何 軍 林廣東 申小軍 徐衛(wèi)獎(jiǎng)

(1.中交隧道工程有限公司，北京 100102; 2.中交一公局集團(tuán)有限公司，北京 100020; 3.長安大學(xué)公路學(xué)院，陜西 西安 710064)

1 概述

近年來，隨著科技的進(jìn)步，尤其是信息領(lǐng)域技術(shù)的進(jìn)步，我國在各個(gè)領(lǐng)域都開始了智能建設(shè)的探索之旅，有著“基建狂魔”之稱的我國在基礎(chǔ)建設(shè)領(lǐng)域也取得了長足的進(jìn)展，對(duì)基礎(chǔ)建設(shè)的標(biāo)準(zhǔn)和要求也越來越趨于現(xiàn)代化、智能化，尤其是在中央的第十四個(gè)五年規(guī)劃及2035年遠(yuǎn)景目標(biāo)提出的人類社會(huì)已經(jīng)邁入智能化時(shí)代之后，更是將隧道領(lǐng)域的智能建造提上了新的日程，新一輪的隧道智能化建造更是迎來了新的機(jī)遇和挑戰(zhàn)[1,2]。為加速隧道智能化建造的腳步，國內(nèi)外不少學(xué)者分別從隧道的施工、運(yùn)營等多方面展開了相關(guān)研究，盧芳芳、薛亞東等基于深度學(xué)習(xí)理論展開了有關(guān)隧道襯砌病害的研究，并選出合適的yolov2算法[3,4]；柳厚祥等就公路隧道圍巖分級(jí)，研究并建立了一種基于深度學(xué)習(xí)技術(shù)的隧道圍巖自動(dòng)分級(jí)系統(tǒng)，大大加速了圍巖的自動(dòng)分級(jí)能力[5]。對(duì)于隧道變形方面，早在2014年，周奇才等人就提出了基于Multi-agent的隧道變形監(jiān)測系統(tǒng)，實(shí)現(xiàn)了對(duì)隧道變形的在線監(jiān)測[6-10]，隨著神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，不少學(xué)者又基于神經(jīng)網(wǎng)絡(luò)展開了對(duì)公路隧道的圍巖變形的研究，其中張錦等提出的使用改進(jìn)型遺傳算法優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)的隧道變形預(yù)測模型，便能很好的對(duì)進(jìn)行隧道拱頂下沉量預(yù)測時(shí)有著更高的精度，更好的穩(wěn)定性[11]。目前，采用神經(jīng)網(wǎng)絡(luò)研究隧道變形規(guī)律的文章較多，但基于深度學(xué)習(xí)理論研究隧道變形規(guī)律的文章略顯不足，因此本文基于深度學(xué)習(xí)理論的LSTM神經(jīng)網(wǎng)絡(luò)通過對(duì)現(xiàn)場實(shí)測的收斂及其沉降等數(shù)據(jù)加以分析，實(shí)現(xiàn)對(duì)隧道的變形規(guī)律的智能監(jiān)測。

2 隧道圍巖大變形的影響因素

隧道圍巖大變形，是指隧道在開挖的過程中，受區(qū)域地質(zhì)條件、地層巖性、地質(zhì)構(gòu)造等因素的共同作用的影響下，隨著時(shí)間的推移，隧道開挖面的推進(jìn)，隧道圍巖變形不斷發(fā)展的過程[12,13]，影響隧道圍巖變形的因素諸多，其中以隧道所處的地質(zhì)條件及其施工條件和方式為主。

2.1 地質(zhì)條件

中坪左線隧道，位于河南省南陽市西峽縣中坪鎮(zhèn)附近，該隧道地臨兩河口附近，隧道全長457 m，緊鄰311國道，爆破作業(yè)安全等級(jí)要求高，開挖困難較大，施工難度大，隧道變形也不穩(wěn)定，交通疏導(dǎo)壓力較大，被建設(shè)者稱為最難啃的“硬骨頭”、最兇險(xiǎn)的“攔路虎”，集中了斷層破碎帶、隧道巖爆、涌水等諸多不良地質(zhì)，安全隱患和施工難度極大。此外，隧道洞內(nèi)常年高溫，也給施工帶來很大困難。隧道圍巖變形主要受到地質(zhì)條件、地層巖性、地質(zhì)構(gòu)造、地應(yīng)力、施工方法及其支護(hù)措施等多方面的綜合因素影響，其中隧道所處的地質(zhì)環(huán)境最為突出，其所處的地質(zhì)環(huán)境是隧道地質(zhì)條件、地層巖性、地質(zhì)構(gòu)造、地應(yīng)力的決定性因素，對(duì)于不同的地理位置條件下的隧道，隧道所處的地質(zhì)環(huán)境條件往往決定了隧道的開挖方法和支護(hù)形式，對(duì)隧道的變形也起著決定性作用。

