王 鋒

（中鐵二十局集團第三工程有限公司 重慶 400000）

1 引言

目前，隧道施工變形研究一般借助于傳統(tǒng)的有限元分析方法，但在實際應(yīng)用中存在不少疑難問題待解決。人工神經(jīng)網(wǎng)絡(luò)具有良好的參數(shù)辨識敏感性、非線性擬合能力，因此它為復(fù)雜地質(zhì)盾構(gòu)掘進參數(shù)反饋創(chuàng)造了條件，同時也降低了擬合計算非線性隧道變形問題以及構(gòu)建相關(guān)模型的難度［1］。在地下工程中引入神經(jīng)網(wǎng)絡(luò)技術(shù)能夠很好地彌補傳統(tǒng)技術(shù)所得信息不夠明確、處理不當?shù)热毕?，故而備受工程領(lǐng)域的青睞［2］。現(xiàn)階段，BP神經(jīng)網(wǎng)絡(luò)也被廣泛應(yīng)用于地下工程施工領(lǐng)域。

朱北斗等［3］分析了砂土、黏土等底層中盾構(gòu)掘進參數(shù)的特點和發(fā)展趨勢，并在構(gòu)建底層識別模型時引入了BP神經(jīng)網(wǎng)絡(luò)法，模型通過訓(xùn)練樣本數(shù)據(jù)進行訓(xùn)練，盾構(gòu)掘進參數(shù)通過耦合作用共同反映地層對它們的擾動。結(jié)果表明該網(wǎng)絡(luò)能夠?qū)崿F(xiàn)地層與盾構(gòu)掘進參數(shù)之間的非線性映射，能夠在掘進過程中實現(xiàn)土層識別［4］。

李正等［5］基于深圳地鐵兩個盾構(gòu)區(qū)間施工監(jiān)測數(shù)據(jù)，基于BP神經(jīng)網(wǎng)絡(luò)方法構(gòu)建了相應(yīng)的模型，此模型能夠預(yù)測盾構(gòu)在珠三角上軟下硬地層的掘進參數(shù)，得出的預(yù)測值與實際數(shù)據(jù)變化規(guī)律相近，平均誤差控制在15%之內(nèi)。

趙俊杰等［6］以蘭州－新疆鐵路某隧道為研究背景，基于FLAC3D數(shù)值模擬軟件聯(lián)合MATLAB網(wǎng)絡(luò)工具箱構(gòu)建了神經(jīng)網(wǎng)絡(luò)計算模型，建立了隧道開挖位移正演和反演模型，分析了圍巖的物理力學(xué)參數(shù)，為后期工程的施工和優(yōu)化設(shè)計提供參考。

本文以西安地鐵14號線尚賢路站至學(xué)府路站盾構(gòu)區(qū)間穿越深厚人工回填坑為例，實現(xiàn)了盾構(gòu)掘進扭矩參數(shù)預(yù)測模型建設(shè)與BP人工神經(jīng)網(wǎng)絡(luò)方法的結(jié)合，此模型能夠用于預(yù)測地表地層因在人為因素影響下的盾構(gòu)掘進參數(shù)，進而為相關(guān)分析研究工作提供依據(jù)。

2 工程概況

尚賢路站盾構(gòu)隧道始發(fā)端頭位于西安市北郊，沿線主要地貌為渭河河漫灘，地層結(jié)構(gòu)由粉土、粉質(zhì)黏土、粉細砂、中砂及粗砂組成，區(qū)間隧道均處于地下水位以下。盾構(gòu)掘進以全斷面砂層為主，區(qū)間沿線地表20 m以下深度范圍內(nèi)可液化地層均不液化。

由于二十世紀九十年代非法盜砂等行為猖獗，盜竊后遺留的大面積砂坑使用瀝青、灰渣、磚塊等建筑垃圾及破布、塑料等生活垃圾回填，少量黏性土、砂土充填，導(dǎo)致成分雜亂，疏密不均?，F(xiàn)場探勘情況如圖1所示。

