蘇州地鐵車站基坑變形的空間效應(yīng)分析及預(yù)測(cè)研究

馬將

摘 要：為有效掌握蘇州地鐵基坑的空間變形特征，實(shí)現(xiàn)對(duì)其變形的高精度預(yù)測(cè)，利用數(shù)理統(tǒng)計(jì)及極限學(xué)習(xí)機(jī)開展基坑變形的空間效應(yīng)分析及預(yù)測(cè)研究。首先，基于基坑變形監(jiān)測(cè)成果，開展基坑變形的空間效應(yīng)分析;其次，利用小波去噪、極限學(xué)習(xí)機(jī)及混沌理論等構(gòu)建了基坑變形預(yù)測(cè)模型，以達(dá)到基坑變形的時(shí)間效應(yīng)分析。結(jié)果表明，在空間效應(yīng)分析方面，基坑豎向沉降變形及側(cè)向水平位移均以西側(cè)相對(duì)最大，其與近接既有住宅樓相關(guān)，近接既有建筑物對(duì)基坑變形的影響較大，且在不同施工階段條件下，基坑側(cè)位移隨深度變化存在一定差異，第二、三階段的側(cè)位移增量相對(duì)最大;在時(shí)間效應(yīng)分析方面，小波去噪能很好分解基坑變形的趨勢(shì)項(xiàng)和誤差項(xiàng)，但去噪?yún)?shù)對(duì)去噪效果影響較大，去噪過程應(yīng)進(jìn)行參數(shù)的優(yōu)化篩選;粒子群算法能有效提高極限學(xué)習(xí)機(jī)的預(yù)測(cè)精度，混沌理論也能有效弱化誤差序列，所得變形預(yù)測(cè)結(jié)果的相對(duì)誤差均值均小于2%，驗(yàn)證了預(yù)測(cè)模型的有效性，且通過外推預(yù)測(cè)，得出基坑變形在后4個(gè)周期仍將進(jìn)一步增加，但增加速率相對(duì)較小，后期在時(shí)間效應(yīng)條件下趨于穩(wěn)定。研究結(jié)果對(duì)開展不同區(qū)域地質(zhì)條件下的基坑變形特性研究、更好地指導(dǎo)現(xiàn)場(chǎng)施工具有參考價(jià)值。

關(guān)鍵詞：地下工程;蘇州地鐵;車站基坑;空間效應(yīng);時(shí)間效應(yīng);變形預(yù)測(cè)

中圖分類號(hào)：TU753 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：In order to effectively grasp the spatial deformation characteristics of Suzhou metro foundation pit and realize its highprecision deformation prediction， mathematical statistics and limit learning machine were used to study the spatial effect analysis and prediction research of foundation pit deformation. Firstly， based on the monitoring results of foundation pit deformation， the spatial effect of foundation pit deformation was analyzed; secondly， the prediction model of foundation pit deformation was constructed by using wavelet denoising， limit learning machine and chaos theory to achieve the time effect analysis of foundation pit deformation. Case study shows that： in the aspect of spatial effect analysis， the vertical settlement deformation and lateral horizontal displacement of foundation pit can reach a relative maximum value in the west side， which is related to the adjacent existing residential buildings. In addition， the adjacent existing buildings have a greater impact on the deformation of foundation pit， and under different construction stages， the lateral displacement of foundation pit rate varies with the depth， and the increment of lateral displacement in the second and third stages is used to be relatively largest. In the aspect of time effect analysis， wavelet denoising can decompose the trend term and error term of foundation pit deformation well， but the denoising parameters have a great influence on the denoising effect， so the parameters should be optimized in the denoising process; meanwhile， particle swarm optimization algorithm can effectively improve the prediction accuracy of the limit learning machine， chaos theory can also effectively weaken the error sequence， and the relative error mean value of the deformation prediction results can be obtained. All of them are less than 2%， which proves the validity of the prediction model. Through extrapolation， it shows that the foundation pit deformation will increase further in the last four periods， but the increase rate will be relatively small and tend to be stable under effect condition the later time. The research result provides some reference for the study of foundation pit deformation under regional geology conditions and guidance of onsite construction.

