陈明洋

（中铁建设集团有限公司 北京 100040）

1 引言

由于基坑开挖会破坏土体初始的地应力平衡状态，该过程的变形与工程所处地域的地质环境、开挖深度、开挖时间、土体结构、降雨、地下水渗流等众多因素有关，故开挖导致的基坑支护结构变形是个复杂、动态的变化过程，其中充满了不确定性，很难对其进行准确的预测，从而保证施工安全。

为了对基坑开挖过程中支护结构的变形进行准确预测，学者们运用了理论、数值模拟、数学统计等多种方法［1－4］。何伟等［5］基于灰色系统理论建立了预测基坑变形的GM（1，1）模型，并对隧洞施工过程中的变形进行了预测。李彦杰等［6］对BP神经网络进行了优化，建立了基于遗传算法-BP神经网络的深基坑变形预测模型，对宁波地铁某车站深基坑地下连续墙支护结构水平位移进行了预测。万荣辉等［7］将粗集理论算法和脊波神经网络算法结合在一起，建立了深基坑变形的预测模型，并成功应用于西南地区某市火车站南广场的基坑开挖预测。以上对基坑变形预测的理论方法均取得了一定的成果，由于基坑变形是个很复杂的非线性动力学现象，需要多重方法结合起来进行互补才能达到准确预测基坑变形的目的，引入新的智能方法开展基坑变形预测的研究仍然十分必要。

本文以不确定性人工智能［8］的理论为基础，将云理论应用到基坑变形的预测中。采用熵权法［9］来确定各指标的权重，建立了基坑支护结构变形预测的云模型，借助国内相关文献的实例检验了模型的可行性和准确性，为基坑支护结构变形预测问题的研究提供了一条新思路。……