圖1 盾構(gòu)隧道穿越區(qū)段典型回填土堆

此區(qū)域綿延在研究區(qū)范圍內(nèi)（北客站附近以東區(qū)域）達數(shù)平方公里，形成眾多的回填坑。土堆于YCK2＋560 m～YCK2＋720 m段厚度最大，鉆探揭露最大厚度為22.4 m。在線路里程區(qū)間起點～YCK1＋950 m段的深厚回填坑，鉆探揭露最大深度約11.0 m，在地質(zhì)剖面上觀察近似梯形，面積約為23 000 m2，如圖2所示。

圖2 某深厚回填坑與盾構(gòu)區(qū)間平面位置關(guān)系預(yù)測

3 BP神經(jīng)網(wǎng)絡(luò)模型簡介

其原理是通過擬合輸出誤差反饋數(shù)據(jù)對連接權(quán)，進而實現(xiàn)非線性映射功能。傳輸界面會在每層網(wǎng)下傳遞數(shù)據(jù)時以連接權(quán)為紐帶實現(xiàn)對輸出的抑制、減弱、增強［7］。盾構(gòu)施工掘進參數(shù)的模擬采用三層BP網(wǎng)絡(luò)能夠在保證精度的情況下實現(xiàn)非線性關(guān)系對連續(xù)函數(shù)的逼近。圖3表示了BP神經(jīng)網(wǎng)絡(luò)信號傳播結(jié)構(gòu)形式。網(wǎng)絡(luò)信號傳播結(jié)構(gòu)設(shè)置為輸入層-X、中間層（隱含層）、輸出層-Y。

圖3 BP神經(jīng)網(wǎng)絡(luò)信號傳播結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)是一種比較算法，由計算機大腦執(zhí)行正反向比較傳播，由正向傳播參數(shù)流向和反向回傳誤差信息兩個環(huán)節(jié)組成，這兩個環(huán)節(jié)在計算和分析期間交替進行，在權(quán)向量空間內(nèi)對權(quán)值的修正是通過誤差梯度下降法實現(xiàn)的，而最優(yōu)權(quán)向量的明確是通過動態(tài)迭代完成的，這樣網(wǎng)絡(luò)基本不會出現(xiàn)太大的誤差函數(shù)，進而達到提取和存儲信息的目的［8］。

4 BP神經(jīng)網(wǎng)絡(luò)模型的建立

在西安北客站鄭西高鐵高架附近進行前期勘測，經(jīng)過已有相關(guān)資料的初步整合，得到BP神經(jīng)網(wǎng)絡(luò)預(yù)測所需要的巖土物理力學(xué)參數(shù)，包括地層含水率、飽和度、孔隙比等，同時確認了該區(qū)域的盾構(gòu)隧道埋深、含水層埋深范圍。進行了取樣重點為深厚回填區(qū)域的探坑開挖，對所取得的樣本進行三軸壓縮試驗及快剪試驗，得到土體的黏聚力及內(nèi)摩擦角參數(shù)；對所取得的土體樣本進行固結(jié)試驗，得到土體的壓縮模量、各級壓力下的壓縮系數(shù)及固結(jié)系數(shù)［9］。探坑開挖過程見圖4。

圖4 回填土區(qū)域探坑設(shè)置與勘測

將上述體現(xiàn)外部地質(zhì)變化因素的巖土物理力學(xué)參數(shù)導(dǎo)入網(wǎng)絡(luò)輸入層-X，通過中間層關(guān)系建立及誤差信息過濾，導(dǎo)出輸出層-Y所需要的盾構(gòu)掘進扭矩參數(shù)，找出相關(guān)特征，進而實現(xiàn)預(yù)測識別目的［10］。

