孫 鈞， 溫海洋

(1. 同濟大學隧道及地下工程研究所， 上海 200092； 2. 上海市隧道(股份)集團公司院士工作室， 上海 200032)

0 引言

就隧道與地下工程而言，在巖土介質(zhì)材料方面，它是一種“客觀上隨機性、不確定性和不確知性高，材性上離散性強；主觀上則又模糊性，計算上簡化近似性及任意性大”的“灰箱”問題，單憑力學手段和數(shù)值方法一般都難以達到定量決策的效果。

在城市中心城區(qū)興建軌交/地鐵，除關(guān)心工程結(jié)構(gòu)自身的施工安全外，還要考慮周邊環(huán)境不同程度土工病害的防治問題。

文獻[1-3]論述了城市建設(shè)地下工程施工活動中的環(huán)境土工學問題，提出人工智能方法是有別于傳統(tǒng)力學計算和數(shù)值分析的另一種對施工變形預(yù)測與控制的有效手段。分別以地鐵車站深大基坑開挖施工和地鐵區(qū)間隧道盾構(gòu)掘進為例,介紹了在幾處工程現(xiàn)場所做的施工變形智能預(yù)測與控制的示范性應(yīng)用。文獻[4-6]采用人工智能神經(jīng)網(wǎng)絡(luò)和模糊邏輯法則等手段,對地鐵車站深大基坑和地鐵盾構(gòu)施工中的土體變形以及土工環(huán)境問題進行智能預(yù)測；在變形達到規(guī)定限值之前,通過變形控制的模糊邏輯智能方法,藉調(diào)整地鐵施工諸技術(shù)參數(shù),達到合理控制施工變形的目的。我團隊1年來通過多處工程項目的應(yīng)用實踐，認為： 就我國廣大軟土地區(qū)而言，如因施工變形過大，隨地鐵車站深大基坑開挖/區(qū)間隧道盾構(gòu)掘進施工進展，可藉調(diào)整各相關(guān)施工技術(shù)參數(shù)施行變形超限后的智能控制策略，可將變形始終約束在規(guī)定的閾值范圍之內(nèi)。本文主要對建議的人工智能方法和地下車站等深大基坑以及地鐵盾構(gòu)施工變形智能預(yù)測和控制案例進行介紹，說明其采用優(yōu)點。同時，簡要介紹了已研發(fā)的盾構(gòu)掘進施工中工程周邊地表沉降/隆起變形的多媒體三維動態(tài)可視化仿真程序軟件及相應(yīng)的計算機智能技術(shù)管理系統(tǒng)，這些均在應(yīng)用中獲得了實效，并有相當?shù)膭?chuàng)意和進取。

1 基于人工神經(jīng)網(wǎng)絡(luò)的智能預(yù)測方法

當前，許多重大工程在施工中均有海量的(大數(shù)據(jù))、系統(tǒng)的變形監(jiān)測數(shù)據(jù)，利用已編制好的、由這些監(jiān)測值組成的工程監(jiān)測數(shù)據(jù)庫和當?shù)氐刭|(zhì)、水文資料庫制作“樣本”，以提供作為搜索、查證、咨詢和調(diào)用，并作為采用智能化分析時的基礎(chǔ)輸入數(shù)據(jù)。這就構(gòu)成了對工程結(jié)構(gòu)變形位移和周邊地表沉降/隆起值進行預(yù)測、分析、判斷和控制的一種有別于數(shù)值模擬而另辟蹊徑的軟科學手段與方法。

利用人工神經(jīng)網(wǎng)絡(luò)可以很好地模擬人腦的思維和推演功能，且因該法具有自適應(yīng)性和容錯性良好的特點，能夠從已建工程前一時段(2～3個月前)監(jiān)測到的數(shù)據(jù)，采用筆者建議的多步滾動預(yù)測法智能化手段，預(yù)測3～5 d將要發(fā)生的結(jié)構(gòu)變形位移和周邊地表沉降/隆起的定量值。相對于傳統(tǒng)的信息化施工而言，可視為一次更高層次的技術(shù)提升。

