邱章龍

(中鐵七局集團(tuán)武漢工程有限公司，湖北 武漢 430000)

1 概述

隨著我國(guó)經(jīng)濟(jì)發(fā)展水平不斷提高，基礎(chǔ)設(shè)施建設(shè)更新需求日益增加，高速公路作為我國(guó)公共交通基礎(chǔ)設(shè)施的重要一環(huán)，國(guó)民經(jīng)濟(jì)發(fā)展上發(fā)揮著至關(guān)重要的作用。由于城市地上空間的制約，地下空間的拓展利用逐漸增多，城區(qū)復(fù)雜環(huán)境下明挖隧道施工技術(shù)趨于成熟，與此同時(shí)深基坑施工技術(shù)也得到愈加廣泛的應(yīng)用，傳統(tǒng)基坑監(jiān)測(cè)方法忽視地下水位的預(yù)警，錯(cuò)失解決問(wèn)題的良機(jī)，因此造成重大安全問(wèn)題。地下水位隨時(shí)間呈不規(guī)則非線性變化，具有優(yōu)越的非線性動(dòng)態(tài)處理能力的BP神經(jīng)網(wǎng)絡(luò)被廣泛用于預(yù)測(cè)。目前，不少研究人員依托實(shí)際工程構(gòu)建了多種BP神經(jīng)網(wǎng)絡(luò)模型用于工程預(yù)測(cè)。季慧等[1]運(yùn)用了一個(gè)基于混沌的局部搜索技術(shù)大大提高了算法收斂速度；劉海龍等[2]利用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)操作，提高了模型的穩(wěn)定性和預(yù)測(cè)能力；黃震等[3]構(gòu)建了基于模擬退火法的SA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)軟土基坑開挖墻后最大地表沉降進(jìn)行預(yù)測(cè)，并進(jìn)行了對(duì)比和驗(yàn)證；謝饒青等[4]提出一種基于NPCA-GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法提高了采場(chǎng)穩(wěn)定性；劉蕊蕊等[5]通過(guò)遺傳算法和拉文伯格-馬爾夸特算法改善了BP算法收斂速度慢，易收斂到局部極小點(diǎn)的問(wèn)題。

為了提高工程進(jìn)展的高效性和穩(wěn)定性，本文依托廣州新白云國(guó)際機(jī)場(chǎng)第二高速公路南段工程新塘互通立交路段大觀路隧道工程，就城區(qū)復(fù)雜環(huán)境下明挖隧道深基坑開挖過(guò)程中土體及地下水位監(jiān)測(cè)數(shù)據(jù)展開預(yù)測(cè)優(yōu)化研究。通過(guò)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析，結(jié)合城市軌道交通工程監(jiān)測(cè)技術(shù)規(guī)范，提出工程優(yōu)化策略，實(shí)現(xiàn)科學(xué)、優(yōu)質(zhì)、安全、高效的現(xiàn)代項(xiàng)目管理。

2 工程概況

2.1 工程基本情況

工程主體為總長(zhǎng)度1 520 m的明挖隧道，隧道于天河區(qū)大觀中路新園新村附近起始，終點(diǎn)位于廣深高速公路廣氮收費(fèi)站，里程范圍從K44-240到K44-280，其中地下暗埋長(zhǎng)度945 m，地面敞開長(zhǎng)度575 m。大觀路隧道平面圖如圖1所示。

2.2 地質(zhì)條件

施工現(xiàn)場(chǎng)鉆探結(jié)果顯示：地質(zhì)從上到下依次為全新統(tǒng)人工填土層、全新統(tǒng)河流相沖積層、上更新統(tǒng)河流相沖積層及殘積層。