Keywords：underground engineering; Suzhou metro; station foundation pit; spatial effect; time effect; deformation prediction

隨著市政交通建設(shè)步伐的加快，地鐵基坑工程日益增加，隨之帶來了大量的工程問題，因其變形控制是安全施工的重要保障，故而開展基坑變形特性研究具有重要意義[12]。一方面，基坑開挖是空間立體開挖，故其開挖后的影響范圍也具有空間效應(yīng)，已有學(xué)者開展了相關(guān)研究，如劉念武等[3]、孟小偉[4]開展了地鐵基坑開挖對(duì)周圍土體及支護(hù)結(jié)構(gòu)的變化規(guī)律研究，并提出了相應(yīng)控制措施，有效指導(dǎo)了現(xiàn)場(chǎng)施工;奚家米等[5]、李鏡培等[6]則以市政建筑基坑為工程實(shí)例背景，通過現(xiàn)場(chǎng)變形監(jiān)測(cè)成果合理分析了基坑開挖造成的空間變形效應(yīng)，為類似工程施工積累了經(jīng)驗(yàn)。

基坑空間效應(yīng)分析雖能很好地掌握基坑開挖引起的變形規(guī)律，但無法判斷其發(fā)展規(guī)律。如趙建釵等[7]、李思慧等[8]以支持向量機(jī)為理論基礎(chǔ)，利用多種算法優(yōu)化其模型參數(shù)，構(gòu)建了基坑變形優(yōu)化預(yù)測(cè)模型，保證了預(yù)測(cè)精度;宋楚平[9]利用改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)開展了基坑變形預(yù)測(cè)研究，所得預(yù)測(cè)精度較高。上述研究在基坑變形預(yù)測(cè)方面取得了較好成果，也證明了傳統(tǒng)預(yù)測(cè)模型參數(shù)優(yōu)化的必要性，但均未考慮基坑變形序列的混沌特征。

因此，以蘇州地鐵四號(hào)線春申湖路站基坑為研究對(duì)象，以基坑變形監(jiān)測(cè)成果為基礎(chǔ)，開展基坑變形的空間效應(yīng)分析，以掌握其現(xiàn)有變形規(guī)律;再以極限學(xué)習(xí)機(jī)為基礎(chǔ)，開展基坑變形預(yù)測(cè)研究，以實(shí)現(xiàn)其時(shí)間效應(yīng)分析，進(jìn)而掌握其發(fā)展趨勢(shì)，以便更好地指導(dǎo)現(xiàn)場(chǎng)施工。

1 基本原理

本文采用預(yù)測(cè)過程中的小波去噪及極限學(xué)習(xí)機(jī)等模型對(duì)基坑開挖過程的現(xiàn)場(chǎng)監(jiān)測(cè)成果開展變形的空間效應(yīng)及時(shí)間效應(yīng)分析，具體原理如下。

1.1 趨勢(shì)項(xiàng)與誤差項(xiàng)的分解

受地質(zhì)條件、監(jiān)測(cè)方法等因素的影響，基坑變形監(jiān)測(cè)數(shù)據(jù)往往含有誤差信息，該類信息會(huì)較大程度上影響預(yù)測(cè)精度，進(jìn)而有必要在預(yù)測(cè)過程中進(jìn)行基坑變形趨勢(shì)項(xiàng)與誤差項(xiàng)的分解，并對(duì)其分別預(yù)測(cè)，最后再將預(yù)測(cè)結(jié)果疊加，以實(shí)現(xiàn)基坑變形的分步合理預(yù)測(cè)[1012]。

小波去噪是將誤差信息假定為噪音，并利用小波函數(shù)將變形信息分解成若干層，再通過噪聲剔除來實(shí)現(xiàn)有用信息與誤差信息的分解，進(jìn)而該方法適用于基坑變形趨勢(shì)項(xiàng)與誤差項(xiàng)的分解。同時(shí)，根據(jù)小波去噪過程中的參數(shù)設(shè)置可知，小波函數(shù)類型、閾值選取標(biāo)準(zhǔn)及小波分解層數(shù)對(duì)去噪效果的影響較大，進(jìn)而有必要對(duì)三者進(jìn)行優(yōu)化處理，具體過程如下。

1）小波函數(shù)類型

小波函數(shù)對(duì)去噪效果的影響主要體現(xiàn)在兩方面，一是小波函數(shù)具有多種類型，如db小波、sym小波等，各類小波函數(shù)的適用性存在差異，進(jìn)而需進(jìn)行篩選;二是在確定小波函數(shù)前提下，其頻率階數(shù)對(duì)去噪效果也有影響，且其影響規(guī)律無統(tǒng)一特征，也需進(jìn)行優(yōu)化篩選處理。為解決上述問題，本文提出對(duì)db小波和sym小波在基坑變形數(shù)據(jù)處理中的適用性均進(jìn)行探討，且在分析過程中，將頻率階數(shù)設(shè)置為2—10，以實(shí)現(xiàn)多種小波函數(shù)在不同頻率階數(shù)下的適用性研究。

