馮開帥, 姜諳男, 于 海
(1.大連海事大學道路與橋梁工程研究所, 遼寧 大連 116026; 2.中鐵上海工程局集團城市軌道交通工程分公司, 遼寧 沈陽 110000)
隨著我國基建事業(yè)的高速發(fā)展,地鐵車站建設在我國進入了飛速發(fā)展的階段。大量地鐵車站不斷興建,地鐵車站的結構形式也日趨復雜。在地鐵車站的施工中,尤其是復雜地質(zhì)下的地鐵車站,拱蓋法由于其對周圍環(huán)境影響小、工序少、效率高、施工安全可靠等突出優(yōu)點被廣泛應用于地鐵車站中[1]。但在拱蓋法施工的車站中,由于巖體結構的復雜性和不均一性,導致巖體的破壞機制難以準確描述,工程中也難以給出精確的巖體參數(shù)[2],因此聯(lián)合現(xiàn)場實測數(shù)據(jù)的反分析方法,成為準確獲取巖石力學參數(shù)的有效方法之一[3-4]。
目前反分析方法應用十分廣泛。在反分析的研究中,胡軍[5]等利用FLAC3D軟件模擬某工程并進行有限元計算,通過改進的魚群-支持向量機算法對隧道進行彈塑性位移反分析。王洪德[6]通過優(yōu)先級別的實時調(diào)度算法找出帶反演的參數(shù),再利用神經(jīng)網(wǎng)路算法對隧道土體力學參數(shù)進行位移反分析。張志華[7]等通過數(shù)值模擬并聯(lián)合隧道巖體參數(shù)敏感性分析,對盾構施工的地鐵隧道圍巖參數(shù)進行反分析,并應用于工程。江宗斌[8]等通過差異進化算法,將自動化采集系統(tǒng)與數(shù)值模擬相結合,對隧道工程中圍巖參數(shù)進行位移-應力聯(lián)合反分析。金長宇[9]等將離散元和神經(jīng)網(wǎng)絡聯(lián)合對白鶴灘水電站巖體節(jié)理面參數(shù)進行反演,將結果再運用到模型中,并于實測值對比。王軍祥[10]等通過編制差異進化算法智能位移反分析程序,并利用洞周收斂和拱頂沉降位移值對圍巖參數(shù)進行反分析。黃初濤[11]等采用遺傳算法對某公路隧道圍巖參數(shù)進行反演,然后將得到的參數(shù)帶入模型進行正分析,其結果與實測值相差較少。在前人的研究中主要是利用某種算法對隧道圍巖參數(shù)聯(lián)合現(xiàn)場實際位移進行反分析,但是僅依靠位移進行反演具有一定的局限性,而且針對拱蓋法施工的車站進行智能反分析研究也較少。在實際工程中,特別是上軟下硬的地質(zhì)條件下,拱蓋法獨特的暗挖大跨度施工方式,使得圍巖的力學參數(shù)較難預測,所以,準確地預測圍巖參數(shù)對拱蓋法施工的車站具有一定的指導作用。
本文以大連地鐵石葵路車站為工程背景,首先按照設計的25組正交設計方案,通過建立的FLAC3D三維數(shù)值模型進行有限元正算,得到結果后,對結果進行敏感性分析,找出關鍵參數(shù),再對25組位移應力的結果進行歸一化,然后利用高斯過程-差異進化算法(GP-DE)對25組歸一化后的正交設計結果進行訓練,并把實測位移和應力作為輸入樣本進行反演,進而得出準確的圍巖參數(shù),旨在為拱蓋法施工的車站優(yōu)化設計和指導下一步施工,提供一定的理論依據(jù)和參考價值。
在拱蓋法車站開挖過程中,若用位移應力聯(lián)合反分析,能更全面地考慮車站圍巖變化和參數(shù)的關系,所得反演結果精度應會更高。結合自動化監(jiān)測的數(shù)據(jù),并采用合理的優(yōu)化模型,通過反分析方法獲取圍巖最佳力學參數(shù),進而求出較為實際的圍巖變形規(guī)律,為車站后續(xù)優(yōu)化設計提供科學依據(jù)[12]。在眾多反分析方法中,如何實現(xiàn)獲得全局最優(yōu)解的同時又盡量減小優(yōu)化過程中函數(shù)評價次數(shù)成為關鍵。因此,本文采用基于GP-DE算法的位移應力聯(lián)合反分析方法。
GP算法為高斯過程機器學習算法,適用于處理小樣本、非線性等問題。其主要由均值函數(shù)和協(xié)方差函數(shù)決定??紤]回歸模型[13],如式(1)所示。
y=f(x)+ε
(1)
(2)
(3)
GP中協(xié)方差函數(shù)即是核函數(shù),平方指數(shù)協(xié)方差函數(shù)為常用協(xié)方差函數(shù)。
C(xi,xj)=
