科研之友
微信
新浪微博
Facebook
分享链接
摘要
成都地铁隧道主要穿越地层为砂卵石地层，采用土压平衡盾构施工。砂卵石地层具有明显的不均匀性和非连续性，工后沉降波动大且不易预测。根据成都地铁盾构1 403个测点的监测数据和施工数据，研究了多维掘进参数与地表沉降之间的关系。建立了砂卵石地层沉降预测的人工神经网络(ANN)模型，并对模型的节点参数进行优化。最终得到的ANN模型包括9个输入节点，19个隐含层节点和1个输出节点。训练数据充足时，该模型有效反映了检验数据集的沉降变化趋势。在50组检验数据集上，沉降预测值与真实值的相关系数为0.645。针对某区间掘进工况的模拟检验表明，ANN模型有效预测了该区间纵断面沉降分布，且区间下半段的预测误差明显小于区间上半段，表明模型预测效果随着区间盾构的推进逐步改善。与Peck经验公式的对比表明，经验公式法的预测值波动很小，适合在施工开始前预估隧道整体的平均沉降，难以判断区间内部的沉降波动；ANN模型则适合在隧道掘进期间对特定位置的工后沉降做出预判。
- 单位