其中，全新統(tǒng)人工填土層包含部分地段呈層狀分布的褐灰色雜填土以及大部分地段呈層狀分布黏性土；全新統(tǒng)河流相沖積層主要包含場(chǎng)區(qū)部分地段的呈似層狀分布的粉質(zhì)黏土，絕大部分地段的呈層狀連續(xù)分布的粉質(zhì)黏土；沖積層揭露于場(chǎng)區(qū)大部分地段的呈層狀粉質(zhì)黏土和場(chǎng)區(qū)部分地段的呈似層狀分布的粉質(zhì)黏土；殘積層裸露于場(chǎng)區(qū)部分地段的呈透鏡狀分布的可塑狀砂質(zhì)黏性土以及呈層狀分布的砂質(zhì)黏性土。

2.3 氣候條件

施工現(xiàn)場(chǎng)所屬地區(qū)為亞熱帶季風(fēng)氣候，全年降雨量十分充沛，夏季炎熱，冬季溫暖。第二、三季度受洋流影響，以偏南風(fēng)、天氣炎熱、降雨量大為主要特征。

2.4 監(jiān)測(cè)方案

施工工程中實(shí)際位移越大，風(fēng)險(xiǎn)系數(shù)越高，因此將位移較大點(diǎn)位設(shè)為風(fēng)險(xiǎn)點(diǎn)位進(jìn)行監(jiān)測(cè)，同一點(diǎn)位布置1個(gè)～3個(gè)監(jiān)測(cè)點(diǎn)，同時(shí)進(jìn)行地下水位監(jiān)測(cè)、樁頂沉降及水平位移監(jiān)測(cè)，監(jiān)測(cè)點(diǎn)位置距離基坑側(cè)面6 m，基坑斷面圖如圖2所示。其中樁(墻)頂沉降監(jiān)測(cè)、樁(墻)頂水平位移監(jiān)測(cè)、地下水位各3個(gè)測(cè)點(diǎn)，監(jiān)測(cè)點(diǎn)位示意圖如圖3所示。

2.5 現(xiàn)場(chǎng)實(shí)測(cè)

本文主要在已開挖的里程范圍段關(guān)鍵點(diǎn)位進(jìn)行了樁頂沉降及水平位移、樁體深層水平位移、地下水位、立柱結(jié)構(gòu)豎向位移的監(jiān)測(cè)工作，本次監(jiān)測(cè)時(shí)間從2021年9月1日持續(xù)至2022年2月23日，其中地下水位、樁(墻)頂豎向位移、水平位移初始數(shù)據(jù)由勘察報(bào)告得出。圖4,圖5為數(shù)據(jù)監(jiān)測(cè)傳感器安裝現(xiàn)場(chǎng)。

2.6 現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)分析

施工過(guò)程監(jiān)測(cè)點(diǎn)數(shù)據(jù)保持穩(wěn)定，附近支撐軸力測(cè)點(diǎn)最大累計(jì)變化值為1 469.30 kN，地下水位測(cè)點(diǎn)最大累計(jì)變化值為-0.80 m，地下水位測(cè)點(diǎn)最大累計(jì)變化值為-17.7 mm，樁體深層水平位移測(cè)點(diǎn)最大變化值為20.84 mm，支護(hù)樁(墻)頂部豎向位移測(cè)點(diǎn)最大變化值為-19.30 mm，支護(hù)頂部水平位移測(cè)點(diǎn)最大變化值為23.19 mm，立柱結(jié)構(gòu)豎向位移最大變化值-13.70 mm，累計(jì)變化值均在控制值范圍內(nèi)，風(fēng)險(xiǎn)可控。

從現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)分析來(lái)看，每個(gè)監(jiān)測(cè)點(diǎn)的數(shù)據(jù)都有相似的規(guī)律性，不同的因素對(duì)地下水位影響程度如圖6，圖7所示。隨著墻體水平位移增大，地下水位值也逐漸增大，變化曲線從陡峭向平緩過(guò)渡，隨著立柱結(jié)構(gòu)豎向位移增大，地下水位值逐漸減小，曲線曲率變化小。