(4)
(5)
(6)
式中:α=C-1y。
DE算法是差異進化算法,是一種基于種群的進化算法。在DE算法中,先產(chǎn)生初始種群,初始種群中的所有新個體被選為父代幾率相同,通過新個體與父代個體之間選擇較優(yōu)的個體作為下一代。
令種群代數(shù)為G,個數(shù)為NP,則第G代種群向量表示為xi(G),i=1,2,3,…,NP,任一向量個體含有D個分量,DE算法基本流程如下:
a.產(chǎn)生初始種群。
在D維空間中,隨機產(chǎn)生滿足自變量上下界約束的NP個染色體。公式為:
(i=1,2,…,NP,j=1,2,…,D)
(7)
b.變異操作。
進化時,把任意2個目標向量個體間存在差值的變量按一定規(guī)律疊加至第3個向量個體上,使其成為全新的變量,這個全新的變量即為變異向量。變異操作不僅使得種群搜索能力增強,而且也能保持種群多樣性。
對于G代目標向量,其變異向量第j分量為:
uij(G+1)=
xr1j(G)+F(xr2j(G)-xr3j(G))
(8)
其中,r1、r2、r3為[1,NP]中隨機的且互不相同的整數(shù);F為縮放因子,用以調(diào)節(jié)向量差異的步長幅值。
c.交叉操作。
將目標向量xi(G)和變異向量vi(G+1)按式(4)進行雜交,進而產(chǎn)生新的試驗向量ui(G+1)。
(9)
式中:rj∈[0,1]為與向量第j個分量對應的隨機數(shù);CR∈[0,1]為交叉概率,通過概率方式隨機生成新的個體;ni為在1,2,…,D中隨機挑選的整數(shù),目的是確保變異向量中至少有一個分量被試驗向量采用。
d.選擇操作。
選擇操作選用的是貪婪的搜索方法,DE用適應度函數(shù)對每個目標向量和試驗向量進行比較,若試驗向量所對應的目標函數(shù)值小,則選試驗向量;若相反,則保留目標向量。
GP-DE算法是運用高斯過程機器學習算法建立學習樣本的非線性映射關系,以GP中最優(yōu)超參數(shù)為種群,通過DE算法的變異交叉選擇操作對GP中各項超參數(shù)進行尋優(yōu),以此優(yōu)化GP模型,預測更接近最優(yōu)解的輸出值。利用GP模型預測的最優(yōu)輸出值和控制值之間的平方差為適應值函數(shù),通過優(yōu)化樣本種群接近最優(yōu)解來提高GP模型預測能力,從而使預測出的目標向量更接近最優(yōu)解,如此循環(huán)迭代,直到找出各項最優(yōu)超參數(shù)全局最優(yōu)解。
根據(jù)模型參數(shù)意義,把應力和位移作為目標函數(shù)以控制目標值達到最小目標函數(shù)。
(10)
基于GP-DE的圍巖參數(shù)位移應力聯(lián)合反分析具體流程如下:
a.圍巖參數(shù)正交設計:利用正交設計方法對抗拉強度T、泊松比μ、內(nèi)聚力C、內(nèi)摩擦角φ、彈性模量E這5個圍巖參數(shù)在一定范圍內(nèi)不同取值進行正交設計,并形成正交方案。
b.樣本生成:采用FLAC3D建立數(shù)值模型,并運用正交方案對模型進行數(shù)值模擬,正交方案得出結果后,對結果進行歸一化處理,處理后的結果即為試驗樣本。把試驗樣本看作GP學習訓練樣本和預測檢驗樣本,并利用敏感性分析所得出的影響較大因素作為待反演變量。
c.建立圍巖參數(shù)非線性映射關系模型:利用GP技術建立非線性映射關系,采用超參數(shù)對測試樣本進行GP學習和預測,并對得到的結果進行適應度評價,之后重復對測試樣本進行變異、交叉、選擇、GP預測和適應度評價操作,當目標函數(shù)達到預設值時,GP-DE算法就已完成優(yōu)化。
d.圍巖參數(shù)尋優(yōu):首先將式(10)目標函數(shù)作為DE算法的適應度函數(shù),在解空間內(nèi)產(chǎn)生隨機的一組參數(shù)作為初始種群,并重復進行變異、交叉、選擇、GP預測和適應度評價操作,當找到符合最小適應度的圍巖參數(shù)時,即為反分析參數(shù)。