2）閾值選取標(biāo)準(zhǔn)

閾值選取標(biāo)準(zhǔn)對(duì)去噪效果具有較大影響，若其值過大，則可能將有用信息剔除;反之，則可能剔除部分誤差信息，無法達(dá)到趨勢(shì)項(xiàng)與誤差項(xiàng)的完全分解。由于常用的閾值選取標(biāo)準(zhǔn)總共有4類，即無偏估計(jì)標(biāo)準(zhǔn)、固定閾值標(biāo)準(zhǔn)、啟發(fā)閾值標(biāo)準(zhǔn)和極值閾值標(biāo)準(zhǔn)，本文提出對(duì)4種標(biāo)準(zhǔn)均進(jìn)行試算研究，進(jìn)而確定出最優(yōu)閾值選取標(biāo)準(zhǔn)。

3）小波分解層數(shù)

若分解層數(shù)較少，易導(dǎo)致誤差信息與有用信息疊加，進(jìn)而誤刪有用信息;反之，則可能將誤差信息當(dāng)作有用信息，達(dá)不到去噪目的。因此，本文將分解層數(shù)范圍進(jìn)行設(shè)定，即設(shè)置為12—20層間的偶數(shù)層，探討該范圍內(nèi)不同分解層數(shù)對(duì)去噪效果的影響規(guī)律，以確定出最優(yōu)分解層數(shù)。

基于上述3個(gè)參數(shù)的優(yōu)化方法，本文再將優(yōu)化過程設(shè)定如下：先將分解層數(shù)設(shè)定為16層，探討不同閾值選取標(biāo)準(zhǔn)在基坑變形中的適用性，確定出最優(yōu)閾值選取標(biāo)準(zhǔn);再對(duì)不同小波分解層數(shù)的去噪進(jìn)行分析，確定出合理的分解層數(shù)及最優(yōu)去噪結(jié)果。

在去噪過程中，本文以信噪比為去噪效果評(píng)價(jià)指標(biāo)，其值越大說明去噪效果越優(yōu);反之，說明去噪效果越差。

1.2 趨勢(shì)項(xiàng)預(yù)測(cè)模型

通過去噪分析，將基坑變形序列分解為趨勢(shì)項(xiàng)和誤差項(xiàng)，并提出先利用優(yōu)化極限學(xué)習(xí)機(jī)模型實(shí)現(xiàn)趨勢(shì)項(xiàng)的變形預(yù)測(cè)。極限學(xué)習(xí)機(jī)是一種新型智能預(yù)測(cè)模型，其操作簡單、預(yù)測(cè)能力強(qiáng)，且其應(yīng)用過程，只需對(duì)核函數(shù)及隱層節(jié)點(diǎn)數(shù)進(jìn)行設(shè)定即可，適用于基坑變形預(yù)測(cè)。鑒于該方法基本原理已在文獻(xiàn)＼[13—15＼]詳述，限于篇幅，該文不再介紹，僅對(duì)其優(yōu)化過程進(jìn)行詳述。由于粒子群算法具有較強(qiáng)的全局尋優(yōu)能力，故而本文利用其優(yōu)化極限學(xué)習(xí)機(jī)的核函數(shù)和隱層節(jié)點(diǎn)數(shù)，優(yōu)化過程如下。

1）參數(shù)初始化 將粒子群規(guī)模設(shè)置為300，維數(shù)設(shè)定為2，最大迭代次數(shù)為250次，其他參數(shù)隨機(jī)產(chǎn)生，并以預(yù)測(cè)誤差值作為適宜度值。

2）迭代尋優(yōu) 在迭代過程中，不斷對(duì)比粒子與全局的最優(yōu)適宜度值，若前者更優(yōu)，則將其替換后者;反之，則繼續(xù)進(jìn)行迭代計(jì)算。

3）輸出參數(shù) 當(dāng)達(dá)到最大迭代次數(shù)后，將全局最優(yōu)適宜度值對(duì)應(yīng)的核函數(shù)和隱層節(jié)點(diǎn)數(shù)進(jìn)行輸出，進(jìn)而得到兩者最優(yōu)的組合形式，實(shí)現(xiàn)趨勢(shì)項(xiàng)的優(yōu)化預(yù)測(cè)。

