賈淑玲

(中鐵十八局集團第六工程有限公司，天津 300222)

隨著城市地下空間技術(shù)的不斷發(fā)展，深基坑工程的開挖深度愈來愈大，施工環(huán)境愈來愈復雜，施工安全問題也愈來愈突出。由開挖引起的變形是造成深基坑施工安全事故的重要原因，所以，必須嚴格控制施工過程中的變形并做出有效預測。由于巖土體材料的多相性、各向異性和非均質(zhì)性，現(xiàn)有計算理論很難準確描述變形的影響因素。

人工神經(jīng)網(wǎng)絡(luò)是一種智能算法，具有較強的處理非線性問題的能力，在深基坑變形預測等方面得到了廣泛應(yīng)用。但大部分研究者只是針對變形數(shù)據(jù)本身做了分析預測，并沒有考慮影響變形的各種因素。一旦預測出可能會出現(xiàn)超過報警值的情況，即使預報精度很高，由于無法得到造成這一危險的主要影響因素，對施工或設(shè)計甚至搶險決策作用并不大。所以必須在較準確預測出動態(tài)變形值的同時，還應(yīng)分析各種主要影響因素，以便在可能出現(xiàn)危險的情況下提前采取相應(yīng)的措施。本文考慮影響變形的多種因素，采用BP 神經(jīng)網(wǎng)絡(luò)方法建立深基坑變形預測模型，并通過實例驗證預測模型的可行性，以滿足設(shè)計與施工的需要。

1 影響深基坑變形的因素分析

(1)工程地質(zhì)條件。因為工程地質(zhì)條件的差別，支護結(jié)構(gòu)受到后方土體的土壓力差異很大。土壓力是導致深基坑支護結(jié)構(gòu)發(fā)生變形和位移的最直接原因，影響土壓力大小的參數(shù)主要有土的重度、粘聚力和內(nèi)摩擦角。

(2)水文地質(zhì)條件。影響深基坑變形的水文地質(zhì)條件主要包括地下水位的變化和土體的滲透系數(shù)兩個因素。地下水位的變化會引起深基坑本身和周邊土體的變形，且地下水位的變化一般不具有明顯的規(guī)律性，在建立預測模型時要將其作為一個重要因素來考慮。隨著地下水位的下降，軟土會產(chǎn)生固結(jié)沉降，而土的固結(jié)和土體的滲透系數(shù)密切相關(guān)。

(3)深基坑空間尺寸。大量工程實踐表明，隨著基坑開挖尺寸的增加，支護結(jié)構(gòu)的側(cè)向位移、地表沉降及底面隆起量都會有不同程度的增加。對于某一特定深基坑工程而言，其平面尺寸不會隨施工進程變化，但其開挖深度不斷增加，深基坑變形也逐步增大。

(4)支護結(jié)構(gòu)。影響深基坑變形的支護結(jié)構(gòu)因素主要包括支護結(jié)構(gòu)的類型、支撐的條件、結(jié)構(gòu)剛度及支護結(jié)構(gòu)入土深度。支護結(jié)構(gòu)通常采用地下連續(xù)墻等支護方式，而且往往會在深基坑內(nèi)設(shè)立內(nèi)支撐。增加墻體厚度或者在一定范圍內(nèi)增加支護結(jié)構(gòu)的入土深度可以減小深基坑的變形量，不過對于特定工程而言，墻厚和入土深度在設(shè)計階段已經(jīng)提前確定，施工階段可以不作為能夠改善變形的因素考慮。在施工階段，最有效減小變形量的措施就是設(shè)置內(nèi)支撐或土釘?shù)却胧?，增大支撐的剛度可以有效減小深基坑的變形。

2 基于各影響因素的變形預測方法

針對深基坑開挖過程中的某一變形量，考慮其影響因素包括以下7 個參數(shù):土的重度、土體粘聚力、土體內(nèi)摩擦角、地下水位、滲透系數(shù)、深基坑開挖深度、內(nèi)支撐層數(shù)，其向量分別記為γ、c、φ、w、K、H、N。在施工過程中可以獲得以上各參數(shù)的統(tǒng)計值，同時也可以通過監(jiān)測獲得基坑的變形值。將上述參數(shù)的變化向量作為輸入向量，將現(xiàn)場監(jiān)測獲得的變形值作為目標值，便可建立BP 神經(jīng)網(wǎng)絡(luò)。建立的BP 神經(jīng)網(wǎng)絡(luò)模型經(jīng)訓練收斂后，就可進行相關(guān)變形的預測。