大連地鐵五號線石葵路車站位于大連市區(qū),周邊為住宅商業(yè)密集區(qū),地下管線眾多,車站主體位于道路正下方。場地地勢整體呈緩坡狀,地貌單元屬剝蝕低丘陵,車站上部土體為素填土,下部主要為中~強風化石英巖。車站隧道掌子面開挖直徑約為21 m,覆土厚度11.9~19.4 m。車站通過的地層主要為中風化石英巖,為Ⅳ級圍巖,低壓縮性地基,持力層承載力較高,為均勻地基,且埋深較大。本工程為大跨度暗挖工程,采用拱蓋法進行施工,施工時,先對小導洞進行開挖,之后對中導洞進行開挖,然后拆除小導洞側(cè)壁,最后形成拱蓋。在開挖時易產(chǎn)生沿裂隙結構面的滑塌,且開挖深度較大,易引起土體變形。研究區(qū)域地質(zhì)剖面圖如圖1所示。
圖1 縱斷面及研究區(qū)域(單位: m)
采用FLAC3D有限差分軟件建立數(shù)值計算模型。為消除邊界效應的影響,模型左右邊界取車站跨度2倍以上,下邊界取2倍車站跨度,上邊界豎直向上取至地表,三維模型深度方向取50 m。整體模型尺寸為100 m×60 m×74.2 m,尺寸比例按照地質(zhì)勘察報告給出的數(shù)據(jù)進行模擬,模型共包含200 853節(jié)點和126 890單元,三維計算模型如圖2所示。
圖2 整體模型圖
車站本構采用Mohr-Coulomb 屈服準則,第一層為素填土,第二層為強風化石英巖,第三層為中風化石英巖(待反演參數(shù)層)。參考現(xiàn)場調(diào)研和勘察資料,基本力學參數(shù)如表1所示。
表1 基本圍巖力學參數(shù)Table 1 Basic surrounding rock mechanics parameter圍巖E/GPaμγ/(kN·m-3)c/MPaφ/(°)素填土0.0080.4 170.0115強風化石英巖0.05 0.25230.0835中風化石英巖1.3~60.3~0.3526.50.2~0.727~39
根據(jù)石葵路站施工規(guī)范基本要求,針對石葵路站的施工方法和圍巖特點進行監(jiān)測,監(jiān)測內(nèi)容包括施工期拱蓋處的應力和沉降變化。
為了更好地獲得反演效果,需選擇合適的監(jiān)測信息進行反演,為此,在車站拱蓋處設置自動化監(jiān)測斷面,利用土壓力盒與單點位移計來實時監(jiān)測拱蓋的受力和位移變化?,F(xiàn)場安裝土壓力盒與單點位移計如圖3所示。
圖3 現(xiàn)場安裝圖
土壓力盒(TY-1、TY-2、TY-3)與單點位移計(DW-1、DW-2、DW-3)布置位置如圖4所示。
圖4 自動化傳感器布設位置
采用實際監(jiān)測數(shù)據(jù)與計算結果進行比較分析。圖5、圖6為土壓力盒和單點位移計的實際監(jiān)測數(shù)據(jù)。
圖5 土壓力盒現(xiàn)場監(jiān)測數(shù)據(jù)曲線
圖6 位移測點的現(xiàn)場監(jiān)測數(shù)據(jù)曲線
正交設計是一種研究多因素多水平的試驗方法,它能夠篩選出具有代表性的點進行試驗設計,從而減少了大量的試驗所帶來的困難,且能方便試驗高效進行。
反分析中,車站穩(wěn)定性和位移沉降大部分取決于圍巖參數(shù),不同圍巖參數(shù)取值對巖體破壞和變形影響也不同;同時,若反演參數(shù)較多,那么反分析所得參數(shù)的真實性也會受影響[13],因此,通過敏感性分析獲得對車站影響較大的圍巖參數(shù)來進行反分析。
選用L25(55)正交表(如表2所示),根據(jù)現(xiàn)場調(diào)研情況和勘察資料,設計5個試驗參數(shù)在5水平下的25種組合,參數(shù)及取值范圍:抗拉強度T=0.07~0.19 MPa、泊松比μ=0.3~0.35、內(nèi)聚力C=0.2~0.7 MPa、內(nèi)摩擦角φ=27°~39°、彈性模量E=1.3~6 GPa。將各方案的參數(shù)代入三維有限元模型中進行正算,分別選取車站拱蓋處傳感器所在的3個點(如圖7所示),得到其對應的位移和應力,其位移應力結果見表2、表3。
圖7 各測點布置圖
