)交通運(yùn)輸事業(yè)迅猛發(fā)展，越來(lái)越多特長(zhǎng)、大跨度的隧道正在或有待建設(shè)，復(fù)雜的隧道內(nèi)部結(jié)構(gòu)以及難以確定的圍巖參數(shù)，使得隧道施工可靠性問(wèn)題越來(lái)越突出。在工程實(shí)踐中，如何避免隧道的失穩(wěn)和坍塌，如何以較低的支護(hù)成本，達(dá)到安全經(jīng)濟(jì)支護(hù)的目標(biāo)，本文通過(guò)監(jiān)控測(cè)量的數(shù)據(jù)來(lái)分析隧道圍巖的穩(wěn)定性和可靠性，并得到如下結(jié)論：

(1) 運(yùn)用灰色系統(tǒng)理論GM(1,1)模型對(duì)量測(cè)位移信息建立預(yù)測(cè)分析模型，這對(duì)評(píng)價(jià)隧道圍巖穩(wěn)定性和支護(hù)系統(tǒng)工作狀態(tài)、合理選擇支護(hù)參數(shù)與支護(hù)時(shí)機(jī)具有重要的應(yīng)用價(jià)值。

(2) BP神經(jīng)網(wǎng)絡(luò)算法十分強(qiáng)大，應(yīng)用的范圍相對(duì)廣泛，并擁有MATLAB強(qiáng)大的工具包，可為用戶省去不必要的程序，且從實(shí)際的應(yīng)用情況來(lái)看，BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力強(qiáng)，其預(yù)測(cè)功能也十分有效，能對(duì)工程建設(shè)起著極大的幫助作用。

(3) 針對(duì)隧道施工監(jiān)控量測(cè)數(shù)據(jù)，灰色系統(tǒng)理論GM(1,1)模型和BP神經(jīng)網(wǎng)絡(luò)模型都擁有較高的預(yù)測(cè)精度，能較好地?cái)M合地表沉降位移、拱頂沉降位移和周邊收斂位移實(shí)測(cè)值，但GM(1,1)模型反映的發(fā)展趨勢(shì)較為單一，對(duì)指數(shù)型函數(shù)之外的非線性函數(shù)的逼近能力較差,而BP神經(jīng)網(wǎng)絡(luò)模型所得到的擬合值更加貼近實(shí)際發(fā)展趨勢(shì)，擬合精度更高，具有一定的適應(yīng)性。

實(shí)際上，并不是每種場(chǎng)合都適用某種固定的理論數(shù)據(jù)處理方法進(jìn)行隧道圍巖施工變形特征分析，我們應(yīng)根據(jù)具體量測(cè)的數(shù)據(jù)進(jìn)行對(duì)比分析，從而選擇更加符合實(shí)際發(fā)展規(guī)律的數(shù)據(jù)處理方法。當(dāng)各種方法各有優(yōu)勢(shì)時(shí)，也可以考慮進(jìn)行組合互補(bǔ)。

參考文獻(xiàn)：

[1] 張學(xué)文,楊世浩,易光偉,等.古城水電站引水隧洞施工過(guò)程中圍巖穩(wěn)定性的數(shù)值模擬[J].安全與環(huán)境工程,2013(3):121-125.

[2] 宋立民.鐵路隧道軟弱圍巖施工變形及穩(wěn)定性分析[J].科技向?qū)?2013(8):329.

[3] 劉永,譚顯坤,張航,等.椿樹(shù)埡隧道巖體結(jié)構(gòu)特征與圍巖穩(wěn)定性分析[J].安全與環(huán)境工程,2010(5):106-112.

[4] 寧亞飛.隧道監(jiān)控圍巖變形預(yù)測(cè)模型算法研究[D].武漢:中國(guó)地質(zhì)大學(xué)(武漢),2013.

[5] 翁小杰.基于灰色理論和神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法研究與應(yīng)用[D].武漢:中南民族大學(xué),2009.

