基于等维灰数递补数据处理技术的隧道洞口山体地表沉降预测

隧道洞口山体是隧道施工顺利进行的关键,也是隧道工程灾害（如塌方、冒顶等）的频发地段,对其进行定量的观测研究和预报是防止灾害发生的重要措施。基于等维灰数递补数据处理技术,建立了等维灰数递补GM（1,1）模型,对洞口山体沉降进行了预测和模拟,以判定洞口山体的稳定性。结果表明：等维灰数递补数据处理技术充分利用了系统响应的最新信息,降低了预测系统的灰度,提高了模型的预测精度,预测结果可靠,与常规灰色预测模型相比该法更具有实用价值。     

公路运输量预测的等维灰数递补模型

普通ＧＭ（１．１）模型因预测值“上漂”现象而不能直接用于公路运输量长期预测。等维灰递补模型通过缩小灰平面，提高灰平面白色度的方法，很好地解决了这一问题，用这种方法得到的长期预测值也较符合实际。     

改进MGM(1,N)模型在赛果公路隧道变形预测中的应用

依据MGM(1,N)模型建模机理,通过数学推导获得新的模型背景值,并利用该背景值建立改进的MGM(1,N)模型。将改进的MGM(1,N)模型应用于赛果公路改建工程隧道围岩变形的预测,并引入等维灰数递补概念,以保证预测信息及时更新。通过与实测结果比较,表明改进模型在预测精度和稳定性方面较之常规MGM(1,N)模型有一定提高,且当围岩变形速率下降时,其预测值能较好的收敛。     

隧道洞口开挖沉降分析与变形预测

山岭隧道进洞是隧道施工的开始,也是关键环节,由于施工扰动造成地应力的二次分布,成为洞口边坡滑动或者洞口浅埋段塌方的诱导因素。因此,合理的施工方式与施工时间对控制洞口边坡以及浅埋段的稳定性至关重要。文章结合江西省白沙关至婺源高速公路新建隧道洞口施工过程中沉降问题,进行详细地探讨并结合施工监控与反演分析预测技术提出了一些针对性的工程技术措施,为工程的顺利进行提供了技术保障。     

盾构施工引起地表沉降的BP神经网络预测

根据盾构施工引起地表沉降的具体问题，结合广州地铁三号线某区间地质资料，建立了地表沉降预测的BP神经网络模型，并对网络进行了训练和测试，测试结果表明，利用神经网络进行盾构隧道施工的地表沉降预测是可行的，可用于工程实践。     

地铁隧道盾构施工地表沉降的预测分析

总结并分析了地铁区间隧道采用盾构法施工中引起地表沉降的规律、过程及原因,同时介绍了以经验法为主且目前广泛应用于变形分析的peck沉陷槽预测公式,并结合我国某城市地铁隧道的修建过程中产生的地表沉降现象,验证了该分析方法的实用性和可借鉴性。     

灰色预测分析开挖基坑周边地表的沉降

运用灰色理论,建立GM(1,1)预测模型,对基坑开挖引起的周边地表沉降进行了预测,采用后验差法对模型的可靠性进行检验。通过实例,对模型的预测结果进行了分析和检验,证明了在沉降变形分析中应用灰色预测法的可行性。     

基于RS-SVR的上软下硬地层盾构施工地表沉降预测

为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性,建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型,并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先,根据特定地质条件,从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性,采用粗糙集理论的Pawlak属性重要度方法删除冗余数据,获取影响地表沉降的最优条件属性集。在此基础上,基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型,并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响,RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后,利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据,对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集,分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间,地表沉降分类结果与约简前保持一致;同类模型进行横向对比时,RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%,均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差;以同种核函数进行纵向对比时,RS-SVR模型预测误差分别为5.54%、11.48%、13.26%,均低于SVR模型预测误差的13.10%、15.71%、19.68%。     

盾构施工引起的地表沉降预测及其敏感性分析

盾构施工会扰动地层引起地表沉降,导致地表建筑物倾斜、开裂或是倒塌,地下管线被破坏。因此,盾构施工时有必要对地面沉降进行预测和敏感性因素分析。本文结合某地铁区间的地质资料利用支持向量机建立数学模型,对盾构施工引起的地表沉降进行预测,并与BP神经网络模型的预测结果进行对比。最后,利用灰色关联分析理论对地表沉降进行敏感性分析,为盾构施工提供参考依据。     