表2 參數(shù)正交試驗方案及數(shù)值計算結果Table 2 The trial plan of orthogonality parameters and the results of numerical calculation因素E/GPaμC/MPaφ/(°)T/MPaAZ/mmCZ/mmBZ/mmSA/kPaSC/kPaSB/kPa試驗11.30.30.2270.0711.6911.6713.64174.19234.95169.67試驗22.4750.312 50.325300.075.865.887.01136.15149.8899.83試驗33.650.3250.45330.074.054.094.87116.90133.2096.41試驗44.8250.337 50.575360.073.163.23.79116.34128.2788.09試驗560.350.7390.072.592.633.11120.03125.5187.13試驗64.8250.30.325330.14.334.365.1878.63107.7343.08試驗760.312 50.45360.12.562.593.1115.60109.4281.28試驗81.30.3250.575390.19.879.9711.84132.75172.4099.45試驗92.4750.337 50.7270.15.745.796.92117.19133.6383.77試驗103.650.350.2300.15.785.966.73138.41189.64151.20試驗112.4750.30.45390.137.367.478.8665.41138.2324.61試驗123.650.312 50.575270.134.094.134.95109.84109.7570.04試驗134.8250.3250.7300.133.163.193.83103.65102.7769.79試驗1460.337 50.2330.133.593.694.14126.39180.82145.73試驗151.30.350.325360.1312.2712.2914.4385.35190.4152.84試驗1660.30.575300.162.62.633.1599.9189.6855.69試驗171.30.312 50.7330.169.9710.0611.96114.17163.9990.04試驗182.4750.3250.2360.166.596.617.58142.20213.93173.48試驗193.6250.337 50.325390.164.354.345.15111.87122.0596.55試驗204.8250.350.45270.163.263.283.9390.7698.2465.44試驗213.650.30.7360.194.174.225.0593.96101.8160.39試驗224.8250.312 50.2390.193.683.714.22141.33205.64174.70試驗2360.3250.325270.192.932.923.44117.19112.19101.08試驗241.30.337 50.45300.1910.2910.3212.24113.95165.7177.52試驗252.4750.350.575330.1911.6911.6713.64106.48121.4362.03
表3 數(shù)值計算結果2Table 3 The results of numerial calculation 2因素A點C點B點極差次序極差次序極差次序極差均值E7.97317.97019.43418.856μ 1.89021.89222.11822.033C1.15051.15051.30251.229φ1.21631.21631.38231.320T1.18341.18441.36441.292
反分析中,力學參數(shù)與圍巖的穩(wěn)定性有較大關系,巖體參數(shù)不同,巖體的破壞變形也不同。
而且,反分析取得的參數(shù)的真實度會隨著反演參數(shù)數(shù)目的增加而降低[14]。因此,本文利用敏感性分析獲取影響車站穩(wěn)定性較大的因素進行反演分析,對拱頂、拱腰沉降位移值進行極差分析,其中AZ、BZ、CZ的極差值和對位移的影響次序,見圖8。
圖8 測量值的極差
表2、表3中,AZ為拱蓋的左拱腰處沉降位移值,BZ為拱蓋的右拱腰處沉降位移值,CZ為拱蓋的拱頂處的沉降值,SA、SB、SC表示車站拱蓋處A、B、C這3點的總應力,AZ、BZ、CZ的極差、次序、極差均值表示拱蓋處A、B、C點的沉降位移的極差值、各參數(shù)對其影響主次關系和極差平均值。