1.1 人工神經(jīng)網(wǎng)絡(luò)智能預(yù)測(多步滾動預(yù)測法)的實施

人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意見圖1。

圖1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意

現(xiàn)對圖1所示的工神經(jīng)網(wǎng)絡(luò)自左向右的3個層面展開說明。

1)第1層(左首層)為輸入層。對此處討論的施工變形智能預(yù)測問題而言，將輸入以下基礎(chǔ)數(shù)據(jù)： 測點y1及其周邊各測點(y2，…，yn)早前時刻已測得的變形值，即：y1(t)，y1(t-1)，…，y1(t-n)；y2(t)，y2(t-1)，…，y2(t-n)；yn(t)，yn(t-1)，…，yn(t-n)。

2)第2層(中間層)也稱隱層。這是人工神經(jīng)網(wǎng)絡(luò)發(fā)揮其自學習和自適應(yīng)性功能強的關(guān)鍵一層。它將左首輸入層所示的相應(yīng)各測點及其在不同時刻的歷時變形變化——與其變形速率聯(lián)系為一體，進而可根據(jù)人工神經(jīng)網(wǎng)絡(luò)輸出各測點下一時刻相應(yīng)各值的發(fā)展變化。人工神經(jīng)網(wǎng)絡(luò)的具體實施，可參見其他有關(guān)專著或筆者早年已見刊的論述[1-5]，此處不再贅述。

3)第3層(右首層)為輸出層。將中間隱層相應(yīng)各測點變形值的歷時變化及其在輸入層所測時刻t及之前各時刻(t-1，t-2，…，t-n)已測得的相應(yīng)各變形值，通過人工神經(jīng)網(wǎng)絡(luò)的學習和訓(xùn)練，可在圖中右首層經(jīng)預(yù)測得出后一時刻(t+1)所對應(yīng)的相應(yīng)各測點的智能預(yù)測值，即：y1(t+1)，y1(t+2)，…，y1(t+n)和y2(t+1)，y2(t+2)，…，y2(t+n)；……。依此類推下一時刻及其他測點后續(xù)各個時刻、各個測點智能預(yù)測值的后續(xù)歷時變化。

本文建議采用多步滾動預(yù)測法的流程框，見圖2。所謂“多步滾動”，是指不是一次性預(yù)測很長時間(如后續(xù)1個月)的變形值，而只是預(yù)測后續(xù)3～5 d的變形值；隨著預(yù)測時間的逐次向前推移，先前用到的、已預(yù)測過變形的日期將始終維持在2～3個月，即每天逐次將最前記錄已測變形值的時間刪除1 d。此予說明。

圖2 多步滾動預(yù)測法流程框圖

1.2 基于智能模糊邏輯的施工變形控制的實施

借用模糊數(shù)學中“隸屬度”的概念，先通過“遞階/層次分析法”對地鐵車站基坑開挖/區(qū)間盾構(gòu)掘進諸有關(guān)施工技術(shù)參數(shù)(這些參數(shù)與變形值間不同程度的相關(guān)性、先已按層次分析法逐個得出，另見本文第1.3小節(jié))進行敏感度分析；據(jù)已得出的各不同施工技術(shù)參數(shù)在變形值超限時作必要調(diào)整、變化后，按其對施工變形影響因子和影響程度大小(即按其對后續(xù)變形的重要性)進行排序；進而在施工變形達到超限閾值(該值先按行業(yè)規(guī)定擬定好)之前施加智能模糊邏輯控制(即調(diào)整諸有關(guān)施工技術(shù)參數(shù)，可使施工變形能始終約束在規(guī)定的相應(yīng)限值之內(nèi))。智能模糊邏輯控制系統(tǒng)框圖見圖3。盾構(gòu)掘進變形智能控制運作框圖見圖4。

1.3 測試樣本的機器學習與演練

用上述智能方法取得預(yù)測和控制成效的關(guān)鍵在于： 1)要先選取測試“樣本”，并對其進行“深度學習”(采用BP人工神經(jīng)網(wǎng)絡(luò)方法)，即： “學習”、“訓(xùn)練”、“測試”和“演練”； 2)編制相對龐大、詳盡的工程監(jiān)測數(shù)據(jù)庫和當?shù)匮鼐€的地質(zhì)、水文資料庫。

