基于Bayes-LSTM的公路隧道围岩变形预测方法研究

在公路隧道施工过程中,围岩的稳定性对隧道施工的影响较大。因此公路隧道围岩变形的监控量测与准确预测是保障隧道施工安全的关键。针对当前隧道围岩变形的预测精度较低以及泛化能力较差等问题,该文提出一种基于贝叶斯（Bayes）优化长短期记忆网络（LSTM）的方法,该方法首先对拱顶沉降和周边收敛的原始监测数据进行预处理,而后构建公路隧道拱顶沉降与周边收敛的初始LSTM模型,并利用Bayes优化模型中的超参数,最终得出预测结果。利用该模型对某公路隧道拱顶沉降和周边收敛进行预测,将预测结果以均方根误差为评价指标与神经网络（CNN）和支持向量回归（SVR）进行对比。预测拱顶沉降时,Bayes-LSTM模型的平均预测精度相较于CNN与SVR模型分别提高了1.0与1.26;预测周边收敛时,Bayes-LSTM模型平均精度相较于CNN与SVR分别提高了0.3与0.32。表明Bayes-LSTM模型的预测精度较高,同时其能在训练模型过程中对历史信息进行判断和取舍,极大地提高了时序数据处理的效率,为公路隧道围岩变形预测提供了新的思路和探索。     

基于多变量灰色模型的路基沉降预测

路基沉降变形是一个复杂的动态变化过程,常用的单变量预测模型不能考虑各沉降监测点间的相关性,不足以反映路基整体的变形规律。多变量灰色模型是单变量GM(1,1)模型在多元变量条件下的拓展,可以实现对路基中相互影响的多个监测点变形预测模型的建模和预测。实例计算表明,与单变量GM(1,1)模型相比,多变量灰色模型具有更高的预测精度,显示了该方法进行路基工后沉降预测的有效性。     

樊屯隧道施工监控测量及数据模拟分析

隧道的施工监控测量对保证工程质量与安全具有重要意义。在建兴高速樊屯隧道施工过程中，对地表沉降、拱顶下沉、围岩收敛等进行了监控测量。介绍了樊屯隧道施工监控测量的内容与方法，并对监测数据进行了模拟分析。结果表明，隧道的地表沉降、拱顶下沉、围岩收敛在隧道施工后的15 d 里变形迅速，在随后一个月逐渐趋于稳定；对观测数据所建立的回归分析模型具有较大的判定系数 R2，模型具有较好的稳定性与预测能力。     

基坑变形预测及优化研究

在现代化的施工中,施工监测已不能只局限于获得工程变形的历史值,更多时候,相关各方更关心其未来究竟会是一种怎样的变形趋势,也就是对工程变形的预测提出了新的要求。现以延崇高速公路妫水河隧道的基坑沉降监测数据为基础,引入三次指数平滑法和GM(1,1)模型,分别预测了未来短时间内基坑的沉降变形趋势,后续与实际变形的对比显示:两种方法均可以有效预测基坑变形,本例中三次指数平滑法的预测精度要高于GM(1,1)模型的预测精度;针对本例中GM(1,1)模型预测结果误差偏大的问题,分析了其误差影响因素并进行了残差模型修正,提升了GM(1,1)模型短期的预测精度;对基坑变形预测问题进行了讨论与总结。     

组合优化模型在麻栗垭隧道监控量测数据处理中的应用

监控量测作为隧道新奥法施工的三要素之一,通过量测数据,对数据进行分析处理能够有效反馈指导施工。基于多目标加权灰色局势决策法、模糊自适应变权重组合预测法建立最优非线性组合预测模型。在麻栗垭隧道中应用组合优化模型分析预测了拱顶沉降值,结果表明该模型对隧道施工过程围岩变形能够进行有效的预测和反馈。     

铁路路基沉降变形组合预测模型优化

由于传统灰色模型在预测波动性较大的数据时精度不高,提出一种改进的动态GM-Poisson-Markov组合预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进,通过原始序列的动态更新实现模型的参数更新,在此基础上与泊松曲线模型建立一种组合预测模型,并利用马尔科夫链进行残差修正,得到改进的动态GM-Poisson-Markov组合预测模型。利用汉巴南铁路路基沉降变形监测数据进行实例分析,将预测结果与泊松、灰色模型、非等间距无偏灰色模型以及组合模型预测结果进行对比分析,结果表明：模型对铁路软土路基沉降变形可取得较好预测效果,提高了预测精度与稳定性。     