(1)基坑開挖過程中，獲取某一特定時刻開挖面以上所有土層重度的加權(quán)平均值、土體粘聚力的加權(quán)平均值、土體內(nèi)摩擦角的加權(quán)平均值、地下水位、滲透系數(shù)的加權(quán)平均值、深基坑開挖深度、內(nèi)支撐層數(shù)，即可獲得一組訓練樣本;通過監(jiān)測獲得需要研究變形的實測數(shù)據(jù)，就得到了一組目標樣本。將多個時刻的訓練樣本和目標值集中，即可獲得多組樣本，見表1。為了便于函數(shù)選擇及計算，對訓練樣本和目標值進行歸一化處理。

表1 網(wǎng)絡(luò)訓練樣本、目標值

(2)進行神經(jīng)網(wǎng)絡(luò)模型設(shè)計，選擇適當?shù)乃惴?，輸入訓練樣本和目標值對網(wǎng)絡(luò)進行訓練，在達到規(guī)定的精度后訓練停止，得到收斂的模型連接強度。

(3)使用收斂的模型連接強度，將后續(xù)某一時刻的影響參數(shù)序列γ(s+1)、c(s+1)、φ(s+1)、w(s+1)、K(s+1)、H(s+1)、N(s +1)的歸一化數(shù)據(jù)作為網(wǎng)絡(luò)輸入，使用訓練好的網(wǎng)絡(luò)便可預測出深基坑變形值d(s+1)。

(4)為了增加預測模型的精度，在獲取新的監(jiān)測數(shù)據(jù)后，將新數(shù)據(jù)作為樣本加入到模型中對模型進行重新訓練，模型收斂后可用于后續(xù)變形的預測。

3 沉降預測的BP 模型

深基坑周邊建筑物沉降變形、深基坑范圍內(nèi)平面位移點的水平位移、開挖區(qū)域土體位移孔位移、測斜孔最大位移等都可作為訓練目標值建立BP 神經(jīng)網(wǎng)絡(luò)預測模型，并對相應(yīng)變形進行動態(tài)預測。本文以周邊建筑物沉降變形為例介紹BP 神經(jīng)網(wǎng)絡(luò)預測模型。

網(wǎng)絡(luò)的隱含層層數(shù)、輸入層、隱含層及輸出層之間的傳遞函數(shù)類型、隱含層節(jié)點數(shù)對模型的預測精度影響較大。如果神經(jīng)元數(shù)目不太多，預測模型只需一個隱含層便能獲得比較好的預測效果。模型建立時一個連續(xù)等時距的土的重度、土體粘聚力、土體內(nèi)摩擦角、地下水位、滲透系數(shù)、深基坑開挖深度、內(nèi)支撐層數(shù)的歸一化數(shù)值作為輸入層的7 個節(jié)點，深基坑周邊的測點沉降值作為輸出層一個節(jié)點，隱含層節(jié)點數(shù)取為n=8～30 并逐個進行檢驗，重點考察網(wǎng)絡(luò)預測誤差、網(wǎng)絡(luò)收斂速度等指標。網(wǎng)絡(luò)結(jié)構(gòu)取7-n-1(n 待定)，網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

圖1 變形發(fā)展預測的BP 網(wǎng)絡(luò)結(jié)構(gòu)

經(jīng)過檢驗，采用logsig 函數(shù)為傳遞函數(shù)、Levenberg-Marquardt 算法為訓練函數(shù)可以滿足建模的要求，所有模型采用logsig 函數(shù)及Levenberg-Marquardt 算法，利用MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱編制程序進行計算。