選取多組“樣本” ，要求通過機器的深度學習。含： 數(shù)據(jù)、信息的采集，訓(xùn)練和測試，最后再通過演練確認正確無誤，使之起到樣本的作用。

“樣本”的組別，大體可分為： 1)復(fù)雜的地質(zhì)、水文條件； 2)復(fù)雜的施工條件(如： 盾構(gòu)進出工作井、交疊盾構(gòu)隧道、超淺埋暗挖掘進、超深大基坑，等等)； 3)復(fù)雜的城市環(huán)境維護條件(含： 緊貼坑周有需保護的淺基民居和老舊建(構(gòu))筑物、盾構(gòu)下穿樁基、鄰近有已建/在建建(構(gòu))筑物，或遇有國家一、二級保護歷史文物，等等)。

圖3 智能模糊邏輯控制系統(tǒng)框圖

圖4 盾構(gòu)掘進變形智能控制運作框圖

采集“樣本”，其輸入的主要參數(shù)需按對結(jié)構(gòu)施工變形、附近地面沉降/隆起值的影響程度，采用遞階分析和敏感度層次分析方法，進行層次排序，對基坑和盾構(gòu)，可分別按層次先后列出。

1)對基坑開挖施工

①分層開挖深度；②沿縱向開挖步長；③先撐后挖/先挖后撐；④橫向?qū)问欠袷┘宇A(yù)壓應(yīng)力(扁千斤頂)；⑤坑土無支撐暴露時間；……。

2)對盾構(gòu)掘進

2 人工神經(jīng)網(wǎng)絡(luò)智能預(yù)測與控制案例

2.1 基坑施工變形智能預(yù)測與控制實施案例

某懸索跨江大橋錨碇深大基坑，地下墻體深部為嵌巖，基坑支撐平縱面布置見圖5。地下墻結(jié)構(gòu)墻體水平位移實測與智能預(yù)測值的對比示例見圖6。

(a) 基坑內(nèi)支撐平面布置圖 (單位： mm)

(b) 地下連續(xù)墻槽段展開和基坑支撐縱剖面圖 (單位： m)

圖6 基坑墻體水平位移隨深度變化的實測與智能預(yù)測值的對比示例

大橋錨碇深大基坑在施工開挖過程中地下連續(xù)墻體的水平位移和坑周地表沉降實測與智能預(yù)測值的對比示例見圖7—8；采用智能模糊邏輯法則進行變形有效控制的效果示例見圖9—10。由各圖示例可見，智能預(yù)測與控制的精度均達到了工程設(shè)計要求，精度十分滿意，但對土體沉降后期的預(yù)測精度(圖8中，2月2日以后的預(yù)測值)則稍差，從現(xiàn)代土力學對沉降變形做計算預(yù)測的機理來看，也是可以理解的。

圖7 基坑墻體水平位移歷時增長變化的實測與多步滾動智能預(yù)測值的對比示例(2002年)

圖8 坑周地表沉降歷時變化的實測與多步滾動智能預(yù)測值的對比示例(2002年)

FC指模糊邏輯控制。

FC指模糊邏輯控制。

2.2 盾構(gòu)掘進施工變形智能預(yù)測與控制實施案例

為了制定盾構(gòu)掘進諸施工技術(shù)參數(shù)與沿盾構(gòu)走向地表沉降/隆起變形值間的經(jīng)驗關(guān)系，需先行制作上述測試“樣本”，并按設(shè)定的主要施工技術(shù)參數(shù)在盾構(gòu)試推進階段對各臺盾構(gòu)逐一經(jīng)現(xiàn)場試推測試確定。盾構(gòu)掘進的經(jīng)驗已證實： 1)對盾構(gòu)作業(yè)面前方，影響地表沉降/隆起變形最主要的參數(shù)是“艙壓”和“盾構(gòu)掘進速度”； 2)在管片脫出盾尾后，影響后方地表早期沉降/隆起變形最主要的參數(shù)則是“同步注漿量”對“盾構(gòu)與管片間建筑空隙的填充率”和若有“注漿滯后時的滯后時間”。不同盾構(gòu)的這些參數(shù)都需在盾構(gòu)試推進階段逐個實測確定，不能用其他盾構(gòu)的相應(yīng)各值代替。