2.2 施工方法

隧道施工開挖方法與支護(hù)措施直接影響隧道圍巖的應(yīng)力釋放，對(duì)同一隧道而言，不同的開挖方法與支護(hù)措施意味著不同的圍巖應(yīng)力和應(yīng)變[14]，圍巖不同的應(yīng)力和應(yīng)變往往又決定著隧道的不同的變形和沉降，近年來，隨著國內(nèi)基建的發(fā)展，國內(nèi)新建的隧道也越來越多，隧道的開挖方法也越來越多，基于不同地區(qū)的地質(zhì)環(huán)境下的隧道，其施工方法也各有不同，但就目前而言，國內(nèi)外對(duì)于隧道的施工方法主要有全斷面開挖法、臺(tái)階法、環(huán)型開挖留核心土法、中隔壁法(CD法)、雙側(cè)壁導(dǎo)坑法、交叉中隔壁法(CRD法)六種形式。

全斷面開挖法是按照設(shè)計(jì)輪廓一次爆破成形，然后修建襯砌的一種隧道施工方法，該方法開挖斷面與作業(yè)空間較大，受干擾較小，有充分的條件使用機(jī)械，能夠減少人力的投入，施工作業(yè)較安全，工序少，便于施工組織管理，開挖一次成形，對(duì)圍巖擾動(dòng)較少，有利于圍巖穩(wěn)定，但只適用于圍巖等級(jí)較好的隧道開挖，且往往要求隧道長度較長，一般要求隧道總長大于1 km，對(duì)于Ⅳ級(jí)、Ⅴ級(jí)圍巖，由于此類圍巖在開挖以后，斷面很難維持自穩(wěn)條件，往往不適合該方法開挖。本隧道圍巖大都為Ⅳ級(jí)、Ⅴ級(jí)圍巖，故不適合采用全斷面法開挖。臺(tái)階法作為當(dāng)今運(yùn)用最廣泛的施工方法之一，憑借該方法靈活多變、適用性強(qiáng)，凡是軟弱地層、第四紀(jì)沉積地層，均可采用，無論地層變好還是變壞，都能及時(shí)更改，變換成其他方法。另外，臺(tái)階法開挖具有足夠的作業(yè)空間和較快的施工速度，臺(tái)階有利于開挖面的穩(wěn)定性，尤其是上部開挖支護(hù)后，能夠保證下部作業(yè)安全且適合Ⅳ級(jí)、Ⅴ級(jí)圍巖開挖等優(yōu)點(diǎn)而被選為本隧道的施工形式。環(huán)型開挖留核心土法、中隔壁法(CD法)、雙側(cè)壁導(dǎo)坑法、交叉中隔壁法(CRD法)與臺(tái)階法相比，由于環(huán)型開挖留核心土法需要預(yù)留核心土支承開挖面，其作業(yè)面空間大大減小，不利于機(jī)械化施工，且對(duì)施工工藝要求較高。