4 基于深基坑變形影響因素的深基坑工程施工期變形預測

4.1 工程概況

某地鐵車站為地鐵2 號線和3 號線換乘站，上面為3 號線，下面為2 號線。2 號線、3 號線同步施工，在2、3 號換乘節(jié)點施做臨時封堵樁，將兩站分做兩個條形基坑，2 號線基坑地下3 層，3 號線基坑地下2 層，采用明挖法施工，基坑開挖深度12～29.5m，基坑地下一層南、北側(cè)采用土釘墻支護，換乘節(jié)點處3 號線基坑采用樁+錨支護，地下二層采用土釘墻支護，2 號線基坑地下二、三層采用樁+內(nèi)支撐支護。結(jié)合測區(qū)狀況及地面建筑物、管線狀況和施工順序，布設(shè)較密集的監(jiān)測點并設(shè)置監(jiān)測主斷面進行全面監(jiān)測。

4.2 建筑物沉降變形預測

以沉降變形觀測點C013 為例，取前20 個監(jiān)測周期實測數(shù)據(jù)對應(yīng)的主要影響因素數(shù)據(jù)，作為訓練樣本建立BP 神經(jīng)網(wǎng)絡(luò)預測模型，樣本數(shù)據(jù)見表2。此時，在建立的預測模型中，當隱含層節(jié)點數(shù)在8～30 之間變化而其它因素保持不變，隱含層節(jié)點數(shù)為14 時，模型的網(wǎng)絡(luò)預測誤差最小，收斂速度也很快。

表2 BP 神經(jīng)網(wǎng)絡(luò)建模用樣本數(shù)據(jù)

因為編好程序的計算工作都由計算機來完成，并且模型收斂速度都較快，所以在每次模型建立時都對隱含層節(jié)點數(shù)進行優(yōu)選，從而保證預測的精度。從誤差曲線圖2 可以看到，網(wǎng)絡(luò)收斂速度較快，說明建立的模型及選取的參數(shù)質(zhì)量較好。

圖2 網(wǎng)絡(luò)預測誤差曲線

在建立BP 神經(jīng)網(wǎng)絡(luò)模型并采用表2 所列訓練樣本及目標樣本進行訓練并收斂后，將表3 所列的各組后續(xù)時刻的各項參數(shù)作為輸入樣本輸入到訓練好的網(wǎng)絡(luò)模型中，便可得到對應(yīng)的網(wǎng)絡(luò)輸出。

表3 地表沉降BP 神經(jīng)網(wǎng)絡(luò)預測

表4 網(wǎng)絡(luò)預測值及誤差分析

預測值與現(xiàn)場監(jiān)測值及其預測誤差均列入表4中。由表4 可見，模型的預測誤差較小，相對誤差絕對值在1%以內(nèi)，最大誤差也僅1.32%，對于深基坑的變形來說，這樣的預測誤差值是很理想的，完全滿足工程施工及設(shè)計的要求。

5 結(jié)束語

本文的研究結(jié)果表明，結(jié)合地質(zhì)勘查資料、設(shè)計文件等，以各施工時段的土的重度、土體粘聚力、土體內(nèi)摩擦角、地下水位、滲透系數(shù)、深基坑開挖深度、內(nèi)支撐層數(shù)等7 個因素值為訓練樣本，實際觀測的深基坑變形值為目標值建立的開挖變形預測BP 網(wǎng)絡(luò)模型，預測誤差非常小，模型精度很高，可以對深基坑施工或設(shè)計提供理論參考和支持。

［1］張彬，李洋，于相連，等.地鐵深基坑安全優(yōu)化有限元模擬［J］.遼寧工程技術(shù)大學學報(自然科學版)，2015，34(1):21-25.

［2］胡康俊，豐土根，張福海，等.深基坑開挖坑底隆起影響因素有限元分析［J］.施工技術(shù)，2014，43(22):116-119.

［3］熊孝波，桂國慶，鄭明新，等.基于免疫RBF 神經(jīng)網(wǎng)絡(luò)的深基坑施工變形預測［J］.巖土力學，2008，29(S1):598-602.

［4］劉賀，張弘強，劉斌.基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的深基坑變形預測方法［J］.吉林大學學報(地球科學版)，2014，44(5):1609-1614.

［5］馬建林.土力學［M］.第三版.北京:中國鐵道出版社，2011:195-199.