盾構(gòu)試推進階段，主要施工參數(shù)與盾構(gòu)后上方地表縱向中心沉降量間的實測關(guān)系曲線見圖11。

在盾構(gòu)掘進中，沿隧道縱、橫向作業(yè)面前、后方地表隆起/沉降變形曲線的智能預(yù)測與相應(yīng)實測值的對比示例，分別見圖12—15。

早前，盾構(gòu)施工變形控制采用傳統(tǒng)的人工控制策略，見圖16?，F(xiàn)在改用了智能控制，可見兩者過程基本一致，說明電腦仿真效果與人腦的一致。

(a) (b)

(c)

3 智能方法的優(yōu)點和特色

從筆者所在研究團隊(智能科學課題組)多年來所做的工作中認識到： 上述智能化方法已被業(yè)界譽為是一項“高一層次的信息化施工變形預(yù)測與控制工法”。該法的優(yōu)點具體體現(xiàn)在： 不只是可以了解到當天已經(jīng)發(fā)生了的信息；還可預(yù)見3～5 d將要發(fā)生的變形位移和沉降/隆起等的預(yù)測定量值(若在早前，對明后天的情況則只能根據(jù)今天已測得的信息憑以往個人經(jīng)驗來做推斷和預(yù)測)；必要時采用智能模糊邏輯控制，在施工變形達到超限閾值之前，通過有序地調(diào)整相應(yīng)的施工技術(shù)參數(shù)，即可使后續(xù)變形始終處于允許的限值之內(nèi)。

這里，只需調(diào)整有關(guān)施工技術(shù)參數(shù)(有了3～5 d的時間，便于施工方做出反應(yīng)和應(yīng)對)，而無需再采取其他附加措施(如： 補充灌、注漿，增作預(yù)支護，預(yù)加固等)。有了專用程序軟件和相應(yīng)監(jiān)測與地質(zhì)、水文數(shù)據(jù)，該法操作性好，且方便、有據(jù)。

智能方法的優(yōu)越性及其創(chuàng)意特色，主要可歸結(jié)為：

1)預(yù)測變形的精度遠高于用數(shù)值方法，一般與實測值的誤差僅為5%～10%，能完全符合工程要求；

2)當預(yù)測變形超限時，只需按施工變形控制手段作相應(yīng)的施工技術(shù)參數(shù)調(diào)整，而無需其他的額外花費，節(jié)約造價又節(jié)省工時；

3)便于主要技術(shù)負責人做遠程、無線、視頻操作實施，并及時決策是否需要下達調(diào)整指令；

4)遠程、無線、視頻監(jiān)控，不受惡劣氣候條件的影響，可遠在異地工作室內(nèi)及時完成上述施工監(jiān)測與控制，大大改善了工作條件。

(a) 5月19日上午地表變形曲線

(b) 5月19日下午地表變形曲線

(c) 5月20日上午地表變形曲線

(d) 5月20日下午地表變形曲線

(a) 依據(jù)實測數(shù)據(jù)擬合的標準地表縱向沉降曲線

(b) 地表縱向沉降實測值與預(yù)測值對比

(a) 地鐵盾構(gòu)隧道線路剖面圖

(b) 土體橫向沉降預(yù)測值與實測值對比

圖15 上、下行雙向盾構(gòu)先后掘進時，土層橫向沉降槽智能預(yù)測值的歷時變化示例

圖16 早前，盾構(gòu)施工變形控制采用傳統(tǒng)的人工控制策略(供與智能方法控制作比較用)

4 盾構(gòu)施工網(wǎng)絡(luò)多媒體圖形圖像仿真精細化智能技術(shù)管理的實施

1)初步實現(xiàn)了操作、掌控、系統(tǒng)維護和通信等多功能于一體的綜合集成智能技術(shù)管理。盾構(gòu)各施工現(xiàn)場通過網(wǎng)絡(luò)進行智能技術(shù)管理的基本模式，見圖17。