3 隧道變形的監(jiān)測方法

隧道作為一種地下工程結(jié)構(gòu)物，在其開挖支護(hù)后，不可避免的會(huì)產(chǎn)生一定的變形和沉降，而對(duì)于高速公路和高速鐵路這一類對(duì)變形要求較高的建筑物，嚴(yán)格控制變形顯得尤為重要，因此無論在隧道開挖過程中還是在隧道的長期運(yùn)營階段，為保證隧道的安全施工和運(yùn)營，對(duì)圍巖變形的監(jiān)測顯得無比重要，隧道圍巖監(jiān)測主要是為了了解圍巖和建筑物結(jié)構(gòu)內(nèi)部的變形發(fā)展規(guī)律，對(duì)于公路隧道，其變形監(jiān)測主要包含隧道的垂直沉降監(jiān)測以及隧道的水平位移監(jiān)測兩個(gè)方面。對(duì)于垂直沉降的監(jiān)測，國內(nèi)外多采用水準(zhǔn)儀及其全站儀等儀器對(duì)目標(biāo)變形區(qū)域進(jìn)行定點(diǎn)定期監(jiān)測，常用的方法有幾何水準(zhǔn)測量法以及傳感器測量法；對(duì)于水平位移監(jiān)測，一般是對(duì)目標(biāo)區(qū)域設(shè)置觀測基線進(jìn)行測量，即在隧道縱向上每隔一段距離分布一個(gè)基線樁，采用準(zhǔn)直線法和測角法來測定目標(biāo)觀測點(diǎn)與預(yù)先設(shè)置的基線樁之間的距離，并計(jì)算出其水平位移。

3.1 幾何水準(zhǔn)測量法

幾何水準(zhǔn)測量法作為垂直位移觀測方法的一種，它是以起測點(diǎn)高程為基準(zhǔn)，引測建筑物變形前后的測點(diǎn)高程，通過該點(diǎn)測量前后高程的變化來監(jiān)測結(jié)構(gòu)物變形前后的位移的一種方法，這種方法采用三級(jí)點(diǎn)位，兩級(jí)控制，即設(shè)置水準(zhǔn)點(diǎn)、起測基點(diǎn)、垂直位移標(biāo)點(diǎn)3種測點(diǎn)，并通過水準(zhǔn)基點(diǎn)校測起測基點(diǎn)以及通過起測基點(diǎn)觀測垂直位移標(biāo)點(diǎn)來對(duì)垂直位移觀測進(jìn)行控制，該方法具備操作簡便，測量設(shè)備簡易操作，對(duì)技術(shù)要求含量較低并可廣泛推廣，但受操控人員以及環(huán)境等多方面制約，測量精度往往難以達(dá)到測量人員的要求。

3.2 傳感器測量法

隧道的豎向沉降監(jiān)測多采用人工監(jiān)測，常規(guī)儀器多采用水準(zhǔn)儀進(jìn)行，該方法需要測量人員長期現(xiàn)場操作儀器，隧道作為一種地下工程結(jié)構(gòu)物，常常深埋于地下，這種長期監(jiān)測儀器對(duì)地下工作人員的人身安全往往難以保證，且具有工作量大，耗費(fèi)的人力物力較高，不具備良好的經(jīng)濟(jì)效益等缺點(diǎn)，因此，國內(nèi)外學(xué)者基于以上不足提出了靜力水準(zhǔn)儀自動(dòng)化監(jiān)測系統(tǒng)，該方法具有精度高，自動(dòng)化效果好，能夠很好的彌補(bǔ)傳統(tǒng)的監(jiān)測方法的不足，提高經(jīng)濟(jì)效益。

目前，對(duì)于隧道圍巖變形的監(jiān)測方法多為隧道施工階段的研究，無論垂直沉降觀測還是水平位移觀測，就目前研究而言，這些方法的適用性均存在局限性，盡管近年來有不少新的監(jiān)測手段的提出，例如靜力水準(zhǔn)檢測技術(shù)、自動(dòng)全站儀、攝像監(jiān)測技術(shù)、三維激光測量技術(shù)以及電水平尺監(jiān)測技術(shù)等，但例如三維激光測量技術(shù)的測量工作依舊較依賴于人工操作，且對(duì)操作人員的技術(shù)要求較高，普及性較差，且不能夠?qū)λ淼肋M(jìn)行一個(gè)長期的智能監(jiān)測，對(duì)隧道的變形規(guī)律更是很難做出準(zhǔn)確判斷，因此該方法的長期經(jīng)濟(jì)效益不夠良好，但伴隨著時(shí)代的進(jìn)步和發(fā)展，我國隧道的長度以及施工難度依舊在不斷增加，運(yùn)營時(shí)間和里程也逐漸增長，據(jù)不完全統(tǒng)計(jì)，截至2020年年初，我國公路特長隧道數(shù)量增長至1 175座，公路特長隧道長度達(dá)到521.75萬m；公路長隧道數(shù)量達(dá)到4 784座，隧道總長度為826.31萬m，因此對(duì)于長大隧道圍巖的變形監(jiān)測手段亟待研究和發(fā)展，本文基于深度學(xué)習(xí)理論的隧道圍巖變形規(guī)律智能監(jiān)測技術(shù)研究，通過全站儀測量隧道數(shù)據(jù)，并利用深度學(xué)習(xí)理論和隧道的現(xiàn)場實(shí)測數(shù)據(jù)結(jié)合，實(shí)現(xiàn)對(duì)隧道圍巖變形規(guī)律的智能監(jiān)測。

