王森, 禹麗峰, 艾鵬鵬, 關(guān)渭南, 黃永虎, 鄧錢瀚

(1.深圳市地鐵建設(shè)集團(tuán)有限公司, 深圳 518000; 2.中鐵四局集團(tuán)第五工程有限公司, 九江 332000; 3.華東交通大學(xué)土木建筑學(xué)院, 南昌 330000)

隨著中國(guó)城市化進(jìn)程的快速發(fā)展,城市交通擁堵問(wèn)題日趨嚴(yán)重,使得地下空間綜合交通樞紐體系的發(fā)展需求日益增長(zhǎng)。深圳市黃木崗大型地下空間綜合交通樞紐采用巨型斜柱的新型結(jié)構(gòu)體系,由于斜柱整體較長(zhǎng)、自重大且受施工條件的限制,無(wú)法一次施工就位,因此該體系具有結(jié)構(gòu)形式和施工環(huán)境復(fù)雜等特點(diǎn),其施工安全由多種因素影響。斜柱作為該體系的關(guān)鍵結(jié)構(gòu)構(gòu)件,其沉降數(shù)據(jù)綜合反映了體系在多因素作用下的安全情況,故斜柱的累計(jì)沉降量的監(jiān)測(cè)和準(zhǔn)確預(yù)測(cè)對(duì)確保工程施工安全具有重要意義。

目前,已有相關(guān)學(xué)者對(duì)結(jié)構(gòu)沉降量的監(jiān)測(cè)與預(yù)測(cè)做了大量研究。在結(jié)構(gòu)沉降的監(jiān)測(cè)方面,竇炳珺等[1]結(jié)合杭州市某盾構(gòu)掘進(jìn)實(shí)際工程的地表豎向位移監(jiān)測(cè)數(shù)據(jù),總結(jié)了硬巖地區(qū)盾構(gòu)掘進(jìn)對(duì)周邊環(huán)境的影響規(guī)律;李文聰[2]以地鐵車站為研究對(duì)象,對(duì)中洞法施工各施工工序引起的地表沉降變形規(guī)律進(jìn)行了分析,為施工單位采取控沉措施提供參考依據(jù);閆振虎等[3]探究小凈距隧道中夾巖柱穩(wěn)定性,對(duì)拱頂進(jìn)行了沉降監(jiān)測(cè),為最小安全凈距提供參考;田江濤等[4]對(duì)新建車站施工方法進(jìn)行研究,并監(jiān)測(cè)了既有車站軌道結(jié)構(gòu)沉降,采用不同的方法控制沉降量;夏曾銀等[5]通過(guò)對(duì)結(jié)構(gòu)柱隆沉變化實(shí)測(cè)數(shù)據(jù)進(jìn)行分析研究,監(jiān)測(cè)結(jié)構(gòu)柱的沉降變化規(guī)律,結(jié)果表明,需避免差異沉降引起結(jié)構(gòu)梁板產(chǎn)生變形開(kāi)裂問(wèn)題;曹程明等[6]以特殊土巖組合地層深基坑工程為背景,并結(jié)合沉降監(jiān)測(cè)數(shù)據(jù)對(duì)基坑變形規(guī)律進(jìn)行研究,提供控制沉降的方法。在結(jié)構(gòu)沉降的預(yù)測(cè)方面,江文金等[7]提出了基于時(shí)間序列與時(shí)間卷積網(wǎng)絡(luò)的滑坡位移預(yù)測(cè)模型,結(jié)果表明該模型具有較高的預(yù)測(cè)精度;薛艷杰[8]建立基于灰色最小二乘支持向量機(jī)的基坑變形時(shí)序預(yù)測(cè)模型,預(yù)測(cè)土層深基坑沉降,防止因地表沉降造成不必要損失;王德法等[9]提出改進(jìn)的變權(quán)緩沖灰色模型,并以高填方機(jī)場(chǎng)地表沉降數(shù)據(jù)預(yù)測(cè)為例,驗(yàn)證所提改進(jìn)模型的有效性;李翔宇等[10]認(rèn)為隧道變形的穩(wěn)定可控是地鐵安全運(yùn)營(yíng)的重要保障之一,建立多種神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,對(duì)比模型效果及精度,選出最適用于盾構(gòu)隧道長(zhǎng)期沉降預(yù)測(cè)模型;侯明華等[11]提出了麻雀搜索算法優(yōu)化Elman 的地面沉降量預(yù)測(cè)方法,并為組合模型的建立提供了一種新思路;黃虎城等[12]基于地表沉降數(shù)據(jù)建立Elman模型,預(yù)測(cè)精度較高,能夠?yàn)檠芯繀^(qū)地面沉降的防治工作起到一定的輔助預(yù)警作用;鄧傳軍等[13]使用粒子群優(yōu)化反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)進(jìn)行建筑物沉降預(yù)測(cè),優(yōu)化后模型預(yù)測(cè)精度優(yōu)于傳統(tǒng)預(yù)測(cè)模型;韓春鵬等[14]基于最優(yōu)權(quán)重法將灰色GM(1,1)及二次曲線模型進(jìn)行組合,對(duì)地基的遠(yuǎn)期沉降進(jìn)行預(yù)測(cè),探究模型的適用性;馮小婷等[15]以成都地鐵17號(hào)線換乘站為例,采用4種智能算法對(duì)不同監(jiān)測(cè)參數(shù)與監(jiān)測(cè)點(diǎn)位在開(kāi)挖階段及盾構(gòu)施工階段的地表高程變形進(jìn)行預(yù)測(cè)。

