沈忱

軌道交通橋墩變形控制是輕軌列車行車安全的關(guān)鍵因素之一，為保證該軌道交通橋梁的運(yùn)營安全，在新建地鐵基坑施工期對橋梁基礎(chǔ)沉降進(jìn)行長期實時監(jiān)測具有重要的意義。本文與某軌道交通橋梁附近基坑開挖工程為例，分析基坑開挖對橋墩變形的影響，并對橋墩變形進(jìn)行預(yù)測。

一、工程背景

目前，運(yùn)營中的軌道交通橋梁位于基坑開挖影響范圍以內(nèi)，為觀察基坑開挖對既有軌道交通橋墩的影響，需對軌道交通橋墩的沉降情況進(jìn)行實時自動連續(xù)監(jiān)測。如圖1所示為軌道交通橋墩相鄰的項目基坑施工。

圖1 沉降觀測橋墩

基坑距軌道交通橋墩遠(yuǎn)小于國家規(guī)定的50米橋梁安全保護(hù)距離。橋墩附近頻繁的車輛荷載也對沉降有影響。為保證該軌道交通的運(yùn)營安全，在新建基坑施工期對橋梁基礎(chǔ)沉降進(jìn)行長期實時監(jiān)測具有重要的意義。

二、基礎(chǔ)沉降監(jiān)測方案

根據(jù)實際情況，沉降測點布置于墩頂，用環(huán)氧樹脂固定位移傳感器。電纜線和連通管置于U型橋架內(nèi)，橋架通過φ6mm×60mm膨脹螺栓固定于混凝土梁底板外表面，鉆孔直徑9.5mm深60mm，每跨混凝土梁合計鉆孔數(shù)量60個，設(shè)備布設(shè)所需膨脹螺栓孔數(shù)量190±10個，順橋向孔間距為15×（1.5m+0.5m），橫橋向孔間距60mm，固定位置橫向居中，順橋向通長。測點選擇在墩頂正上方。每墩設(shè)置測點1個，監(jiān)測沉降的橋墩共3個，同時在影響區(qū)外的橋墩上布設(shè)1個基準(zhǔn)點，合計4個測點。安裝及固定示意如圖2所示。

圖2 傳感器布置示意圖

橋墩基礎(chǔ)沉降監(jiān)測傳感器選用封閉式/半封閉式液體靜力水準(zhǔn)儀，該型儀器基于連通管原理并克服了現(xiàn)有開放式連通管撓度測試方法的不足，將整個測試中結(jié)構(gòu)豎向位移的變化轉(zhuǎn)變?yōu)橐后w壓差的改變。本測試系統(tǒng)在整個測試全過程中，連通管內(nèi)液體處于準(zhǔn)靜止?fàn)顟B(tài)，克服了因管壁與液體之間的相對流動而產(chǎn)生的粘滯阻尼力及毛細(xì)效應(yīng)，提高了測試精度。采集軟件界面及傳感器照片如圖3所示。

圖3 傳感器示意圖

上述測試系統(tǒng)布設(shè)方便，結(jié)合互聯(lián)網(wǎng)技術(shù)能夠同時對結(jié)構(gòu)位移場和溫度場實現(xiàn)遠(yuǎn)程、連續(xù)、實時監(jiān)測，并在此基礎(chǔ)上對結(jié)構(gòu)變形結(jié)果進(jìn)行實時預(yù)警。

三、基礎(chǔ)沉降變形監(jiān)測分析

1.支持向量機(jī)算法的基本原理

為了利用SVM解決回歸擬合方面，Vapnik等人在SVM分類的基礎(chǔ)引入了不敏感損失函數(shù)，從而得到了回歸型支持向量機(jī)（support vector machine for regression，SVR），且取得了很好的性能和效果。

SVM應(yīng)用于回歸擬合分析時，其基本思想不再是尋找一個最優(yōu)分類面使得兩類樣本分開，而是尋找一個最優(yōu)分類面使得所有訓(xùn)練樣本離改最優(yōu)分類面的誤差最小。