2)在盾構(gòu)施工監(jiān)控系統(tǒng)的研發(fā)方面，已可基本實現(xiàn)以下各項功能： ①現(xiàn)場實景監(jiān)控；②高速、高質(zhì)量的數(shù)據(jù)與圖像傳輸；③盾構(gòu)施工計算機技術(shù)管理軟件，自學習、自動診斷和遇緊急情況時自動處理；④能預(yù)測和模擬施工開挖、支護各工況的變形控制并具有分別調(diào)整各有關(guān)設(shè)計施工參數(shù)的功能；⑤從工程危象險情預(yù)報及其控制的各安全管理值，可具備選取相應(yīng)對策與有效技術(shù)措施(主要指調(diào)整盾構(gòu)施工參數(shù))的功能。

3)在各子項研制過程中，已初步解決了若干關(guān)鍵技術(shù)： ①將各種高端科技綜合集成于一體，并能較成功地應(yīng)用于本系統(tǒng)；②圖形數(shù)據(jù)對象的處理技術(shù)；③人工神經(jīng)網(wǎng)絡(luò)智能控制方法的采用；④盾構(gòu)施工過程中的三維動態(tài)可視化仿真模擬；⑤決策庫的設(shè)計與建立；⑥各子系統(tǒng)的綜合集成。

圖17 盾構(gòu)各施工現(xiàn)場通過網(wǎng)絡(luò)進行智能技術(shù)管理的基本模式

4)研究中的若干創(chuàng)意： ①將網(wǎng)絡(luò)多媒體視頻監(jiān)控技術(shù)綜合集成于一體，并應(yīng)用于施工監(jiān)控與環(huán)境土工維護；②建立了盾構(gòu)施工全過程的三維動態(tài)可視化人工實景仿真模擬系統(tǒng)以及變形控制指標體系與相應(yīng)的控制標準；③研制了盾構(gòu)掘進施工計算機智能管理系統(tǒng)大型軟件包，并在盾構(gòu)施工現(xiàn)場實踐中作演示和試用，取得了一定成功。

5)在隧道和地下工程業(yè)界，盾構(gòu)施工信息管理系統(tǒng)遠程發(fā)布平臺(由上海隧道工程有限公司自主研制)，已在上海市沿江通道盾構(gòu)施工中得到了試驗性應(yīng)用，取得了良好的技術(shù)效益[7]；不僅使用戶能夠在遠程端及時掌握現(xiàn)場施工的實時信息，還為遠程用戶提供了歷史數(shù)據(jù)查詢功能，為沿江通道工程的盾構(gòu)施工提供了科學有據(jù)的技術(shù)保障。

5 結(jié)語

我研究團隊因為做智能研究起步較早(1997年年初起)，已采用此法先后在上海和外地的各類別深大基坑和大直徑盾構(gòu)的開挖、掘進作業(yè)中共獲11次較成功應(yīng)用，效益也十分顯著?，F(xiàn)正在樣本“深度學習”和在早前采用BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，對“遺傳算法”、三維可視化、BIM技術(shù)應(yīng)用等多方面做進一步的深化探索和研討。

用人工智能高新科技更新、改造傳統(tǒng)的土木工程學科和巖土設(shè)計施工行業(yè)，在更高層次上建立新的工程智能化預(yù)測、預(yù)警和監(jiān)測、監(jiān)控手段，進而形成一套行之有效的工程施工變形預(yù)測與控制及其有效整治的智能技術(shù)管理方法，完善計算機現(xiàn)代化施工智能技術(shù)管理系統(tǒng)，趕超與國外先進企業(yè)的技術(shù)差距，使我國城市地下空間開發(fā)和軌交/地鐵建設(shè)水平再躍進一個新的臺階，是所期待。

最近，華為推出5G技術(shù)商用和頻譜軍轉(zhuǎn)民，進一步有力促進了人工智能的更大拓展(詳見文末二維碼)。

組成智能項目研究團隊的主要成員，除了工程設(shè)計施工人員為主體外，還要有從事通信和網(wǎng)絡(luò)工程、信息技術(shù)管理和計算機軟件研發(fā)等多個領(lǐng)域的技術(shù)專家合作組成共同研究體。它是一項較大的人事系統(tǒng)工程，有關(guān)單位為此要盡可能組織好上述的人才技術(shù)條件。