多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

极高地应力软岩隧道超前导洞应力释放及多层支护变形控制技术

为了解决极高地应力软岩隧道大变形控制难题,以兰渝铁路木寨岭隧道岭脊核心段施工为例,通过现场试验和数据分析,得到如下主要结论:1)提出了"先放后抗,抗放结合,锚固加强"的变形控制理念;2)得出了该隧道岭脊核心段"超前导洞应力释放+圆形4层支护结构+径向注浆+长锚杆+长锚索"综合变形控制方案;3)超前导洞应力释放效果明显,正洞累计变形减小幅度约为34%;4)得到了圆形多层支护结构变形规律;5)累计变形均控制在设计预留变形量内,保证了该隧道岭脊核心段大变形控制效果。     

基于ANSYS的软土路基路堤分层填筑的沉降分析

以沪通铁路Ⅵ标段工程为依托,通过ANSYS数值模拟软土路基路堤分层填筑,分析在分层填筑过程中的沉降规律,并在软土路基路堤分层填筑过程中,严格监测路基的沉降和变形。研究结果表明:软土路基路堤在分层填筑过程中,路堤中线地表处的沉降量最大,然后向两侧逐渐减小,横向影响范围主要为路基底面宽度;分层填筑过程中,路堤中心最大沉降量为9.20 mm/d,边桩最大水平位移为0.53 mm/d,均满足设计要求。     

新建隧道正交下穿施工对既有隧道的影响

为揭示新建隧道正交下穿施工对既有隧道结构安全及地表建筑物产生的影响,依托某新建地铁区间隧道工程,采用三维有限差分方法构建了新建隧道正交下穿既有隧道的三维数值计算模型,探讨了新建隧道正交下穿施工对地表沉降及既有隧道衬砌结构产生的影响,得出了地表横向、纵向沉降规律以及既有隧道衬砌结构变形、内力的变化规律。     

短期老化作用下聚合物改性沥青重复蠕变恢复性能对比研究

应用重复蠕变恢复试验对橡胶粉改性沥青和SBS改性沥青（CRMA）以及经过短期老化作用的橡胶粉改性沥青和SBS改性沥青的高温性能进行评价。结果表明:橡胶粉改性沥青相对SBS改性沥青具有较好的高温抗变形能力以及高温变形恢复能力;短期老化作用在高温时对SBS改性沥青的抗变形能力和变形恢复能力有较大影响;压强对改性沥青的蠕变劲度的粘性成分Gv影响较小,温度对改性沥青的蠕变劲度的粘性成分Gv指标影响较大。     

浅埋盾构隧道施工对地层变形影响研究

以上海地铁6号线11标深源体育中心站—世纪大道站浅埋盾构隧道工程为依托,借助理论分析和有限元数值模拟等研究方法,从横向地表沉降与土压力分布的角度,重点分析了浅埋盾构隧道施工对地层变形和土压力分布模式的影响。     

某地铁车站基坑盖挖法施工数值模拟分析

对武昌某地铁车站基坑盖挖法施工进行数值建模拟,经拟定合适的施工工况,对各开挖阶段的支撑变形和内力进行对比分析。结果表明:支护结构最大变形的位置会随着开挖深度的增加而逐渐下移,且支护结构中部的变形较大;在不对称开挖时,基坑支护结构的变形及内力变化较大;盖板、路面结构及荷载会加剧对其附近支护结构的影响;基坑开挖过程中,横撑的内力变化较大,不同横撑在不同的开挖阶段有不同的支护效果。     

斜坡地基上高填方边坡的变形及稳定性研究

以斜坡地基上填筑80 m级的机场高边坡为例,采用一次填筑与分层填筑的方法,对该高边坡的变形及稳定性进行数值模拟,并与现场监测的数据进行对比。结果表明:一次填筑与分层填筑时填筑体变形大小、形态的差异较大;分层填筑时最大沉降和最大水平位移分别为1.8,0.7 m;一次填筑时最大沉降和最大水平位移分别为3.2,0.8 m。建议斜坡地基上填筑高边坡的变形采用分层填筑,稳定性采用一次填筑或分层填筑。     

岩质边坡开挖变形破坏特征及锚索支护分析

以贵州省毕节境内某大型开挖边坡为例,采用高密度电法、岩体结构面统计和地质调查方法获得了开挖边坡结构特征。通过现场调查、监测和有限元模拟分析,揭示了该开挖边坡变形破坏特征,从而得出滑移-拉裂的变形破坏模式,提出了锚索支护方案并通过数值模拟进行支护效果分析。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。