支護(hù)樁(墻)頂部豎向位移增大時(shí)，地下水位值呈現(xiàn)先減小后增大的變化趨勢(shì)，且減小段曲率較大增大段曲線較為平緩，支護(hù)樁(墻)頂部水平位移與地下水位值呈反比關(guān)系。

總體來(lái)看，地下水位與立柱結(jié)構(gòu)豎向位移、墻體水平位移、支護(hù)樁(墻)頂部豎向位移、支護(hù)樁(墻)頂部水平位移表現(xiàn)出緊密的關(guān)聯(lián)性和規(guī)律性，而且呈現(xiàn)非線性變化。每一個(gè)變量都有合適值，偏離合適值有可能產(chǎn)生不良后果，例如地下水位過(guò)高，會(huì)引起淺基礎(chǔ)地基承載力的降低，巖土體在部分地區(qū)例如有的地震砂土地區(qū)易產(chǎn)生變形、崩塌等嚴(yán)重地質(zhì)災(zāi)害；地下水位過(guò)低，容易導(dǎo)致周邊道路、建筑物等沉降不均而傾斜、坍塌等等，因此，有必要對(duì)地下水位值進(jìn)行優(yōu)化預(yù)測(cè)[6]。

3 GA-BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層、輸出層，BP神經(jīng)網(wǎng)絡(luò)正向傳播過(guò)程中，輸入層輸入信號(hào)后，隱含層對(duì)信號(hào)逐層處理再?gòu)妮敵鰧虞敵觯?dāng)結(jié)果與期望值存在較大偏差時(shí)，誤差信號(hào)沿原通道反向傳播，在不斷調(diào)整各層神經(jīng)元的權(quán)閾值方法下，輸出誤差信號(hào)不斷減至最小，信號(hào)單向傳遞時(shí)下一層狀態(tài)只受上一層影響。所以BP神經(jīng)網(wǎng)絡(luò)利用誤差反向傳播訓(xùn)練前饋網(wǎng)絡(luò)，系統(tǒng)地解決了多層中隱含單元連接權(quán)的學(xué)習(xí)問(wèn)題。本文選取該施工項(xiàng)目監(jiān)測(cè)數(shù)據(jù)中與地下水位相關(guān)的立柱結(jié)構(gòu)豎向位移、墻體水平位移、支護(hù)樁(墻)頂部豎向位移、支護(hù)樁(墻)頂部水平位移4個(gè)數(shù)據(jù)作為輸入量，地下水位值作為輸出量，單層隱含量節(jié)點(diǎn)為7，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖8所示。

BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)單實(shí)用，執(zhí)行效率高，具有強(qiáng)大的自適應(yīng)能力，無(wú)論是在理論分析還是在實(shí)際的應(yīng)用方面都比較成熟，但是依然存在網(wǎng)絡(luò)收斂速度慢和容易陷入局部極小值的不足[7]。因此，為了實(shí)現(xiàn)更好的預(yù)測(cè)效果需要引入遺傳算法(GA)進(jìn)行改善[8]，遺傳算法(GA)屬于一種生物智能算法，通過(guò)借鑒生物染色體交叉變異保留優(yōu)良個(gè)體的特性，不斷篩選優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，極大地減小了輸出誤差，提高算法穩(wěn)定性。BP神經(jīng)網(wǎng)絡(luò)算法流程以及GA算法的優(yōu)化過(guò)程如圖9所示。

3.1 基于GA-BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測(cè)優(yōu)化算法應(yīng)用

實(shí)驗(yàn)步驟如下：

1)選取K44-280段監(jiān)測(cè)點(diǎn)1右端的實(shí)測(cè)數(shù)據(jù)為樣本，將數(shù)據(jù)導(dǎo)入MATLAB并做歸一化處理，設(shè)置變量的取值范圍和染色體長(zhǎng)度。