設(shè)在高維特征空間中建立的線型回歸函數(shù)為

其中，C為懲罰因子，C越大表示對訓(xùn)練誤差大于 的樣本懲罰越大； 規(guī)定了回歸函數(shù)的誤差要求， 越小表示回歸函數(shù)的誤差越小。

求解式（3）時，同時引入Largrange函數(shù)，并轉(zhuǎn)換為對偶形式：

于是，回歸函數(shù)為

從式（5）可以看出，SVR最終的形式與SVM相同，其結(jié)構(gòu)與神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)較為類似。輸出是中間節(jié)點的線性組合，每個中間節(jié)點對應(yīng)一個支持向量。

2.實例分析

選用某輕軌橋墩敏感部位的沉降觀測量，監(jiān)測點2和4監(jiān)測數(shù)據(jù)如圖4和5所示。首期沉降量為0，本文對監(jiān)測數(shù)據(jù)進(jìn)行分析并對橋墩的沉降情況作出研究分析，其沉降監(jiān)測點的原始沉降數(shù)據(jù)見表1。

表1 原始沉降數(shù)據(jù)表

圖4 沉降監(jiān)測點02實時數(shù)據(jù)

圖5 沉降監(jiān)測點04實時數(shù)據(jù)

表中數(shù)據(jù)中沉降量的變化有生有降，總結(jié)其主要影響因素為：

在施工過程中，工程自身材料因施工而產(chǎn)生的變化以及周圍環(huán)境的影響，使得變形體的沉降量不停變化。

自然條件也會對沉降量產(chǎn)生一定的影響，如氣候、折光率等因素的綜合作用。

3.支持向量機(jī)模型在工程中的預(yù)測

在預(yù)測之前，為了數(shù)據(jù)處理更加方便快捷，需要將原始數(shù)據(jù)進(jìn)行歸一化處理，即將原始數(shù)據(jù)限制在[0,1]的范圍內(nèi)，進(jìn)而加快網(wǎng)絡(luò)的收斂性，可用下式調(diào)整：

利用建立的模型做出預(yù)測，計算真實值與預(yù)測值的殘差和相對誤差，并與BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果進(jìn)行及精度和誤差比較分析，基于SVM回歸模型的建立，將原始數(shù)據(jù)加常數(shù)10再建模。如表2和3所示。

表2 SVM訓(xùn)練樣本數(shù)據(jù)（Isjc02）

表3 SVM訓(xùn)練樣本數(shù)據(jù)（Isjc04）

分別采用SVR和BP神經(jīng)網(wǎng)絡(luò)對橋墩沉降進(jìn)行預(yù)測，結(jié)果如圖6～11所示：

圖6 訓(xùn)練基與實際值比較圖（Isjc02）

圖7 測試集與實際值比較圖（Isjc02）

圖8 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與實際值（Isjc02）

圖9 訓(xùn)練基與實際值比較圖（Isjc04）

圖10 測試集與實際值比較圖（Isjc04）

圖11 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與實際值（Isjc04）

圖6～11表明，SVR模型的預(yù)測結(jié)果與實際值非常接近，相關(guān)系數(shù)接近1，表明通過訓(xùn)練后預(yù)測集精度高，并且精度與BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測值相當(dāng)。

四、結(jié)論

本文主要研究了基于支持向量機(jī)回歸的輕軌橋墩沉降預(yù)測模型的建立，通過與、BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行比較，采用理論分析、實例數(shù)據(jù)對比分析以及圖表進(jìn)行了比較全面的研究：

1.采用SVR方法能快速有效建立可靠的預(yù)測模型，并且比一般的傳統(tǒng)常規(guī)方法預(yù)測精度更高。

2.通過SVR，只需要比較少的數(shù)據(jù)就能得到比較高的精度，可實施性強(qiáng)。

3.SVR預(yù)測精度與數(shù)據(jù)量的大小有較大關(guān)系，數(shù)據(jù)量越大預(yù)測精度和效果越好。

由此可知，基于SVR的預(yù)測模型能夠用于輕軌橋墩的沉降預(yù)測，其結(jié)果可靠，需要監(jiān)測的數(shù)據(jù)少，精度高，計算速度快，能夠到達(dá)工程要求。SVR具有數(shù)據(jù)少，精度高，操作方便等獨特優(yōu)勢。