4 隧道變形智能監(jiān)測方法

本文數(shù)據(jù)收集于河南省鄭西高速欒雙段中坪隧道左線，該隧道位于兩河口附近，隧道全長457 m，緊鄰311國道，爆破作業(yè)安全等級(jí)要求高，開挖困難較大，施工難度大，隧道變形也不穩(wěn)定，交通疏導(dǎo)壓力較大，被建設(shè)者稱為最難啃的“硬骨頭”、最兇險(xiǎn)的“攔路虎”。因此，本文原始數(shù)據(jù)采集于中坪左線隧道21個(gè)斷面的監(jiān)控量測數(shù)據(jù)，該隧道也包含了該地區(qū)的常遇的Ⅲ級(jí)、Ⅳ級(jí)、Ⅴ級(jí)三個(gè)等級(jí)圍巖，監(jiān)控量測間隔也是依據(jù)隧道圍巖等級(jí)布置，分別按圍巖等級(jí)不同設(shè)置10 m，20 m，30 m不同間距布置，對(duì)于較好的Ⅲ級(jí)圍巖區(qū)段，其間隔布置在10 m，其次對(duì)于Ⅳ級(jí)、Ⅴ級(jí)圍巖，其間隔依次布置在20 m和30 m，其監(jiān)控對(duì)象主要包含隧道拱頂?shù)某两导捌渲苓吺諗康葦?shù)據(jù)，監(jiān)控起始樁號(hào)為ZK109+149，終止樁號(hào)為ZK108+799，經(jīng)整理篩選，最終選出593組數(shù)據(jù)作為研究對(duì)象。并利用深度學(xué)習(xí)LSTM網(wǎng)絡(luò)模型進(jìn)行分析。

4.1 LSTM網(wǎng)絡(luò)模型原理

LSTM網(wǎng)絡(luò)又被稱為長短期記憶網(wǎng)絡(luò)，它是為了解決長序列訓(xùn)練過程中的梯度消失和梯度爆炸問題而形成的一種深度學(xué)習(xí)網(wǎng)絡(luò)模型，相比于普通的RNN網(wǎng)絡(luò)，LSTM網(wǎng)絡(luò)將網(wǎng)絡(luò)的狀態(tài)分為內(nèi)部狀態(tài)和外部狀態(tài)兩種，能夠有效的對(duì)長序列模型進(jìn)行預(yù)測，這種網(wǎng)絡(luò)結(jié)構(gòu)采用的是控制門機(jī)制，并由輸入門、遺忘門和輸出門組成，包含有忘記階段、選擇記憶階段和輸出階段三個(gè)階段，這種選擇性記憶和遺忘能夠很好的對(duì)實(shí)際模型進(jìn)行模擬訓(xùn)練，尤其對(duì)于隧道這種常隨著復(fù)雜多變的地質(zhì)環(huán)境更改而變動(dòng)的結(jié)構(gòu)體，這種機(jī)制能夠很好的避免傳統(tǒng)的機(jī)器學(xué)習(xí)出現(xiàn)的過擬合和欠擬合兩種狀態(tài)，其具體架構(gòu)圖如圖1所示，原理結(jié)構(gòu)圖中的Input Gate為LSTM網(wǎng)絡(luò)模型的信號(hào)控制輸入門，也即輸入門，主要作用是向內(nèi)傳輸數(shù)據(jù)，原理結(jié)構(gòu)圖中的Ouput Gate為LSTM網(wǎng)絡(luò)模型的信號(hào)控制輸出門，也即輸出門，主要是起著數(shù)據(jù)的向外傳輸作用，對(duì)于Memory Cell，又被稱為LSTM網(wǎng)絡(luò)的記憶細(xì)胞，不同于傳統(tǒng)的記憶單元，LSTM網(wǎng)絡(luò)的記憶細(xì)胞對(duì)于每個(gè)時(shí)刻狀態(tài)的信息不會(huì)簡單的等同視之，而是具有衡量信息價(jià)值的能力，這能夠有效的對(duì)無用信息進(jìn)行篩選過濾，對(duì)有用信息進(jìn)行記憶存儲(chǔ)，從本質(zhì)上區(qū)別于傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)。對(duì)于Forget Gate單元，則是決定對(duì)過去狀態(tài)多少信息的丟失。最終，由輸出門決定當(dāng)前時(shí)刻的內(nèi)部狀態(tài)有多少信息傳遞給外部狀態(tài)。

