孟杰 张家立 冯同广

山东高速工程建设集团有限公司 山东 济南 250000

基础沉降是建筑工程中不可避免的问题之一，尤其是在高层建筑和主裙楼的施工中更为突出。为了确保建筑的稳定性和安全性，需要对基础沉降进行控制和监测。主裙楼中组合基础沉降控制尤为重要。影响组合基础沉降的因素有很多。组合基础所处的土层及上部荷载的施工进程等，都会使组合基础沉降进一步增加。通过对主裙楼组合基础沉降控制参数的敏感性分析，可以快速地得到对基础沉降影响最大的参数，并为后续施工提供参考。

随人工智能发展，神经网络因其“快速、精确、全面”的优点，被运用到敏感性分析中。在神经网络参数敏感性分析方面: Kourosh等[1]提出卷积神经网络( CNN) 的敏感性分析方法，并对其性能进行比较; Ghada 等[2]利用深度残差神经网络对热拌沥青混合料进行参数敏感分析; Moussa等[3]在结构可靠度评估中使用神经网络集成构建参数敏感性分析模型，验证神经网络在敏感性分析中的稳定性和准确性。本文通过构建基础沉降控制参数与主裙楼组合基础沉降的梯度提升树拟合模型，对主裙楼组合基础沉降与其控制参数的敏感性进行分析。

1 敏感性分析流程

1.1 基于梯度提升树的参数敏感性分析

梯度提升树(XGBoost)整体思想就是直接把损失函数和正则项加起来合成一个整体的损失函数，对这个损失函数求二阶导数，得到最终的自定义目标函数，通过自定义目标函数计算得到一个分数，这个分数越小越好，最终通过自定义目标函数计算得到的分数确定了树的结构和整个强学习器的分数。XGBoost不是通过拟合残差实现的，而是计算自定义目标函数直接得到的树结构。结构如图1所示。

对于回归树：预测结果会落在每片叶子上，回归树会将叶子上的数值求平均就是这片叶子结点的回归结果。利用如下公式1进行计算。式中：K是树的总数量，k代表第k棵树，k是这颗树的权重，hk表示这棵树上的预测结果。

当XGBoost参数确定，任意响应特征对于输出值的敏感性系数均可求得。通过对回归树叶子上的权重进行分析，可以得到输入特征值对输出参数的影响因子，这个影响因子就是输入特征对输出值的敏感性系数。

1.2 数据归一化

当输入参数的取值范围确定后，采用正交试验法对所选参数进行组合，得到输入特征训练集。为了加快收敛速度，避免参数上下限对训练结果产生较大影响，在模型训练前需要对输入和输出分别进行归一化处理，将数据归一至[0-1]之间，如式2所示：

2 工程背景及参数选择

2.1 工程简介

本文选取位于济南市历城区董家街道某工程数据。该工程位于温梁路，杨家河西路以西，原始地面高程为101.5±0.5m。该工程为了反映建筑在施工过程中的沉降变化，确保建筑物顺利施工和建筑物变形可控，对该主裙楼组合基础进行沉降检测，测点平面布置图如图2所示。

图2 主裙楼沉降测点布置平面图

如图2选取主裙楼测点中1-1作为测点1数据，1-2作为测点2数据，2-1作为测点3数据，2-2作为测点4数据，进行主裙楼组合基础沉降控制参数敏感性分析。

2.2 参数选取

为了得到基础沉降控制参数的敏感性，将基础的土体参数、上部结构随着施工进行的荷载变化、基础形式、施工天数等诸多因素导入模型进行训练。通过模型对输入特征值的学习，并对沉降值进行拟合，可以得到各个输入特征值对沉降值的影响因子。将影响因子进行对比处理，可以得到各个参数对沉降的敏感性系数。基础形式包括筏板基础和独立基础两种形式。外部荷载按施工环节和施工进程进行换算，结果如下图3所示。

图3 荷载比例换算图

3 参数敏感性分析

岩土工程中土体参数对计算结果有着显著影响，由于土体参数造成的误差有时很大。通过机器学习模型内部学习各个输入特征参数与沉降的关系，可以将基础的各个参数特征对沉降的敏感性进行量化。

通过XGBoost模型对输入特征的学习，发现模型对基础沉降的拟合效果显著，拟合相对系数R2值[4]高达0.94，说明模型拟合程度高，可以用来获取特征对基础沉降的影响因子。模型拟合散点图如下图4所示。

经过XGBoost模型拟合学习，得到了输入特征对基础沉降结果的影响因子。然后，对影响因子进行分析，得到各个控制参数特征对基础沉降的敏感性系数，参数敏感性雷达图如下图5所示。

图5 参数敏感性雷达图

从图中可以看出，对组合基础沉降影响较大的控制参数是上部结构的荷载变化、沉降累计天数、含水量和孔隙比。荷载变化影响组合基础沉降的原因，是随着施工的进行，上部结构逐步完善，其传递至基础的重力加大，对主裙楼组合基础沉降造成较大的影响。沉降的累计天数对主裙楼组合基础沉降有高敏感度的原因，是随着时间流逝和上部荷载加大，土体中的水被挤出，超孔隙水压力减少，土体的有效应力增加，土体发生局部固结导致基础沉降。孔隙比和含水量对主裙楼组合基础沉降的敏感性较大，同样是由于上部荷载的逐渐加大以及时间的推移，土中空隙被压实，基础发生沉降位移。

4 结论

主裙楼组合基础沉降的控制参数敏感性与土体参数及上部结构有关，通过XGBoost网络模型将主裙楼组合基础沉降控制参数与基础累计沉降导入模型进行学习，并分析控制参数对主裙楼组合基础沉降的敏感性，得到如下结论。上部荷载变化对基础沉降的敏感度最大，同样时间也是高敏感度因素。土体参数中孔隙比及含水量是基础沉降较敏感的参数。在进行主裙楼组合基础沉降控制时，需要着重考虑上部荷载的变化对组合基础沉降的影响。