以上研究表明,結(jié)構(gòu)沉降能夠在一定程度上反映整體結(jié)構(gòu)的安全狀態(tài),運(yùn)用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)構(gòu)的沉降具有輔助預(yù)警作用?，F(xiàn)以深圳黃木崗大型地下空間綜合交通樞紐的12軸巨型斜柱為例,通過(guò)自動(dòng)化監(jiān)測(cè)系統(tǒng)開(kāi)展斜柱沉降監(jiān)測(cè),分析斜柱長(zhǎng)期沉降規(guī)律并劃分預(yù)警等級(jí),將GA-BP神經(jīng)網(wǎng)絡(luò)算法引入斜柱沉降預(yù)測(cè),利用斜柱沉降的觀測(cè)數(shù)據(jù),構(gòu)建GA-BP神經(jīng)網(wǎng)絡(luò)模型并對(duì)斜柱的沉降進(jìn)行預(yù)測(cè),對(duì)比分析BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性,進(jìn)而根據(jù)預(yù)測(cè)的結(jié)果更好地指導(dǎo)斜柱施工工作。

1 工程概況

黃木崗綜合交通樞紐坐落于筍崗西路、泥崗西路、華富路、華強(qiáng)北路五叉路口,為既有7號(hào)線、新建14號(hào)線以及規(guī)劃24號(hào)線三線換乘樞紐。14號(hào)線沿華富路和泥崗西路地下敷設(shè),為地下三層疊側(cè)車站,與既有7號(hào)線同臺(tái)換乘;規(guī)劃24號(hào)線沿筍崗西路地下敷設(shè),為地下四層車站,與7、14號(hào)線形成節(jié)點(diǎn)換乘,如圖1所示。

圖1 黃木崗大型綜合地下交通樞紐地理位置

為滿足現(xiàn)代建筑地下綜合交通樞紐空間一體化要求,形成特色、活力的建筑空間,本項(xiàng)目摒棄傳統(tǒng)的梁、柱體系,如圖2所示,采用巨型大傾角斜柱的新型結(jié)構(gòu)體系,由于斜柱整體較長(zhǎng)、自重大且受施工條件的限制,其施工安全由多種因素影響。斜柱作為該體系的關(guān)鍵結(jié)構(gòu)構(gòu)件,其沉降數(shù)據(jù)綜合反映了體系在多因素作用下的安全情況,故針對(duì)斜柱的累計(jì)沉降量的監(jiān)測(cè)和準(zhǔn)確預(yù)測(cè)進(jìn)行實(shí)時(shí)監(jiān)測(cè)以確保工程施工安全。

圖2 大型綜合地下交通樞紐立面圖

1.1 斜柱沉降監(jiān)測(cè)系統(tǒng)

軌道交通24號(hào)線主體結(jié)構(gòu)永久柱采用巨型型鋼混凝土斜柱,如圖3所示,巨型型鋼混凝土斜柱分布于24號(hào)線及兩端地下空間,呈魚(yú)腹式布設(shè)在5～31軸,共25組50根。因監(jiān)測(cè)結(jié)果規(guī)律一致,僅結(jié)合西區(qū)12軸的1根斜柱測(cè)點(diǎn)布置介紹斜柱沉降監(jiān)測(cè)系統(tǒng)。