4.2 LSTM神經(jīng)網(wǎng)絡(luò)模型的建立

由于Tensorflow框架具有開源、模塊簡單、易操作、便攜、高效、可擴(kuò)展等優(yōu)點(diǎn)，本文LSTM網(wǎng)絡(luò)選擇在Windows操作系統(tǒng)下搭建CPU版本的Tensorflow框架下運(yùn)行，本次實(shí)驗(yàn)中共選擇了593組數(shù)據(jù)，其中400組數(shù)據(jù)用于模型的訓(xùn)練，100組數(shù)據(jù)用于模型的測試，93組數(shù)據(jù)用于模型的驗(yàn)證。初試迭代次數(shù)設(shè)置為200，初始學(xué)習(xí)率設(shè)置為0.1，選擇好損失函數(shù)，創(chuàng)建GradientDescentOptimizer優(yōu)化器，經(jīng)學(xué)習(xí)測試，并不斷通過調(diào)整迭代次數(shù)和學(xué)習(xí)率，直至當(dāng)改變學(xué)習(xí)率誤差率不再變化時(shí)確定最終學(xué)習(xí)率為0.01[15]。

4.3 數(shù)據(jù)的預(yù)處理

在進(jìn)行深度學(xué)習(xí)分析之前，筆者先將數(shù)據(jù)分為三大類，其中400組數(shù)據(jù)被劃分為訓(xùn)練集，100組數(shù)據(jù)被劃分為測試集，93組數(shù)據(jù)被劃分為驗(yàn)證集，同時(shí)為保證數(shù)據(jù)的劃分不受人為干擾的影響，通過代碼對(duì)數(shù)據(jù)進(jìn)行隨機(jī)劃分。其處理代碼如圖2所示。

為保證數(shù)據(jù)本身類別的大小不對(duì)訓(xùn)練、測試結(jié)果產(chǎn)生影響，并對(duì)所選的593組數(shù)據(jù)進(jìn)行數(shù)據(jù)降噪，降噪方法采用python中自帶的pywt庫進(jìn)行小波降噪處理，然后再對(duì)降噪處理后的數(shù)據(jù)進(jìn)行歸一化，歸一化處理數(shù)據(jù)如圖3所示。

4.4 模型訓(xùn)練與預(yù)測

基于已知數(shù)據(jù)，能與隧道沉降建立直接關(guān)聯(lián)的因素有隧道周邊收斂的大小、圍巖等級(jí)以及時(shí)間，由圖3可知，圍巖收斂值以及隧道開挖時(shí)間對(duì)隧道變形的影響較大，而隧道的圍巖等級(jí)通常較難判別，就目前研究而言，對(duì)于隧道圍巖的分級(jí)也尚沒有一個(gè)統(tǒng)一的方式，且大多采用人為主觀判別，存在較大的不確定性，因此，本文從隧道周邊收斂值以及時(shí)間兩個(gè)角度構(gòu)建模型。模型假設(shè)目標(biāo)時(shí)間段的隧道變形沉降量與當(dāng)前時(shí)間前n天的隧道周邊收斂值成正相關(guān)，與時(shí)間成負(fù)相關(guān)，并將這兩項(xiàng)的歸一化處理后的數(shù)據(jù)值作為輸入值，向LSTM神經(jīng)網(wǎng)絡(luò)的輸入門輸入，計(jì)算公式為：

Di=f(ti-1,ti-2,…,ti-(i-1),ti-1)

(1)