2)利用BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性以及誤差負(fù)反向傳播特性，可采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，采用適應(yīng)度為優(yōu)化評(píng)價(jià)標(biāo)準(zhǔn)，適應(yīng)度為BP神經(jīng)網(wǎng)絡(luò)輸出值的絕對(duì)誤差累加響應(yīng)，適應(yīng)度值越低，代表網(wǎng)絡(luò)權(quán)值和閾值最優(yōu)，收斂效果越好[9-11]。

3)在得到最優(yōu)的權(quán)值和閾值后設(shè)定BP神經(jīng)網(wǎng)絡(luò)參數(shù)，對(duì)樣本數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到一系列訓(xùn)練結(jié)果。

4)預(yù)測(cè)誤差過(guò)程必不可少，主要是將檢測(cè)數(shù)據(jù)輸入然后進(jìn)行模擬輸出，得出相應(yīng)結(jié)果；選取其中立柱結(jié)構(gòu)豎向位移、墻體水平位移、支護(hù)樁(墻)頂部豎向位移、支護(hù)樁(墻)頂部水平位移和最小的一組結(jié)果作為目標(biāo)最優(yōu)值。輸入層、隱含層、輸出層的參數(shù)設(shè)置如表1所示。

表1 網(wǎng)絡(luò)訓(xùn)練參數(shù)

優(yōu)化后形成的模型適應(yīng)度曲線變化趨勢(shì)見(jiàn)圖10，平均適應(yīng)度曲線呈階梯形快速下降，在反復(fù)對(duì)模型進(jìn)行遺傳優(yōu)化后，個(gè)體適應(yīng)度指標(biāo)逐漸下降、適應(yīng)力不斷增強(qiáng)，在進(jìn)化到第5代時(shí)，適應(yīng)度數(shù)值趨于穩(wěn)定。

圖11的訓(xùn)練回歸圖印證了輸入量和輸出量之間極大的相關(guān)性，在70%的訓(xùn)練部分相關(guān)系數(shù)達(dá)到0.996 41，15%驗(yàn)證相關(guān)系數(shù)為0.980 61，剩下15%的測(cè)試部分相關(guān)系數(shù)也有0.963 28，總體相關(guān)系數(shù)值為0.974 08，神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果優(yōu)異，為接下來(lái)的預(yù)測(cè)優(yōu)化奠定基礎(chǔ)。

給每一個(gè)變量設(shè)置范圍，使范圍同時(shí)處在安全值和實(shí)測(cè)數(shù)據(jù)之內(nèi)，采用循環(huán)計(jì)算的方法，將所有可能的組合輸入到經(jīng)過(guò)訓(xùn)練的GA-BP神經(jīng)網(wǎng)絡(luò)中，以變量相加得到最小值為最優(yōu)結(jié)果，以此尋找最優(yōu)地下水位值及其條件。

對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行全域搜索，得到的預(yù)測(cè)值如圖12所示，預(yù)測(cè)信號(hào)和原始信號(hào)趨勢(shì)基本吻合，經(jīng)過(guò)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)得出的K44-280監(jiān)測(cè)點(diǎn)1(右)最優(yōu)地下水位值為3.852 7 m，達(dá)到此最優(yōu)數(shù)值時(shí)的條件為立柱結(jié)構(gòu)豎向位移9.1 mm，墻體水平位移2.5 mm，支護(hù)樁(墻)頂部豎向位移3.10 mm，支護(hù)樁(墻)頂部水平位移19.0 mm，以上數(shù)值均在安全范圍內(nèi)。

誤差曲線如圖12所示，對(duì)比多元回歸方程預(yù)測(cè)的數(shù)值誤差圖如圖13,表2所示。

表2 誤差對(duì)比

由圖13可知，基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)算法具有良好的誤差控制能力，誤差曲線鋸齒狀延伸，整體誤差在±0.1范圍內(nèi)波動(dòng)，曲線多元回歸分析曲線在前40 min也呈現(xiàn)良好的誤差表現(xiàn)，變化趨勢(shì)與GA-BP神經(jīng)網(wǎng)絡(luò)算法大致相同，誤差震動(dòng)幅度稍大，峰值超過(guò)0.25。