1.3 誤差項(xiàng)預(yù)測(cè)模型

上述趨勢(shì)項(xiàng)預(yù)測(cè)難免會(huì)存在一定的預(yù)測(cè)誤差，故將其與前述小波去噪剔除的誤差信息疊加，形成基坑變形的誤差序列，該序列具有明顯的混沌特性，進(jìn)而利用混沌理論弱化誤差序列，以進(jìn)一步提高預(yù)測(cè)精度，步驟如下。

將誤差序列的預(yù)測(cè)值與前述趨勢(shì)項(xiàng)預(yù)測(cè)值疊加，即可得到基坑變形預(yù)測(cè)值。

2 實(shí)例分析

2.1 工程概況

春申湖路站隸屬蘇州地鐵四號(hào)線，總體呈南北向分布，起始里程：CK3+969.143 m，終止里程：CK4+168.743 m，外包長度為199.6 m，寬度19.7 m，標(biāo)準(zhǔn)段深度16 m，端頭深度18.5 m;基坑支護(hù)結(jié)構(gòu)采用地連墻形式，設(shè)置4道支撐，分5層開挖，開挖土體約6.4萬m3?；又苓吔咏ㄖ镙^為復(fù)雜，其西側(cè)有6棟15層住宅樓，凈距約20.5 m，與基坑長邊近似平行;北側(cè)近接既有文陵隧道;東側(cè)、西側(cè)均近接大量電力、煤氣及污水管道，所以該基坑周邊近接建筑物較為復(fù)雜，開展其變形特性研究具有重要意義。

根據(jù)勘察成果，區(qū)內(nèi)具沖湖積平原地貌，地形起伏較小，地勢(shì)較為平坦，地層巖性多以黏土層為主，基坑開挖范圍涉及土層主要有6層，各層特征參數(shù)如表1所示。

區(qū)內(nèi)水文條件較為發(fā)育，其中，地表水主要以北側(cè)文靈河為主，河寬約30 m，深度間于1.3～2.3 m，由此延伸若干支流水網(wǎng)，水量季節(jié)性變幅一般。地下水則主要以潛水及承壓水為主，潛水主要分布于填土層中，其巖性多為黏土夾碎石，透水性不均;承壓水則主要分布于④1層中，靈敏度較高，主要接受越流補(bǔ)給，對(duì)基坑開挖影響相對(duì)較大。

為保證施工安全，在基坑開挖過程中，對(duì)基坑進(jìn)行了沉降變形監(jiān)測(cè)和側(cè)向水平位移監(jiān)測(cè)，監(jiān)測(cè)點(diǎn)斷面示意圖如圖1所示。圖1中基坑左側(cè)為正北方向，右側(cè)為正南方向，沉降變形監(jiān)測(cè)點(diǎn)（DB序號(hào)）共計(jì)有26組，每組3個(gè)監(jiān)測(cè)點(diǎn)，沿基坑垂直向布設(shè)，距離支護(hù)結(jié)構(gòu)外圍距離分別為0，2 m和7 m，序號(hào)分別為1#，2#和3#;側(cè)向水平位移監(jiān)測(cè)點(diǎn)（CX序號(hào)）也有26個(gè)，其深度為26.5 m，從地表以下1 m開始，每隔0.5 m布設(shè)一個(gè)側(cè)向位移監(jiān)測(cè)點(diǎn)。

2.2 基坑變形的空間效應(yīng)分析

由于基坑是立體開挖，其變形具有明顯的空間特征，且大致可分為水平平面變形特征分析和豎向深度變形特征分析，故而本文從上述兩方面開展基坑變形的空間效應(yīng)分析，具體如下。

1）水平平面變形特征分析

①沉降變形特征分析

對(duì)各組沉降監(jiān)測(cè)點(diǎn)的最大沉降值進(jìn)行統(tǒng)計(jì)，得基坑地表沉降沿基坑周邊的沉降特征如圖2所示。由圖2可知，基坑長邊方向上的沉降量要略大于短邊方向上的沉降量，且長邊方向沉降量具“鼓肚式”特征，再對(duì)基坑各邊最大沉降量的平均值進(jìn)行求解，得北側(cè)為13.5 mm，東側(cè)為16.77 mm，南側(cè)為14.05 mm，西側(cè)為17.15 mm，以西側(cè)相對(duì)最大，這與西側(cè)近接住宅樓相關(guān)。