隧道开挖及疏水引起的地表沉降与变形

应用随机介质理论、渗流理论和岩土固结理论，推导了隧道开挖疏水渗降漏斗曲线方程和考虑水渗流作用的隧道周边岩土体中有效应力的计算公式，并由此推导了隧道疏水地表沉降和水平位移计算公式；最后利用叠加原理，导出最终的地表沉降及水平位移计算公式。通过对某工程实例的计算分析，验证了该方法的正确性。结果表明：隧道开挖疏水产生的渗流对地表沉降的大小和范围影响明显。     

地铁荷载下隧道土体沉降的灰色预测与分析

随着我国地铁建设的迅猛发展,地铁运营荷载造成软土地基的长期沉降问题引起了足够的重视。针对监测和观测时间的非等时性,文中采用牛顿二次插值多项式插值的方法建立了非等时距灰色理论模型GM(1,1)和GM(2,1),对上海地铁四号线一区段的沉降进行预测,并与实际监测沉降量进行了比较,结果表明,GM(2,1)较GM(1,1)有更高的精度。通过监测数据分析,发现其沉降速率上半年明显小于下半年,并给出了较为合理的解释。     

基于Peck公式的藏区公路隧道施工地面沉降预测

在隧道施工中结合现场地表下沉量测实测数据,利用Peck公式进行地表沉降计算,反分析法确定沉降槽曲线最大沉降量和沉降槽宽度及关键参数,并对拟合参数进行了检验。比较修正了沉降槽宽度计算经验公式,给出青藏高原东南部地区Peck公式中沉降槽宽度系数的初步建议值,验证了适合我国藏区具体地质条件与施工手段的公路隧道地表沉降预测模型。研究表明:Peck公式适用于青藏高原地区公路山岭隧道施工地面沉降预测,隧道进口浅埋段施工引起的地表沉降曲线基本符合高斯分布规律,进口段埋深较浅地表沉降槽宽度越大,埋深越大沉降槽宽度越小。     

灰色模型在建筑沉降预测中的改进与发展

灰色理论因其优良的灰色信息处理能力被广泛地应用于建筑沉降预测领域。但随着精度要求的提高,对灰色理论进行的改进从没间断过。从原始理论出发,结合近年来灰色预测模型发展的特点和存在的问题,总结了灰色模型在沉降预测中背景值、参数和控制量等方面的改进,分析认为下一步研究的重点将转向灰色模型方法改进,以及对灰色模型进行机理、权值组合方面的运用。     

双曲线法预测技术在地下工程沉降观测中的应用

沉降的危害及沉降观测在工程整治中十分重要。以某车站为例,应用双曲线法预测技术进行变形缝灌浆处理后的沉降预测和评估。通过分析评估表明:双曲线法的预测值和实测值线形基本吻合,达到了整治工程的预期目的。     

改进遗传算法在浅埋隧道施工倾斜地表沉降预测中的应用

Peck公式一般应用于水平地表隧道施工沉降预测,而对于山岭隧道,特别是进出口段往往地形倾斜,存在不同程度的偏压。对Peck公式进行改进,使其适用于倾斜地表沉降预测。针对基本遗传算法局部搜索能力不强,易陷入局部极值,不能收敛等缺陷采用改进遗传算法,加强局部搜索能力。对改进后的Peck公式中的计算参数运用改进遗传算法进行优化,并将其应用于青山岗隧道施工引起的倾斜地表沉降预测。结果表明,改进遗传算法是参数优化的一种有效的方法。     

基于DHGF算法的综合管廊出线节点选型研究

由于综合管廊出线节点的选型大部分依托于设计经验,缺少具体可行的选型方法,利用系统科学法中的四元集成法(DHGF算法)建立综合管廊出线节点的选型模型。首先,利用德尔菲法将管廊出线节点的主观影响因素进行定性,构建评价指标体系; 其次,通过层次分析法、灰色关联法和模糊判别法将定性指标进行系统地量化计算,最终确定综合管廊出线节点的选型模型; 最后,结合工程应用实例,验证DHGF 评价模型在综合管廊出线节点选型中的可靠性及有效性。     

基于光纤传感的地铁隧道沉降安全预测

研究了基于光纤光栅位移传感器的地铁隧道沉降安全预测方法,利用光纤光栅传感系统对地铁隧道沉降数据进行在线监测,并结合BP神经网络算法对数据进行分析,能够准确而有效地预测地铁隧道的沉降发展趋势。在地铁的长期营运过程中,系统可为地铁隧道的运行环境状态提供及时的预警信息和安全建议。