李超等發(fā)現(xiàn)，在同一掘進斷面上，地層的復(fù)合地層數(shù)超過兩層（包含2層），各地層參數(shù)的加權(quán)平均值以開挖面各地層所占比重為依據(jù)進行確定，以地表距離隧道斷面頂部的長度作為隧道埋深，以刀盤頂部距離地下水位的長度作為地下水埋深，同時采用線性插值方法來明確過渡段的參數(shù)［11］。

為提高訓(xùn)練精度，預(yù)測模型采用單中間層的網(wǎng)絡(luò)結(jié)構(gòu)。區(qū)間沿線地表20 m以下深度范圍內(nèi)可液化地層均不液化，則不將含水層埋深作為輸入層節(jié)點。輸入層-X節(jié)點數(shù)目確認為5個，包括盾構(gòu)隧道埋深-X1、土體天然重度-X2、土體粘聚力-X3、土體內(nèi)摩擦角-X4與回填土層固結(jié)系數(shù)-X5，輸出層節(jié)點為盾構(gòu)刀盤扭矩-Y1。

（1）網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置

隱含層神經(jīng)元數(shù)和輸入層節(jié)點數(shù)分別用S和N表示，S＝11，N ＝5，以5-11-1為網(wǎng)絡(luò)結(jié)構(gòu)。

（2）傳遞函數(shù)的選擇

以tansig作為目標模型輸入層至隱含層的函數(shù)，以purelin作為隱含層到輸出層函數(shù)。

（3）其他參數(shù)設(shè)置

本模型進行20 000次迭代處理，期間一直保持0.01的學(xué)習速率，精度目標值為0.01。

5 刀盤扭矩參數(shù)預(yù)測分析

需進行訓(xùn)練的樣本數(shù)據(jù)為尚賢路至學(xué)府路站盾構(gòu)區(qū)間右線500環(huán)的數(shù)據(jù)，結(jié)束訓(xùn)練之后，在［0，1］區(qū)間對輸出值進行歸一化處理，之后反歸一化還原輸出值［12］。

由于該區(qū)段實際推進時刀盤扭矩參數(shù)波動較大，同時搜集了刀盤扭矩實際參數(shù)上限值及刀盤扭矩實際參數(shù)下限值形成對比曲線，如圖5所示。

圖5 刀盤扭矩上下限值曲線

經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)能夠精確的跟蹤訓(xùn)練樣本，而且非線性映射能力也比較理想。較為完整地還原了原始數(shù)據(jù)的變化規(guī)律，如圖6所示。

圖6 刀盤扭矩預(yù)測值與實際值對比曲線

通過分析圖6的曲線不難發(fā)現(xiàn)，曲線描繪出了實際盾構(gòu)掘進扭矩參數(shù)的變化特點。盾構(gòu)掘進到0～81環(huán)時，扭矩值迅速增大后趨于平穩(wěn)變化。盾構(gòu)機掘進至400環(huán)左右，回填土層觸及掌子面，帶來了前后的較大反彈性波動。預(yù)測值不會與實際值存在明顯的偏差，但是預(yù)測數(shù)據(jù)與實際數(shù)值不可能完全一致。

實際掘進過程中，刀盤扭矩參數(shù)隨著掘進環(huán)數(shù)的上升表現(xiàn)出整體下降趨勢，預(yù)測值表現(xiàn)出盾構(gòu)在西安深厚回填區(qū)域進行掘進的刀盤扭矩變化趨勢。

6 總結(jié)

通過大量訓(xùn)練此BP神經(jīng)網(wǎng)絡(luò)模型，使之能夠以外部地層外部參數(shù)為依據(jù)來對盾構(gòu)掘進扭矩參數(shù)變化特征進行準確預(yù)測。掘進參數(shù)的輸出值與原始數(shù)值的偏差比較小，這意味著此模型的非線性映射能力通過了驗證。相較于實際數(shù)據(jù)，預(yù)測數(shù)據(jù)變化規(guī)律相近，平均誤差約為11.60%。