APP下载

基于小波神经网络的地铁基坑地表沉降随机预测

2021-12-22张蓓姚亚锋季京晨

铁道科学与工程学报 2021年11期
关键词:模型

张蓓,姚亚锋,季京晨

(1. 南通职业大学建筑工程学院,江苏南通 226001;2. 安徽建筑大学土木工程学院,安徽合肥 230022)

近年来,南通作为长三角核心城市,为适应区域经济一体化的格局,其轨道交通地铁建设正在紧张有序地开展[1-2]。根据前期的地质分析,南通地区属于长江下游三角洲冲积平原地貌,总体土质比较松软,含水率大,隧道施工时其基坑降水处理与沉降量分析对地铁隧道的变形和施工安全至关重要。以往基坑降水及沉降量预测方面的研究大多采用建立经验公式和数值分析的方法[3-6],未曾考虑到沉降量受降水因素、施工扰动和地下多变的岩土环境影响,存在一定随机性的问题,故造成计算结果与实际工程不符,可能导致安全事故发生。为此,在南通地铁软土层基坑降水试验的基础上,建立改进的小波神经网络对地铁基坑地表沉降进行随机预测,以期获得更为准确的基坑地表沉降数据,为地铁软土层基坑开挖工程提供有效基础资料[7-8]。

1 软土层基坑降水模型试验

1.1 基本工况

南通城市轨道交通1 号线1 期工程土建施工05标包含2 个地下车站、2 个盾构区间。其中某车站外包全长206.0 m,标准段宽20.7 m,端头井宽24.8 m,标准段深16.93~17.28 m,南端头井深18.92 m,北端头井深18.5 m;设4 个出入口,2 组风亭,主体及附属采用明挖顺筑法施工。车站横剖面如图1所示。

图1 某车站横剖面示意图Fig.1 Diagram of a station cross section

该车站位于南通市中央创新区,地貌类型属于长江三角洲冲积平原。车站基坑开挖以软土层工况为主,开挖现场如图2所示。……

登录APP查看全文

猜你喜欢

模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用