[6] Mohammadian M.IntelligentAgentsforDataMiningandInformationRetrieval[M].University of Canberra,Australia:IDEA Group,2004.

[7] 中華人民共和國(guó)鐵道部.TB10121—2007鐵路隧道監(jiān)控量測(cè)技術(shù)規(guī)程[S].北京:中國(guó)鐵道出版社,2007.

[8] 霍啟臣.隧道監(jiān)控量測(cè)信息化的運(yùn)用[J].民營(yíng)科技,2014(10):151-152.

[9] 黃聲享,尹暉,蔣征.變形監(jiān)測(cè)數(shù)據(jù)處理[M].武漢:武漢大學(xué)出版社，2003.

[10]Yun H B,Park S H,Mehdawi N,et al.Monitoring for close proximity tunneling effects on an existing tunnel using principal component analysis technique with limited sensor data[J].TunnellingandUndergroundSpaceTechnology,2014,43:398-412.

[11]尹暉.時(shí)空變形分析與預(yù)報(bào)的理論和方法[M].北京:測(cè)繪出版社,2002.

[12]秦曉光,楊龍才.灰色預(yù)測(cè)在高鐵路基沉降預(yù)測(cè)中的應(yīng)用[J].華東交通大學(xué)學(xué)報(bào),2011,28(5):88-92.

[13]謝仁紅,鄒朋高,文輝輝.BP神經(jīng)網(wǎng)絡(luò)在隧道監(jiān)控量測(cè)數(shù)據(jù)處理中的應(yīng)用[J].地質(zhì)與勘察,2013,39(9):20-22.

[14]周建春,魏琴,劉光棟.采用BP神經(jīng)網(wǎng)絡(luò)反演隧道圍巖力學(xué)參數(shù)[J].巖石力學(xué)與工程學(xué)報(bào),2004,3(23):941-945.

[15]王永強(qiáng).BP神經(jīng)網(wǎng)絡(luò)算法在隧道施工監(jiān)控量測(cè)中的應(yīng)用[J].交通建設(shè)與管理，2014(24):150-152.

[16]李華,宗琴,卜立軍.基于不同學(xué)科解決粗差探測(cè)問(wèn)題的方法研究[J].測(cè)繪科學(xué),2012(5):14-16.

Model Application of the Construction Deformation Characteristic Analysis of Long Tunnel Surrounding Rock

XIE Qi,LAI Zulong,ZHANG Wei,PAN Xiong

(CollegeofInformationEngineering,ChinaUniversityofGeosciences,Wuhan430074,China)

Abstract:Monitoring and measuring for long tunnel surrounding rock is an important guarantee for the safety of tunnel construction.The data measured at tunnel construction sites can be used for modeling analysis of deformation characteristics during rock construction.The result of this analysis will be employed to determine the stability of tunnel surrounding rock,and provide a guidance for next phase of construction.This paper conducts data fitting and modeling analysis of the field monitoring and measuring data from a tunnel by using grey system theory GM (1,1) forecasting model and BP neural network principle.Through calculating fitting residuals,a more appropriate forecast model can be adopted to analyze the data of monitoring measurements.The forecasting result of the model reveals that fifting values absorbed from BP neural network algorithm are more adaptive to actual development trend and have better fifting precision as well as certain adaptability.

Key words:long tunnel;deformation of surrounding rock;monitoring measurement;grey system theory;BP neural network

文章編號(hào)：1671-1556(2016)03-0152-06

收稿日期：2015-09-29修回日期：2016-02-23

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目(41374017)

作者簡(jiǎn)介：謝齊(1992—)，男，碩士研究生，主要研究方向?yàn)樗淼辣O(jiān)控量測(cè)與安全施工。E-mail:1533675562@qq.com

中圖分類號(hào)：X93；U456.3

文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.13578/j.cnki.issn.1671-1556.2016.03.026

通訊作者：賴祖龍(1976—)，男，博士，副教授，主要從事測(cè)量數(shù)據(jù)處理及其應(yīng)用等方面的研究。E-mail:laizulong@163.com