陳志海， 葉金鉍

(1.廣東省建筑設計研究院，廣東 廣州510010;2.重慶大學土木工程學院，重慶400045)

0 引言

伴隨著高層和超高層建筑的迅速發(fā)展和城市地下空間的大規(guī)模開發(fā)利用，基坑工程發(fā)展迅速，開挖深度和開挖規(guī)模急劇增大，施工工藝和周邊環(huán)境日益復雜，‘群坑效應’明顯［1～2］.因此，基坑設計和施工的難度越來越大，不可避免的帶來諸多基坑安全問題.深基坑的安全性包括兩個方面，一是基坑自身的安全性，二是對開挖深度3～4倍范圍建筑物等周邊環(huán)境影響.可見，深基坑安全性影響因素眾多，且相互作用，難以準確的單純用一個指標表示出來［3］.文獻［3］運用可拓學原理，通過對多個評價指標進行量化分析確定安全等級，建立了基于變形控制的深基坑工程安全評估模型.文獻［4］采用模糊綜合評判模型進行風險評估，確定基坑施工風險等級.對基坑的安全性進行綜合評價的文獻尚不多見，現有的安全性評價方法不能勝任對深基坑安全性的動態(tài)控制，也無法對整體安全性做出客觀準確的評價.可見基坑的安全性評價至今尚未形成比較完善、科學且操作性強的評價方法.

因此，分析深基坑失穩(wěn)的主導因素，建立評估指標模型;對深基坑的安全性進行等級劃分，建立深基坑安全性定量評價方法是深基坑工程研究的關鍵問題.本文嘗試在理論分析的基礎上，建立深基坑安全狀態(tài)的評估方法，對深基坑的安全性進行綜合評價.

1 建立安全性評估模型

1.1 選取評估指標

影響深基坑安全性的參數繁多，比如巖土體本身性質如彈性模量、泊松比、內摩擦角、抗拉強度，支護參數如支護類型、樁直徑、樁間距、樁長.此外，周圍環(huán)境如地面沉降、建筑物及地下管線變位等也將對其產生影響.

為了合理地對深基坑的安全性進行評價，以深基坑工程設計過程中普遍采用的內力計算指標和變形計算指標作為各單因素評價指標.文獻［2］在基坑風險評價中認為穩(wěn)定計算指標包括抗傾覆穩(wěn)定、抗隆起穩(wěn)定、抗?jié)B流穩(wěn)定、抗承壓水穩(wěn)定計算;變形計算指標包括最大變形量△除以開挖深度H.

考慮工程自身特點，選取的內力指標包括坑底回彈、墻體彎矩和支撐軸力，變形計算指標包括墻體側斜、立柱隆起與地表沉降.詳見表1.

設基坑支護體系因素集為:

={坑底回彈，墻體側斜，墻體彎矩，

支撐軸力，墻體豎向變位，地表沉降}

表1 基坑支護體系單因素安全評價指標

1.2 各因素評價指標的確定

依據基坑按照失事后果對環(huán)境造成的影響，將基坑支護體系安全等級劃分為五級，見表2:

并定量給出深基坑安全性評價指標分級的標準，如表1所示.

表2 基坑安全等級劃分

圖1 模糊神經網絡結構示意圖

2 評價方法研究

2.1 模糊神經網絡

模糊神經網絡是一種可以用來處理模糊數據的網絡結構.成功運用在多個領域的各種評估當中［5～9］.將模糊理論與人工神經網絡技術結合起來應用于深基坑工程的安全性評價，可以發(fā)揮模糊理論和人工神經網絡各自的優(yōu)點，為深基坑安全性評價提供一個新的途徑.

2.2 網絡結構設計

根據基坑安全評價的過程，本文設計了多輸入多輸出的五層前向模糊神經網絡結構.網絡結構如圖1所示.簡單說明如下:

第1層是輸入層，為模糊神經網絡的輸入變量.第2層是隸屬函數層，隸屬函數采用正態(tài)分布;

μ(xi)為神經元的輸出，mij為隸屬函數的中心，σi為方差，決定隸屬函數的寬度.第3層為模糊運算層;第4層為量化輸出層輸出結果為模糊化數值;第5層是反模糊化層，輸出向量y.

3 工程運用

3.1 工程概況與監(jiān)測布置

某深基坑工程位于深厚軟土地區(qū)，基坑開挖深度約為16.3m，采用明挖順作法施工.土體力學參數值，經試驗室測定取值范圍為 E =2200 ～2400kPa，μ =0.34 ～0.38，c=18 ～21kPa，φ =19°～23°.地下水位埋深 1.0 ～1.8m，對基坑開挖影響較大.鑒于本工程工程地質和水文地質條件較差，工程實施過程中容易發(fā)生事故，對該車站的基坑工程進行精心設計，并進行監(jiān)測.車站主體結構為四層三跨矩形框架結構，圍護結構采用800 mm厚地下連續(xù)墻加鋼管內支撐，墻深29米，埋入坑底以下13.7m.基坑豎向設 3道支撐，鋼支撐采用Φ609 mm鋼管，支撐水平間距約為3m，設計橫撐力為780 kN.周邊建筑主要是民用砌體結構的小型建筑，距離在10m之外.基坑安全等級為一級.監(jiān)測點按照規(guī)范要求均勻布置于基坑各處.基坑土方開挖采用分層開挖，降低開挖風險.