根據(jù)對(duì)圖2的統(tǒng)計(jì)，得出沉降值最大的3組沉降點(diǎn)為DB07，DB21和DB23。為掌握沿基坑垂直向的沉降特征，再對(duì)上述3組沉降點(diǎn)的9個(gè)沉降值進(jìn)行統(tǒng)計(jì)，見圖3。由圖3可知，隨距基坑距離的增加，沉降變形量呈減小趨勢(shì)，尤其是3#監(jiān)測(cè)點(diǎn)，明顯小于前兩個(gè)監(jiān)測(cè)點(diǎn)，說明基坑施工過程中，若條件允許，應(yīng)適當(dāng)增加近接既有建筑物與基坑間的距離，以減小基坑施工的影響。

②橫向變形特征分析

類比前述分析過程，也對(duì)各監(jiān)測(cè)點(diǎn)的地表側(cè)向位移進(jìn)行統(tǒng)計(jì)，見圖4。據(jù)圖4，對(duì)基坑各邊上的側(cè)向水平位移進(jìn)行平均值求解，可得北側(cè)為13.78 mm，東側(cè)為18.29 mm，南側(cè)為18.58 mm，西側(cè)為19.35 mm。以西側(cè)位移相對(duì)最大，進(jìn)一步說明了西側(cè)近接住宅樓可一定程度上增加臨近側(cè)基坑的附加應(yīng)力，進(jìn)而產(chǎn)生相對(duì)更大的變形。

2）豎向深度變形特征分析

同時(shí)，最大側(cè)向位移監(jiān)測(cè)點(diǎn)為CX08，再以該點(diǎn)為例，分析不同開挖步驟對(duì)基坑側(cè)位移的影響，以掌握不同施工階段基坑側(cè)位移沿豎向上的變化特征。結(jié)合工程實(shí)際，由于第1層支撐離地表較近，故將基坑開挖過程劃分為4個(gè)階段。第1階段：自基坑開挖至第2道支撐完成;第2階段：第2道支撐完成至第3道支撐完成;第3階段：第3道支撐完成至第4道支撐完成;第4階段：第4道支撐完成至基坑開挖完成。通過統(tǒng)計(jì)，得到4個(gè)階段不同深度處的側(cè)位移如圖5所示。

據(jù)圖5，不同階段不同深度處的側(cè)位移存在明顯差異，說明基坑豎向側(cè)位移與基坑開挖階段相關(guān)，且不同階段的最大側(cè)位移也存在一定差異;同時(shí)，對(duì)比相鄰兩階段的側(cè)向位移差值可知，以第2、第3階段的側(cè)位移增量相對(duì)最大，后期第3、第4階段的側(cè)位移增量相對(duì)較小，說明基坑側(cè)位移變形多發(fā)生在基坑開挖中期，后期增量較小，趨于穩(wěn)定。

2.3 基坑變形的時(shí)間效應(yīng)分析

利用優(yōu)化極限學(xué)習(xí)機(jī)進(jìn)行基坑變形預(yù)測(cè)研究，以實(shí)現(xiàn)基坑時(shí)間效應(yīng)研究。限于篇幅，本文以DB07監(jiān)測(cè)點(diǎn)、DB21監(jiān)測(cè)點(diǎn)和CX08監(jiān)測(cè)點(diǎn)為例進(jìn)行分析研究，且在分析過程中，為篩選合理的去噪模型參數(shù)及驗(yàn)證粒子群算法的優(yōu)化能力，以DB07監(jiān)測(cè)點(diǎn)為例，詳述去噪及其優(yōu)化過程，并以信噪比（無量綱）為評(píng)價(jià)指標(biāo)，篩選相應(yīng)去噪?yún)?shù)的優(yōu)劣，具體如下。

1）小波去噪分析

利用小波去噪分解DB07監(jiān)測(cè)點(diǎn)變形序列的趨勢(shì)項(xiàng)和誤差項(xiàng)，在去噪過程中，將小波分解層數(shù)先設(shè)定為16層，得到不同閾值選取標(biāo)準(zhǔn)的去噪結(jié)果如表2所示。不同小波函數(shù)、頻率階數(shù)及閾值選取標(biāo)準(zhǔn)條件下的去噪效果存在明顯差異，說明上述3個(gè)參數(shù)對(duì)基坑變形序列的去噪效果具有較大影響，驗(yàn)證了該文去噪?yún)?shù)優(yōu)化篩選的必要性;同時(shí)，在相應(yīng)閾值選取標(biāo)準(zhǔn)下，sym小波的信噪比均值均大于db小波的信噪比均值，且前者的標(biāo)準(zhǔn)差也相對(duì)更小，說明sym小波不僅均有相對(duì)更優(yōu)的去噪效果，還具有較好的穩(wěn)定性;另外，對(duì)比sym小波中4種閾值選取標(biāo)準(zhǔn)的去噪效果，得出固定閾值標(biāo)準(zhǔn)的信噪比均值相對(duì)最大，標(biāo)準(zhǔn)差也相對(duì)最小，進(jìn)而說明其去噪效果相對(duì)最優(yōu)，無偏閾值標(biāo)準(zhǔn)與啟發(fā)閾值標(biāo)準(zhǔn)的去噪效果相當(dāng)，也都優(yōu)于極值閾值標(biāo)準(zhǔn)的去噪效果。因此，通過該步驟篩選，確定小波類型為sym小波，閾值選取標(biāo)準(zhǔn)為固定閾值標(biāo)準(zhǔn)。