圖3 巨型斜柱平面布置圖

斜柱沉降監(jiān)測(cè)系統(tǒng)由數(shù)據(jù)采集系統(tǒng)、云服務(wù)器平臺(tái)、用戶終端組成,如圖4所示。數(shù)據(jù)采集系統(tǒng)由自動(dòng)化全站儀、反光片等組成,測(cè)點(diǎn)布置如圖5所示,施工現(xiàn)場(chǎng)12-1斜柱監(jiān)測(cè)點(diǎn)如圖6所示,將反光片作為測(cè)點(diǎn),布置在與V柱剛性連接的頂板表面。數(shù)據(jù)采集系統(tǒng)負(fù)責(zé)各監(jiān)測(cè)點(diǎn)的數(shù)據(jù)采集,經(jīng)由無(wú)線傳輸系統(tǒng)將斜柱沉降數(shù)據(jù)上傳至云服務(wù)器平臺(tái),云服務(wù)器平臺(tái)進(jìn)行斜柱沉降數(shù)據(jù)的綜合處理,通過(guò)互聯(lián)網(wǎng)實(shí)現(xiàn)與電腦、手機(jī)等終端通信,可隨時(shí)隨地觀察斜柱沉降數(shù)據(jù)的變化。

圖4 自動(dòng)化監(jiān)測(cè)系統(tǒng)

圖5 測(cè)點(diǎn)布置方案

圖6 施工現(xiàn)場(chǎng)12-1#斜柱的監(jiān)測(cè)點(diǎn)

1.2 斜柱沉降分析

巨型型鋼混凝土斜柱數(shù)量多,施工周期長(zhǎng),且該結(jié)構(gòu)主要作為承重柱承擔(dān)豎向荷載,其安全性將影響整體施工進(jìn)程,通過(guò)現(xiàn)狀可知,結(jié)構(gòu)沉降能夠一定程度反映整體結(jié)構(gòu)的安全狀態(tài),斜柱沉降分析及預(yù)測(cè)具有重大的工程意義。

根據(jù)《城市軌道交通地下工程建設(shè)風(fēng)險(xiǎn)管理規(guī)范》(GB 50652—2011)[16]和施工現(xiàn)場(chǎng)要求,項(xiàng)目設(shè)置三級(jí)預(yù)警,紅色預(yù)警為預(yù)警最大限值、橙色預(yù)警為80%預(yù)警最大限值、黃色預(yù)警為60%預(yù)警最大限值。如表1所示,斜柱沉降預(yù)警最大限值為±32 mm,正值為斜柱向上隆起,負(fù)值為斜柱向下下沉。

表1 預(yù)警等級(jí)劃分表

監(jiān)測(cè)數(shù)據(jù)較多,僅選取12軸監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析,取12軸斜柱的體系轉(zhuǎn)換施工當(dāng)天為第一期數(shù)據(jù)(2022年4月14日),并選取后續(xù)119期數(shù)據(jù)進(jìn)行斜柱施工后的累計(jì)沉降量分析。如圖7所示,4月14日—6月1日, 斜柱的累計(jì)沉降量在-6.0～0.6 mm小幅度波動(dòng),處于安全狀態(tài);6月2—30日,斜柱的累計(jì)沉降量不斷增加,最大沉降量為-18.2 mm,處于安全狀態(tài);7月1日—8月15日,斜柱的累計(jì)沉降量下降至黃色預(yù)警值-19.2 mm,然后在-20.8～-18.6 mm小幅度波動(dòng)。由此可見(jiàn),斜柱施工后,長(zhǎng)期的沉降規(guī)律為先在安全狀態(tài)內(nèi)小幅波動(dòng),隨著施工后時(shí)間延長(zhǎng),地上結(jié)構(gòu)施工進(jìn)程不斷推進(jìn),地下空間的斜柱受到的荷載不斷增大,其累計(jì)沉降值增大至黃色預(yù)警狀態(tài),施工過(guò)程結(jié)束,最后斜柱累計(jì)沉降在安全狀態(tài)與預(yù)警狀態(tài)之間小幅波動(dòng)。為保證斜柱整體結(jié)構(gòu)的安全性,采用已有的斜柱沉降觀測(cè)數(shù)據(jù),構(gòu)建神經(jīng)網(wǎng)絡(luò)模型并對(duì)斜柱的沉降進(jìn)行預(yù)測(cè),預(yù)測(cè)未來(lái)斜柱的累計(jì)沉降量是否超過(guò)預(yù)警值,便于調(diào)整施工方案和監(jiān)測(cè)方案,為后期施工安全提供保障。