絕對(duì)誤差代表了測(cè)量值與真實(shí)值之間的偏離程度，均方誤差則是度量估計(jì)量和被估計(jì)量之間的差異程度的值。由表2可知，GA-BP神經(jīng)網(wǎng)絡(luò)算法的絕對(duì)誤差均值和誤差均方差均小于多元回歸分析方法，體現(xiàn)了機(jī)器學(xué)習(xí)方法在數(shù)據(jù)分析上的優(yōu)勢(shì)。

3.2 實(shí)驗(yàn)分析及建議

實(shí)測(cè)數(shù)據(jù)表明立柱結(jié)構(gòu)豎向位移、墻體水平位移、支護(hù)樁(墻)頂部豎向位移、支護(hù)樁(墻)頂部水平位移、地下水位之間有良好的相關(guān)性，基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法能夠精確預(yù)測(cè)地下水位最優(yōu)值，實(shí)驗(yàn)誤差略高于目標(biāo)誤差，但誤差控制總體處于優(yōu)良狀態(tài)，不影響實(shí)驗(yàn)準(zhǔn)確程度，而且通過(guò)誤差對(duì)比得出相比于多元回歸分析，采用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)效果更好，預(yù)測(cè)結(jié)果更平滑。建議在后續(xù)的施工過(guò)程中，充分利用神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)方法，結(jié)合施工現(xiàn)場(chǎng)數(shù)據(jù)，進(jìn)行更全面、誤差更小的數(shù)據(jù)分析工作，為后續(xù)工程的平穩(wěn)、安全、高效地向前推進(jìn)提供數(shù)據(jù)支撐和保障。

4 結(jié)語(yǔ)

本文通過(guò)GA-BP神經(jīng)網(wǎng)絡(luò)算法部分的理論分析及基于現(xiàn)場(chǎng)數(shù)據(jù)的分析仿真實(shí)驗(yàn)，對(duì)明挖法市政隧道深基坑過(guò)程中的現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行了詳細(xì)的分析和預(yù)測(cè)，并針對(duì)后續(xù)施工給出了優(yōu)化意見(jiàn)。研究結(jié)論表明：

1)監(jiān)測(cè)數(shù)據(jù)之間相互影響且影響程度各不相同，其中地下水位與立柱結(jié)構(gòu)豎向位移、墻體水平位移地下水位、支護(hù)樁(墻)頂部豎向位移、支護(hù)樁(墻)頂部水平位移之間呈現(xiàn)極大相關(guān)的非線性變化規(guī)律。

2)機(jī)器學(xué)習(xí)方法能夠精確預(yù)測(cè)地下水位最優(yōu)值及達(dá)到最優(yōu)時(shí)的條件，本文運(yùn)用基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)法對(duì)地下水位進(jìn)行預(yù)測(cè)分析，得到最優(yōu)結(jié)果絕對(duì)值為3.852 73 m，此時(shí)條件為：立柱結(jié)構(gòu)豎向位移9.1 mm，墻體水平位移2.5 mm，支護(hù)樁(墻)頂部豎向位移3.10 mm，支護(hù)樁(墻)頂部水平位移19.0 mm，根據(jù)城市軌道交通工程監(jiān)測(cè)技術(shù)規(guī)范[11]，均處于安全范圍內(nèi)。

3)通過(guò)誤差對(duì)比，揭示了GA-BP神經(jīng)網(wǎng)絡(luò)相比傳統(tǒng)多元回歸分析方法具有更好的預(yù)測(cè)能力和誤差控制能力，展現(xiàn)了機(jī)器學(xué)習(xí)在工程應(yīng)用上的獨(dú)特優(yōu)勢(shì)。