基于前述去噪?yún)?shù)篩選，再對(duì)分解層數(shù)的去噪效果進(jìn)行試算研究，結(jié)果如表3所示。分解層數(shù)對(duì)去噪效果也存在影響，其中，以18層分解層數(shù)的去噪效果相對(duì)最優(yōu)，且去噪效果的穩(wěn)定性也較強(qiáng)，說明去噪效果與分解層數(shù)不存在直接關(guān)系，并非分解層數(shù)越多，去噪效果就越好，有必要通過試算確定最優(yōu)分解層數(shù)。根據(jù)計(jì)算結(jié)果，確定該文小波去噪的分解層數(shù)為18層。

為分析不同小波頻率階數(shù)對(duì)去噪效果的影響，再以表3為基礎(chǔ)，統(tǒng)計(jì)不同頻率階數(shù)條件下的信噪比均值及標(biāo)準(zhǔn)差，結(jié)果如表4所示。

由表4可知，不同頻率階數(shù)對(duì)去噪效果的影響較大，其中，6層頻率階數(shù)的去噪效果相對(duì)最優(yōu)，且頻率階數(shù)與去噪效果間也無明顯規(guī)律，進(jìn)一步驗(yàn)證了該文通過試算法確定最優(yōu)去噪函數(shù)的有效性。

根據(jù)前述篩選，得出該文小波去噪?yún)?shù)為sym6小波函數(shù)、固定閾值標(biāo)準(zhǔn)及18層小波分解，且通過上述參數(shù)去噪，得到信噪比為54.73，也相對(duì)最大，驗(yàn)證了上述參數(shù)分析的合理性。

2）變形預(yù)測(cè)分析

以DB07監(jiān)測(cè)點(diǎn)為例，開展基坑變形預(yù)測(cè)研究，以驗(yàn)證粒子群算法的有效性。在預(yù)測(cè)過程中，將1～21周期設(shè)定為訓(xùn)練樣本，22～26周期為驗(yàn)證樣本，而27～30周期為外推預(yù)測(cè)樣本。通過計(jì)算，得到粒子群算法優(yōu)化前后的預(yù)測(cè)結(jié)果如表5所示。在相應(yīng)驗(yàn)證樣本處，通過粒子群算法的優(yōu)化，其預(yù)測(cè)結(jié)果的相對(duì)誤差均出現(xiàn)了一定程度的減小，說明通過粒子群算法能較好地提高預(yù)測(cè)精度;同時(shí)，在趨勢(shì)項(xiàng)預(yù)測(cè)結(jié)果中，最大相對(duì)誤差僅為2.05%，平均相對(duì)誤差小于2%，驗(yàn)證了優(yōu)化極限學(xué)習(xí)機(jī)模型在基坑變形趨勢(shì)項(xiàng)預(yù)測(cè)中的適用性。

再利用混沌理論弱化誤差序列，結(jié)果如表6所示。由表6可知，通過混沌理論的誤差序列弱化，有效保證了預(yù)測(cè)精度，其最大相對(duì)誤差為1.42%，平均相對(duì)誤差1.31%，相對(duì)優(yōu)于趨勢(shì)項(xiàng)預(yù)測(cè)結(jié)果，進(jìn)而驗(yàn)證了混沌理論對(duì)誤差序列的弱化效果;同時(shí)，通過外推預(yù)測(cè)，得出基坑變形在后4個(gè)周期仍將進(jìn)一步增加，但增加速率相對(duì)較小，后期時(shí)間效應(yīng)條件下趨于穩(wěn)定。