青藏铁路路基沉降变形的灰色预测模型研究

灰色系统预测模型的本质是对已知数据序列进行类型为指数形式的曲线拟合,然后将曲线延伸到未来,由此对未知的数据做出预测。介绍所建立的青藏铁路路基沉降变形的灰色预测GM(1,l)模型,试验应用表明,该模型具有较高的预测精度。     

宴家隧道围岩收敛灰色系统预测模型

通过分析隧道围岩的收敛变形特征,基于宴家隧道典型断面开挖过程中的实测围岩收敛变形数据,建立了宴家隧道围岩收敛变形预测GM(l,l)灰色模型。结果表明:采用GM(l,l)灰色系统模型能较好地反映围岩收敛短期数据的变化规律,是对围岩收敛进行短期预测的一种有效方法。当添加实测的新数据,实时更新GM(1,1)模型后,可以提高运用GM(l,l)灰色系统模型预测围岩变形预测的时效性及预测精度,从而成为预测围岩变形的一种更为有效的方法。     

灰色控制理论在隧道涌水中的应用

应用灰色系统理论GM预测模型的改进模型,对一座隧道开挖过程中一处溶腔几个月的涌水数据进行拟合,建立了GM-MM模型,最后预测了后几个时序的涌水量。经计算数据检验,拟合程度较好,模型的预测精度较高,方法适合于灰色特征数据的隧道涌水量预测。     

隧道拱顶沉降及周边收敛动态过程预测的Richards时间函数模型

隧道围岩变形(拱顶沉降、周边收敛)一直是岩土工程中的热门问题。针对传统的曲线预测模型存在的不足,提出含有4个参数的增长曲线模型-Richards模型。对隧道开挖造成的围岩拱顶沉降及周边收敛的动态过程进行分析,得出掌子面后方围岩变形过程的3个阶段,将此作为依据,获取变形(拱顶沉降、周边收敛)—时间曲线的基本特征,表明围岩沉降及收敛过程是一个先加速后减速的过程,且相应的速度-时间曲线的起点为零,终点也为零。因此,能描述围岩变形过程的时间函数模型可较好地拟合其位移-时间曲线,也能拟合速度-时间曲线。最后通过工程实例验证了Richards时间函数模型的合理性,发现所提出的模型对拱顶沉降及周边收敛的预测结果精度高,具有一定的参考和使用价值。     

灰色-马尔科夫理论在隧道围岩变形预测中的应用

简要介绍灰色模型与马尔科夫链的基本原理与操作步骤,分析GM-MC模型与隧道围岩位移的关系,以此建立隧道围岩拱顶位移的GM(1,1)与GM-MC预测模型。基于工程实例为研究背景,对不同模型下隧道围岩位移的预测预报数据进行对比分析,结果表明,GM-MC预测模型在对围岩位移的预测中优于GM(1,1)模型,并与实测值有较高的吻合度,能满足工程实际需求。     

回归分析在隧道围岩稳定性预测中的应用

回归分析是对一系列具有内在规律的数据进行处理,通过处理和计算得到两个变量之间的函数式关系。以光坑山隧道某断面拱顶沉降的实测数据为基础,依照新奥法施工中岩体开挖变形的时间效应原理,利用数学方法对拱顶下沉数据进行了回归分析,得到该隧道在开挖过程中围岩变形随时间的变化关系,及时对若干时间内的隧道围岩稳定性进行有效的预测,为后期设计修改、施工方案变更等提供了理论依据。     

深埋穿越破碎带隧道衬砌变形规律研究

为解决隧道穿越破碎带、断层等不良地质体时导致的隧道结构变形过大，甚至引起垮塌等事故的难题，通过对西南某深埋穿越破碎带隧道衬砌现场监测数据的分析，结合数值模拟试验，研究了该隧道衬砌拱顶下沉、周边收敛变形规律，并对二者进行了对比。结果表明： 该隧道工程Ⅳ级至Ⅴ级围岩过渡区发生不均匀沉降，Ⅴ级围岩相对Ⅳ级围岩沉降值大15 mm左右；隧道拱顶沉降量是周边收敛位移的1.25~1.75倍，即拱顶对不均匀沉降的敏感度大于周边，属于隧道结构薄弱部位。基于自主研发的双向滑移式物理模型箱，研究了不均匀沉降条件下衬砌结构变形特征，衬砌轴向变形过程大致可分为5个阶段： 弹性应变、土体压密—姿态调整、塑性应变、土体再压密—姿态再调整、断裂破坏，且拱顶轴向变形为拱腰轴向变形的1.75~2.45倍，说明拱顶沉降对围岩完整性的敏感度大于周边收敛，应重点做好拱顶的监测与防护。     

