科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着城市轨道交通建设的逐年增多，盾构施工引发的地表沉降问题愈发突出，传统方法难以对高原湖相沉积软土场地盾构施工沉降进行准确预测。基于无监督学习思想，结合工程经验优选10项表征指标作为输入集，据主成分分析(Principal Component Analysis, PCA)处理多参交互、非线性问题的能力，实现样本多参数去耦合的降维处理，得出表征指标敏感性序列，以指导控制措施的实施。利用K-means算法搜寻最优初始聚类中心，并采取多种内部评价指标优化模糊C-均值聚类(Fuzzy C-Means clustering, FCM)中心数，旨在缩短模型收敛时间并提升预测准确率。基于此优化聚类算法建立盾构施工地表最大沉降的无监督预估模型，度量样本数据的空间相似性并进行沉降值类别划分，实现工后沉降等级精准预估与施工参数调整，从而有效控制地表沉降。应用该模型对昆明地铁5号线高原湖相沉积软土场地不同里程段盾构工后沉降进行预测，并与多种算法结果进行对比分析，结果显示该模型对测试样本适应性更强，算法收敛快，预估结果精准可靠，具有较好的工程应用价值，所得研究成果与结论可为近似工程提供借鉴与参考。
-
单位建筑工程学院; 昆明理工大学