3）有效性驗(yàn)證

為進(jìn)一步驗(yàn)證本文預(yù)測(cè)模型的有效性，對(duì)DB21監(jiān)測(cè)點(diǎn)和CX08監(jiān)測(cè)點(diǎn)開展預(yù)測(cè)研究，結(jié)果如表7所示。由表7可知，兩監(jiān)測(cè)點(diǎn)預(yù)測(cè)結(jié)果的相對(duì)誤差最大值均小于2%，平均值分別為1.30%和1.24%，兩者預(yù)測(cè)精度相當(dāng)，進(jìn)一步驗(yàn)證了本文預(yù)測(cè)模型的有效性;同時(shí)，在時(shí)間效應(yīng)上，兩監(jiān)測(cè)點(diǎn)的后續(xù)4周期變形也呈小速率增加趨勢(shì)，與DB07監(jiān)測(cè)點(diǎn)預(yù)測(cè)結(jié)果一致，得出春申湖路站基坑的變形將趨于穩(wěn)定方向發(fā)展。

通過上述分析，得出了春申湖路站基坑開挖的空間變形特征，實(shí)現(xiàn)了基坑變形預(yù)測(cè)。

3 結(jié) 論

通過春申湖路站地鐵基坑變形的空間效應(yīng)及時(shí)間效應(yīng)分析，主要得出如下結(jié)論。

1）基坑沉降變形及側(cè)向水平位移均以基坑長邊向相對(duì)更大，且以近接既有住宅樓一側(cè)的變形值相對(duì)最大，說明近接既有建筑物對(duì)基坑變形的影響是存在的;同時(shí)，不同施工階段，基坑側(cè)位移隨深度變化存在一定差異，并以第2、第3階段的側(cè)位移增量相對(duì)最大。

2）在基坑變形的時(shí)間效應(yīng)分析中，小波去噪能很好地實(shí)現(xiàn)基坑變形趨勢(shì)項(xiàng)與誤差項(xiàng)的分解，但去噪?yún)?shù)需進(jìn)行優(yōu)化篩選處理，以保證去噪效果;同時(shí)，通過粒子群算法的參數(shù)優(yōu)化，能一定程度上提高基坑變形趨勢(shì)項(xiàng)的預(yù)測(cè)精度，且混沌理論也能很好地弱化誤差序列，驗(yàn)證了兩方法在基坑變形預(yù)測(cè)中的適用性。

地鐵基坑變形控制是其安全施工的重要保障，但限于基坑所處區(qū)域地質(zhì)條件的差異，未來有必要針對(duì)具有不同區(qū)域地質(zhì)條件的基坑的變形特性進(jìn)行研究，以便更好地指導(dǎo)現(xiàn)場(chǎng)施工。

參考文獻(xiàn)/References：

[1] 劉漢露，李新生，謝冬洲，等.基于未確知測(cè)度理論的基坑邊坡穩(wěn)定性評(píng)價(jià)[J].河北工程大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，36（1）：1116.

LIU Hanlu， LI Xinsheng， XIE Dongzhou， et al. Stability evaluation of foundation pit based on unascertained measure theory[J]. Journal of Hebei University of Engineering （Natural Science Edition），2019，36（1）：1116.

[2] 謝冬洲，李新生，劉漢露，等.西安地鐵車站深基坑工程變形特性研究[J].河北工程大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，36（2）：3842.

XIE Dongzhou， LI Xinsheng， LIU Hanlu， et al. Research on deformational characteristics of deep excavations engineering in Xian subway station[J]. Journal of Hebei University of Engineering （Natural Science Edition），2019， 36（2）： 3842.

[3] 劉念武，陳奕天，龔曉南，等.軟土深開挖致地鐵車站基坑及鄰近建筑變形特性研究[J].巖土力學(xué)，2019，40（4）：15151525.

LIU Nianwu， CHEN Yitian， GONG Xiaonan， et al. Analysis of deformation characteristics of foundation pit of metro station and adjacent buildings induced by deep excavation in soft soil[J]. Rock and Soil Mechanics，2019，40（4）： 15151525.

[4] 孟小偉.重慶地鐵某超大型深基坑監(jiān)測(cè)與數(shù)據(jù)分析[J].建筑結(jié)構(gòu)，2017，47（sup）： 11051107.

MENG Xiaowei. Monitoring and data analysis of deep foundation pit in Chongqing subway[J]. Building Structure，2017，47（sup）： 11051107.

[5] 奚家米，付壘.基于時(shí)空效應(yīng)的深基坑工程變形規(guī)律分析[J].科學(xué)技術(shù)與工程，2019， 19（16）： 290297.