由極差結果可知,對3個點位移影響的敏感性因素排序依次是彈性模量E、泊松比μ、內(nèi)摩擦角φ、抗拉強度T、內(nèi)聚力C。其中彈性模量的影響最為顯著,其次泊松比和內(nèi)摩擦角的影響也很大。因此,本文選取影響較大的前3個因素進行反分析。
由于在正交方案計算得出的結果中,位移應力的量綱不同,不能進行對比,所以,對位移應力進行歸一化處理,其公式如下:
ri=(ki-ki min)/(ki max-ki min),
(i=1,2,…,25)
(11)
式中:ki為樣本第i個輸出的計算值;ki min為正交設計方案中輸出的最小值;ki max為正交設計方案中輸出的最大值;ri標準化后的值為ri∈[0,1]。
利用位移應力聯(lián)合反分析不僅可以進一步解決精度不高問題,而且對反分析參數(shù)的增多帶來的真實度不高問題也得到進一步解決。同時對位移和應力進行聯(lián)合分析,能夠充分的考慮了車站真實的圍巖變化情況,從而更加真實有效。
通過實際監(jiān)測測得圍巖的各點沉降位移AZ=10.71 mm,BZ=12.53 mm,CZ=10.75 mm,SA=125.8 kPa,SB=176.97 kPa,SC=120.55 kPa,以實測得到的位移值和應力值作為控制值,并應用matlab對位移應力進行聯(lián)合反分析,設定差異進化初始參數(shù):優(yōu)化變量數(shù)為5,種群數(shù)為100,DE算法交叉因子CR為0.7,變異因子F為0.8,最大進化代數(shù)為200,種群規(guī)模NP選取為100[15].
搜索得到當交叉因子取CR=0.7,F(xiàn)=0.8時,反演所得中風化石英巖最佳力學組合參數(shù)為E=1.3 GPa,μ=0.33,φ=35°。將反演所得的結果代入有限元軟件進行正算,并把正算所得結果與石葵路車站監(jiān)測斷面處的監(jiān)測值進行對比,同時與單一位移反分析進行對比,結果見表4。
從表4中數(shù)據(jù)可以看出,采用單一的位移反分析反演車站的圍巖參數(shù)最大誤差AZ沉降處位移達到5.35%,而采用位移應力聯(lián)合反分析,其相對誤差只有3.62%,驗證了位移應力聯(lián)合反分析在拱蓋法施工的車站中的適用性。通過位移應力聯(lián)合反分析所得圍巖參數(shù),為后續(xù)進行穩(wěn)定性分析和方案優(yōu)化提供有利參考依據(jù),為此類施工的工程提供了參考,對指導下一步施工將起到應有的作用。
表4 反演計算結果與實測結果對比Table 4 Comparison between inversion calculation results and measured results結果AZ/mmCZ/mmBZ/mmSA/kPaSC/kPaSB/kPa實際監(jiān)測值位移反分析計算值相對誤差/%位移應力聯(lián)合反分析計算值相對誤差/%10.7112.5310.75125.8 176.97120.5510.1511.8610.18———5.235.355.30———10.8112.5810.84130.35180.20124.790.930.400.84 3.62 1.83 3.52
采用位移應力聯(lián)合反分析方法對拱蓋法施工的車站進行反分析,主要結論有:
a.在上軟下硬的地質(zhì)條件下采用拱蓋法對大跨度暗挖車站施工時,由于地質(zhì)條件和拱蓋法暗挖跨度大的特點,使得圍巖參數(shù)不能準確獲取,因此在車站拱蓋的拱頂和拱腰處安裝土壓力盒和多點位移計,并連接自動化采集設備,采取施工中的位移和應力數(shù)據(jù),根據(jù)實測值來反演圍巖參數(shù),以獲取準確的圍巖參數(shù)來指導下一步施工。
b.運用GP-DE(高斯過程-差異進化協(xié)同優(yōu)化)算法,利用其既能建立非線性映射關系又能有較強的優(yōu)化能力的優(yōu)點,對車站進行圍巖參數(shù)反分析,將分析結果代入有限元模型正算,并與實測值進行比較,可發(fā)現(xiàn)其誤差僅為3.62%,計算結果表明,該方法反分析結果精確度高,能滿足工程需要。
c.采用位移-應力進行聯(lián)合反演分析,與采用單一位移變量作為控制值進行反演分析相比較可知,采用位移應力聯(lián)合反分析精確度更高,更能準確地反映巖體的力學狀態(tài)。