圖7 監(jiān)測(cè)數(shù)據(jù)變化過(guò)程

2 斜柱長(zhǎng)期沉降預(yù)測(cè)研究

以6期數(shù)據(jù)為一組(前5期數(shù)據(jù)為網(wǎng)絡(luò)輸入,第6期數(shù)據(jù)為網(wǎng)絡(luò)輸出),以此類推,共有119期數(shù)據(jù),如表2所示。利用前109期數(shù)據(jù)構(gòu)建滾動(dòng)式模型,并構(gòu)建訓(xùn)練樣本集和測(cè)試樣本集,形成BP神經(jīng)網(wǎng)絡(luò)沉降預(yù)測(cè)模型、GA-BP神經(jīng)網(wǎng)絡(luò)沉降預(yù)測(cè)模型,再用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)最后10期數(shù)據(jù)。

表2 斜柱累計(jì)沉降監(jiān)測(cè)數(shù)據(jù)

2.1 建立BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差方向反傳播的多層前饋神經(jīng)網(wǎng)絡(luò)[17],由輸入層、隱藏層和輸出層3個(gè)部分組成,各層內(nèi)有不同的神經(jīng)元數(shù)量。如圖8所示,將數(shù)據(jù)Xi輸入網(wǎng)絡(luò)中,隱含層通過(guò)激活函數(shù)等將數(shù)據(jù)進(jìn)行處理,若滿足誤差需求,則通過(guò)輸出層輸出Yk,若未滿足誤差需求,則調(diào)節(jié)各層的權(quán)值W,將數(shù)據(jù)返回到輸入層重新進(jìn)行輸入,如此循環(huán)往復(fù),直至滿足誤差要求,數(shù)據(jù)從輸出層輸出。

圖8 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

隱藏層的神經(jīng)元數(shù)量對(duì)預(yù)測(cè)模型是至關(guān)重要的,設(shè)置合適的神經(jīng)元數(shù)量能提高模型的計(jì)算精度,而在評(píng)估模型數(shù)據(jù)的精度時(shí),均方誤差越低,表示模型預(yù)測(cè)效果越好,故通過(guò)循環(huán)得出不同隱含層節(jié)點(diǎn)數(shù)訓(xùn)練集的均方誤差,如表3所示,當(dāng)隱含層節(jié)點(diǎn)數(shù)為6,訓(xùn)練集的均方誤差最小,表示神經(jīng)網(wǎng)絡(luò)沉降預(yù)測(cè)模型的擬合效果最好。

表3 不同隱含層節(jié)點(diǎn)數(shù)對(duì)應(yīng)的均方誤差

隱含層選用Tansig激活函數(shù),輸出層選用線性Purelin激活函數(shù),訓(xùn)練函數(shù)選用Trainglm激活函數(shù)。隱含層節(jié)點(diǎn)數(shù)為6,學(xué)習(xí)速率一般選取為[0.01,0.08],本文選0.01。網(wǎng)絡(luò)目標(biāo)誤差選取0.000 01,最大訓(xùn)練次數(shù)設(shè)置為1 000。

2.2 建立GA-BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)的初始閾值與權(quán)值是隨機(jī)生成的,這往往會(huì)導(dǎo)致結(jié)果陷入局部極小值而非全局最小值。為了提升BP神經(jīng)網(wǎng)絡(luò)的計(jì)算精度,遺傳算法(genetic algorithm,GA)可用于對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化[18]。通過(guò)GA算法的優(yōu)化,獲取最優(yōu)初始閾值和權(quán)值。GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)具體步驟如圖9所示,首先確定初始化種群規(guī)模和適應(yīng)度函數(shù),然后經(jīng)過(guò)選擇、交叉和變異,評(píng)價(jià)每一代的適應(yīng)度,最終獲得最優(yōu)閾值和權(quán)值。

圖9 基于GA-BP模型的預(yù)測(cè)流程圖

采用均方誤差評(píng)價(jià)種群中各個(gè)體的適應(yīng)度,GA-BP神經(jīng)網(wǎng)絡(luò)模型適應(yīng)度值的變化如圖10所示,可以看出,適應(yīng)度值迭代到45代后達(dá)到較低水平并保持不變,因此迭代次數(shù)設(shè)置為50。