XI Jiami， FU Lei. Analysis of deformation law of deep foundation pit based on spacetime effect [J]. Science Technology and Engineering， 2019， 19（16）： 290297.

[6] 李鏡培，陳浩華，李林，等.軟土基坑開挖深度與空間效應(yīng)實(shí)測(cè)研究[J].中國公路學(xué)報(bào)，2018， 31（2）：208217.

LI Jingpei， CHEN Haohua， LI Lin， et al. Observation on depth and spatial effects of deep excavation in soft clay[J].China Journal of Highway and Transport， 2018， 31（2）： 208217.

[7] 趙建釵，劉俊娥，石祥鋒.基于GALSSVM深基坑墻體側(cè)斜滾動(dòng)預(yù)測(cè)模型研究[J].河北工程大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，35（2）：4952.

ZHAO Jianchai， LIU Jun′e， SHI Xiangfeng. The rolling prediction model research of deep foundation pit wall skew based on GA–LSSVM[J]. Journal of Hebei University of Engineering （Natural Science Edition）， 2018， 35（2）： 4952.

[8] 李思慧，劉海卿.基于LMDPSOLSSVM組合模型的深基坑變形預(yù)測(cè)[J].地下空間與工程學(xué)報(bào)，2018，14（2）：483489.

LI Sihui， LIU Haiqing. Deep foundation pit deformation prediction based on LMDPSOLSSVM model[J]. Chinese Journal of Underground Space and Engineering， 2018，14（2）： 483489.

[9] 宋楚平.一種改進(jìn)BP神經(jīng)網(wǎng)絡(luò)深基坑變形預(yù)測(cè)方法[J/OL].土木工程與管理學(xué)報(bào)，2019， 36（5）： 4549.

SONG Chuping. Improved BP neural network method for deformation predication of deep excavation[J/OL]. Journal of Civil Engineering and Management，2019， 36（5）： 4549.

[10]王雪妮，韓國鋒.趨勢(shì)項(xiàng)分離預(yù)測(cè)模型及重標(biāo)度極差分析在深基坑變形預(yù)測(cè)中的應(yīng)用研究[J].隧道建設(shè)，2017，37（8）：990996.

WANG Xueni， HAN Guofeng. Study of application of trend term separation prediction modeland rescaled range （R/S） analysis to deformation prediction of deep foundation pit [J]. Tunnel Construction， 2017， 37（8）： 990996.

[11]查天宇，成樞，呂磊.基于灰色BP神經(jīng)網(wǎng)絡(luò)組合模型的深基坑沉降預(yù)測(cè)[J].測(cè)繪與空間地理信息，2019，42（9）：212215.

ZHA Tianyu， CHENG Shu， LYU Lei. Prediction of deep foundation pit settlement based on combined model of grey BP neural network[J]. Geomatics & Spatial Information Technology， 2019， 42（9）： 212215.

[12]劉斌.基于優(yōu)化SVM模型和DFA分析的基坑變形預(yù)測(cè)研究[J].勘察科學(xué)技術(shù)，2019（5）： 5458.

LIU Bin. Prediction study on foundation pit deformation based on optimized SVM model and DFA analysis[J]. Site Investigation Science and Technology，2019（5）： 5458.

[13]高彩云.基于新型智能算法ELM的滑坡變形位移預(yù)測(cè)[J].人民長江，2017，48（7）： 4649.

GAO Caiyun. Displacement prediction of landslide based on new intelligent algorithm of ELM[J]. Yangtze River，2017，48（7）： 4649.

[14]朱靚.基于MFDFA法和PSOELM模型的基坑變形規(guī)律研究[J].長江科學(xué)院院報(bào)，2019，36（3）：5358.

ZHU Jing. Study on deformation law of foundation pit by multifractal detrended fluctuation analysis and extreme learning machine improved by particle swarm optimization[J]. Journal of Yangtze River Scientific Research Institute，2019， 36（3）： 5358.

[15]鐘國強(qiáng)，王浩，張國華，等.基于RSMIVELM模型的基坑水平位移影響因素分析和預(yù)測(cè)[J].上海交通大學(xué)學(xué)報(bào)，2018，52（11）：15081515.

ZHONG Guoqiang， WANG Hao， ZHANG Guohua， et al. Analysis and prediction of factors affecting horizontal displacement of foundation pit based on RSMIVELM model[J]. Journal of Shanghai Jiaotong University，2018，52（11）：1508 1515.