软土区受地铁基坑开挖影响的古建筑沉降预测研究

为了减少宁波市新建地铁基坑对邻近古建筑的影响,地铁车站附属基坑开挖需要精细化的沉降变形监测。依据该市老城隍庙古建筑沉降监测数据,运用GM(1,1)灰色预测理论构建沉降预测模型。研究结果表明:古建筑沉降预测值与实测值一致性较好,说明该灰色理论预测模型精度较高,可用于宁波市古建筑后期沉降的预测和控制,对地铁工程周边建筑环境的保护有着重要意义。     

非等时序灰色模型的隧道变形预测研究

为提高灰色系统模型对非等时距隧道变形预测的预测精度，运用非等时距GM（1，1）模型对隧道围岩变形进行预测，利用Matlab7．1平台编写了隧道围压变形预测程序，结合张涿高速隧道围岩收敛变形实测数据，进行了变形预测及误差分析，结果表明预测值与实测值比较吻合，非等时距GM（1，1）模型可以应用于施工进度指导及安全系数评判。     

基于灰色理论的黄土高填方地基沉降变形预测研究

以某黄土高填方工程为研究对象,建立黄土高填方沉降变形的GM(1,1)预测模型,运用MATLAB编程程序并结合工程实际监测的数据,分别对黄土高填方沉降变形进行了短期、中期及长期预测。结果表明:GM(1,1)模型对于高填方地基沉降不仅在短期精度高,随着施工的进行对于中长期精度也可以保证,这既可缩短工期、降低工程成本,又能提高工作效率。     

基于网络基坑沉降预测的马尔可夫修正模型

分析灰色GM(1,1)预测模型存在的理论缺陷,指出灰色GM(1,1)预测模型虽可用于小样本基础数据预测,但对基础沉降一类随机性强、波动性较大的数据拟合质量较差,预测精度降低。因而,提出利用马尔可夫链修正神经网络模型,其计算过程为:首先建立神经网络动态拟合模型作为基础沉降变化的基准线,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,最后通过系统状态划分样本值与模型拟合值之间的残差及中误差等指标分析计算,最终完成基础沉降的准确计算,该模型应用于基础沉降工程实例运算,取得较好效果。     

灰色理论在软土路基沉降分析中的应用

根据灰色理论建立GM(1,1)模型,得到时间响应函数及预测模型,据此对路基沉降过程和最终沉降量进行预测,其预测精度满足工程需要.     

软土地区浅埋暗挖大断面隧道拱顶沉降实测分析

软土地区的浅埋隧道由于土层软弱,易产生较大变形和坍塌。为解决隧道开挖时的围岩变形及开挖工法选择问题,依托紫之隧道第1标段暗挖段工程,对洞内拱顶沉降、拱腰收敛和仰拱隆起进行实测,对实测数据的规律与影响因素进行分析。研究结果表明： 1)CRD工法在淤泥质软土中与四台阶法在强风化泥质粉砂岩中测得的拱顶沉降都较大; 2)拆除隧道支撑会引起较大的拱顶沉降,其比例占总拱顶沉降的14.63%; 3)隧道在淤泥质软土中开挖时会发生椭圆化变形,二次衬砌完成后,由于隧道基底承载力不足,隧道产生了整体沉降; 4)降雨会使上部土体超载,并弱化围岩的强度,导致拱顶沉降加大; 5)土质条件与施工工法的变化都会明显影响拱顶沉降,在隧道变形要求严格的区域或淤泥质软土中,采用CRD工法开挖风险仍较大。     

特大断面隧道开挖中拱顶沉降的BP神经网络预测

特大断面隧道开挖会大范围解除围岩表面应力,在上部岩体自重应力及附加应力的共同作用下,隧道拱顶会发生明暕沉降,在某些软岩隧道中已观察到了超过100 mm的沉降量。拱顶沉降量持续增大,隧道就有可能发生坍塌破坏。在隧道开挖工程中,受条件限制,常会出现支护无法及时施工的情况,需要对隧道稳定性进行分析预测。现以牛寨山隧道开挖工程南线出口段的监测结果为例,采用BP神经网络方法预测其沉降量的时程变化。假设隧道相向开挖过程中,在贯通前对拱顶沉降互不影响,且两条隧道之间互不影响。分析过程中输入层参数选择了围岩级别、埋深、距离掌子面和二衬的长度等,隐含层设置为1层,节点数为9,隐层传递函数选择tansig,输入输出层传递函数选择purelin。在采用该模型进行预测分析前,首先已开挖监测点数据作为训练样本,采用后开挖点的值作为样本,验证了模型的可靠性。最终分析结果表明,采用文中方法能够较为可靠地预测拱顶沉降。其结果可以作为隧道安全预测的依据。