圖10 GA-BP模型適應(yīng)度值變化圖

GA-BP神經(jīng)網(wǎng)絡(luò)模型的激活函數(shù)、學(xué)習(xí)速率、目標(biāo)誤差、最大學(xué)習(xí)次數(shù)等設(shè)置與BP神經(jīng)網(wǎng)絡(luò)一致。遺傳進(jìn)化中選擇采用輪盤賭法,交叉概率的常用取值范圍為[0.25,1],本文選取0.8,變異概率的常用取值范圍為[0.001,0.1],本文選取0.05。

2.3 預(yù)測(cè)對(duì)比分析

將BP神經(jīng)網(wǎng)絡(luò)與GA-BP神經(jīng)網(wǎng)絡(luò)沉降預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)進(jìn)行比較,相關(guān)指標(biāo)預(yù)測(cè)結(jié)果如表4所示。可以看出,BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果中最大絕對(duì)誤差為1.934 0 mm,最小絕對(duì)誤差為0.181 7 mm;GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的最大絕對(duì)誤差為1.263 6 mm,最小絕對(duì)誤差為0.030 7 mm。

表4 斜柱沉降模型預(yù)測(cè)結(jié)果

預(yù)測(cè)模型效果如表5所示,對(duì)比BP神經(jīng)網(wǎng)絡(luò),GA-BP神經(jīng)網(wǎng)絡(luò)的平均絕對(duì)誤差、均方誤差、均方誤差根、平均絕對(duì)百分比誤差分別減少了0.247 6 mm、0.348 5 mm、0.247 5 mm和1.238 3%。

表5 兩種模型的預(yù)測(cè)模型效果比較

圖11為累計(jì)沉降量實(shí)測(cè)與預(yù)測(cè)結(jié)構(gòu)對(duì)比曲線,從圖11(a)實(shí)測(cè)值與預(yù)測(cè)值的對(duì)比圖可看出,GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的預(yù)測(cè)值更接近實(shí)測(cè)值。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的絕對(duì)誤差如圖11(b)所示,相比于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò),GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的預(yù)測(cè)誤差更接近0。實(shí)測(cè)值與預(yù)測(cè)值的預(yù)警等級(jí)如表6所示,按照表1的標(biāo)準(zhǔn),將實(shí)測(cè)值與預(yù)測(cè)值進(jìn)行預(yù)警等級(jí)劃分,對(duì)比發(fā)現(xiàn),在10個(gè)預(yù)測(cè)值中,BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值所處預(yù)警等級(jí)與實(shí)測(cè)值一致的有3個(gè),而GA-BP神經(jīng)網(wǎng)絡(luò)所處預(yù)警等級(jí)與實(shí)測(cè)值一致的有7個(gè)。從預(yù)測(cè)值與實(shí)際值的對(duì)比、預(yù)測(cè)誤差、預(yù)警等級(jí)看出,GA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度更高。

表6 實(shí)測(cè)值與預(yù)測(cè)值的預(yù)警等級(jí)對(duì)比

圖11 累計(jì)沉降量實(shí)測(cè)與預(yù)測(cè)結(jié)果對(duì)比

3 結(jié)論

巨型斜柱沉降監(jiān)測(cè)是大型地下空間交通樞紐體系安全施工的重要環(huán)節(jié),以深圳黃木崗大型地下空間綜合交通樞紐的12軸巨型斜柱為例,通過(guò)自動(dòng)化監(jiān)測(cè)系統(tǒng)開(kāi)展了斜柱沉降監(jiān)測(cè),然后利用已有的斜柱沉降觀測(cè)數(shù)據(jù),構(gòu)建了神經(jīng)網(wǎng)絡(luò)模型對(duì)斜柱的沉降進(jìn)行預(yù)測(cè)。

(1) 長(zhǎng)期監(jiān)測(cè)發(fā)現(xiàn),斜柱施工后,長(zhǎng)期的沉降規(guī)律為先在安全狀態(tài)內(nèi)小幅波動(dòng),隨著施工后時(shí)間增長(zhǎng),增大至黃色預(yù)警狀態(tài),最后在安全狀態(tài)與預(yù)警狀態(tài)之間小幅波動(dòng)。

(2)以109期實(shí)測(cè)數(shù)據(jù)建立BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)模型,對(duì)比兩種預(yù)測(cè)網(wǎng)絡(luò)的精度發(fā)現(xiàn),相較于傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)模型,GA-BP 神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度有了顯著的提高GA-BP組合神經(jīng)網(wǎng)絡(luò)更具有可靠性和有效性,對(duì)后續(xù)的施工具有指導(dǎo)價(jià)值。