其中，Di為隧道第i天的變形沉降量；ti為第i天的時(shí)間間隔。

模型以中坪隧道左線的593組現(xiàn)場實(shí)測數(shù)據(jù)為原始數(shù)據(jù)，通過代碼隨機(jī)篩選400組數(shù)據(jù)為訓(xùn)練集，100組數(shù)據(jù)為測試集，93組數(shù)據(jù)為驗(yàn)證集，為較好的測試數(shù)據(jù)，在模型訓(xùn)練前，除了對(duì)已知數(shù)據(jù)進(jìn)行小波降噪和歸一化處理之外，本次模型還對(duì)數(shù)據(jù)的損失進(jìn)行控制，在訓(xùn)練開始前，由于本次訓(xùn)練數(shù)據(jù)較多，首先選擇訓(xùn)練迭代次數(shù)為200，并設(shè)置每迭代10次輸出一次訓(xùn)練結(jié)果，以記錄模型損失的大小，經(jīng)觀測發(fā)現(xiàn)，模型在訓(xùn)練50次～100次時(shí)效果最佳，且損失值在迭代次數(shù)達(dá)到30次左右時(shí)趨于穩(wěn)定，最終為了防止訓(xùn)練過擬合以及欠擬合，將訓(xùn)練迭代次數(shù)確定在100輪，經(jīng)訓(xùn)練，得到預(yù)測模型如圖4所示。

4.5 結(jié)果分析

從以上訓(xùn)練結(jié)果來看，LSTM神經(jīng)網(wǎng)絡(luò)對(duì)于長時(shí)間的模型預(yù)測具有較好的效果，且從預(yù)測圖4中可以看出，隧道的變形沉降量隨著時(shí)間的推移逐漸減小，隧道的變形也主要發(fā)生在隧道開挖后的20 d以內(nèi)，對(duì)于開挖20 d之后，無論是圍巖等級(jí)較好還是較差，其隧道變形量隨之變化也不大，因此，可以認(rèn)定對(duì)于隧道的變形主要發(fā)生在隧道開挖后的20 d左右，以開挖前幾天變形為主，若是在開挖20 d之后仍出現(xiàn)較大變形，則應(yīng)對(duì)隧道做出相應(yīng)處理措施，同時(shí)為驗(yàn)證預(yù)測模型的準(zhǔn)確性，筆者也通過代碼隨機(jī)的預(yù)測了兩組數(shù)據(jù)，以驗(yàn)證LSTM模型對(duì)數(shù)據(jù)處理結(jié)果的可靠性，通過代碼隨機(jī)抽選到43和255兩組數(shù)據(jù)，兩組數(shù)據(jù)與現(xiàn)場實(shí)測數(shù)據(jù)的誤差均控制在允許范圍之內(nèi)，測試結(jié)果如圖5所示。因此，可以表明，基于深度學(xué)習(xí)理論的LSTM神經(jīng)網(wǎng)絡(luò)模型對(duì)隧道的變形智能監(jiān)測技術(shù)具有較大的可靠性。

5 結(jié)語

對(duì)于公路隧道而言，其每一時(shí)刻的變形量的大小，都決定著隧道的整個(gè)生命周期的安全，為使得隧道的安全施工和運(yùn)營，本文通過小波去噪、歸一化等手段對(duì)現(xiàn)場實(shí)測數(shù)據(jù)進(jìn)行處理，并利用深度學(xué)習(xí)網(wǎng)絡(luò)LSTM神經(jīng)網(wǎng)絡(luò)模型對(duì)處理后的數(shù)據(jù)進(jìn)行分析測試，來對(duì)隧道的變形進(jìn)行智能預(yù)測，使得通過已知時(shí)間內(nèi)隧道的變形改變量來預(yù)測下一未知時(shí)間內(nèi)隧道的變形改變量，以指導(dǎo)隧道的安全施工和運(yùn)營。經(jīng)測試分析得出：

1)LSTM神經(jīng)網(wǎng)絡(luò)能夠有效的對(duì)長時(shí)間序列模型進(jìn)行有效預(yù)測，且預(yù)測精度較高。

2)相比于其他循環(huán)神經(jīng)網(wǎng)絡(luò)，LSTM神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)性和自適應(yīng)性更高。