3.2 網絡訓練

按上述網絡結構，自動生成40組標準理論樣本，30組用于訓練，10組用于檢驗.對于樣本輸出則采用模糊綜合評價法確定，各評估指標的權重由德爾菲法給出.其中，專家給出的各評估指標的權值向量為:ω =［0.077，0.190，0.224，0.177，0.140，0.192］.訓練樣本見表2，本文給出部分訓練樣本.標準BP算法在迭代計算過程中存在易陷入局部最小值和收斂速度慢的問題，為克服以上2個問題，采用加入動量的改進算法.神經網絡模型訓練目標偏差為10－2，網絡學習速率為0.01.初始權值由系統(tǒng)自動賦值，經反復迭代直到收斂，網絡訓練完畢，訓練好的網絡回判結果見表4.運用該模糊神經網絡模型，選取測試樣本數據輸入到網絡中，得到評價結果，見表5.測試結果表明該訓練好的神經網絡預測效果良好，與模糊綜合評價所得結果一致.

表3 典型訓練樣本

表4 訓練樣本模糊神經網絡評價結果

表5 檢測樣本評價結果

3.3 實例運用

為保證基坑的安全，在施工中對基坑進行了動態(tài)監(jiān)測，主要是前文所述的六項指標，監(jiān)測數據詳表6～9.限于篇幅以及便于觀察僅列出具有代表性的監(jiān)測值.

表6 部分監(jiān)控點坑底隆起值

表7 部分監(jiān)控點墻體最大彎矩值

表8 部分監(jiān)控點豎向最大位移值

表9 部分監(jiān)控點沉降最大值

將監(jiān)測得到的數據的最大值輸入到訓練好的神經網絡中，可以得到該深基坑的安全性評價結果.實際上，基坑各處幾乎不可能同時達到最不利狀態(tài)，也即評估指標很難出現同時達到最大值的情況，但為便于對整個基坑的安全性有一個整體評估，選取各個監(jiān)測點的最大值，使得評價結果偏于安全.該深基坑網絡輸入為(1.23.50.60.91.8 2)，網絡輸出為(0.000.290.180.620.04)，根據最大隸屬度原則確定該基坑的安全等級為IV級，安全性差，處報警狀態(tài)，基坑支護體系安全隱患大，應采取補救措施.在工程實際建設過程中，在2011年9月21日時有降雨發(fā)生，在該深基坑沿長向中部墻體中部發(fā)生較大的位移，支撐軸力也變大，基坑底部土體明顯隆起，顯現出破壞的征兆.建設單位組織專家對該基坑的安全狀況進行評估，認為該基坑應立即采取有效措施進行控制.根據模糊神經網絡評價結果和專家的意見，施工單位及時采取有效措施控制基坑的變形，該基坑的安全隱患得到有效控制，工程未發(fā)生安全事故.

本文僅列舉了具有代表性的5個訓練樣本和3個測試樣本，但并不失一般性.訓練好的網絡測試結果表明該神經網絡評價結果與模糊綜合評價結果也即預測輸出具有良好的一致性，可以用于基坑的安全性評價.

將訓練好的網絡運用于實際工程中，評價結果與實際情況相符，但此處取的均為各監(jiān)測點的最大值，評價結果偏于安全，因為各點難以同時達到最不利情況，故在某些情況下評估結果可能偏于保守.

4 結論

(1)本文研究了深基坑安全評估的特點，在文獻分析及實際工程調研的基礎上，認為影響深基坑安全性的主要影響因素為側壓力、墻體傾斜、墻體彎矩、支撐軸力、立柱隆起以及地表沉降;將基坑的安全性等級劃分為5級，根據不同的安全等級擬定不同的防治措施;對評估指標安全等級進行量化處理，建立評估指標和安全等級的對應關系.

(2)論證模糊神經網絡用于深基坑安全性評估的可行性，在此基礎上建立安全性評價模糊神經網絡模型.

(3)利用樣本數據對網絡進行學習訓練和測試，并用于工程實例.結果顯示，該評價方法的精度能滿足工程應用要求，為深基坑施工安全評價提供一種新的可靠途徑.

［1］周紅波.基于貝葉斯網絡的深基坑風險模糊綜合評估方法［J］.上海交通大學學報，2009，43(9):1473 －1478.

［2］陳曉勇，高廣運，李偉.深基坑支護結構的風險分析［J］.地下空間與工程學報，2009，5(增刊2):1794 －1798.

［3］郭智杰，陸上云，邊亦海.可拓學理論在深基坑安全評估中的應用研究［J］.地下空間與工程學報，2006，2(5):851 －856.

［4］何錫興，周紅波，姚浩.上海某深基坑工程風險識別與模糊評估［J］.巖土工程學報，2006，28(增刊):1912 －1916.

［5］Li Zhenquan，Kecman V，Ichikawa A.Fuzzified Neural Network Based on Fuzzy Number Operation［J］.Fuzzy Sets and Systems，2002，130(3):291 －304.

［6］劉沐宇，袁衛(wèi)國.基于模糊神經網絡的大跨度鋼管混凝土拱橋安全性評價方法研究［J］.中國公路學報，2004，17(4):55－58.

［7］袁衛(wèi)國.基于靜力試驗的大跨鋼管拱橋承載力的模糊神經網絡評價［J］.2006，31(3):122 －124.

［8］李天斌，孟陸波，朱勁等.隧道超前地質預報綜合分析方法［J］.巖石力學與工程學報，2009，28(12):2429 －2436.

［9］趙冬梅，劉金星，馬建峰.基于模糊小波神經網絡的信息安全風險評估［J］.華中科技大學學報(自然科學版)，2009，37(11):43－49.

［10］Wu Yankai，Sang Xiansong，Niu Bin.Freeway Slope Stability E-valuation Based on Multi－ Level Fuzzy Neural Network［J］.Advanced Materials Research，2012，430:1700 －1703.