组合后验方差检验法在地铁隧道变形监测中的应用研究

在狭长的地铁保护区隧道水平位移监测中,自由设站法表现出明显的优势,但前提是拥有稳定的已知基准点,否则将歪曲监测点坐标,无法得到隧道准确的变形信息。组合后验方差检验法是确定基准网中稳定基准点的一种简单有效的方法。以南京市某地铁保护区为例,验证该方法的可行性,分析若以网中发生变动的基准点为已知基准将会对监测点坐标及其点位精度产生的影响。结果表明,只有用稳定的基准点进行自由设站交会,才能准确反映隧道真实水平位移情况,并提高监测精度。     

紧邻大型深基坑的地铁隧道沉降预测方法研究

针对紧邻大型深基坑的地铁隧道因其变形影响因素复杂、变形控制严格而难以准确预测其沉降变形的问题,文章引入对小样本、复杂、非线性数据具有优越预测性能的支持向量机理论,并利用蚁群优化算法搜索支持向量机最优参数组合,建立了优化的支持向量机预测模型。应用该模型对南京市地铁1号线某段隧道的预测结果表明,该模型预测精度高,能够准确反映隧道变形趋势,可以满足紧邻大型深基坑地铁隧道沉降预测的要求。     

基于蚁群算法的地铁隧道沉降预测研究

紧邻大型深基坑的地铁隧道因影响因素极其复杂,难以准确预测其沉降变形,以致无法较早判定隧道的安全状况,亦无法根据其变形信息及时、有效地指导基坑施工。针对这一问题,立足TSP基本蚁群算法模型,结合地铁隧道沉降变形实际,在确定模型路径选择机制的基础上,通过合理构建信息函数和启发函数,确立信息素更新机制以及蚂蚁搜索机制,最终建立了地铁隧道沉降预测的蚁群算法模型,并用实例验证了模型的预测效果,为运营中的地铁隧道特别是紧邻大型基坑的地铁隧道沉降预测开辟了一条新的途径。     

不同的自适应卡尔曼滤波在地铁隧道沉降监测数据处理中的应用研究

由于传统卡尔曼滤波所建立的数学模型不是很精确,且动态噪声统计特性不易确定,可能导致滤波发散而无法获得准确的预测结果。为了克服这种现象,提出自适应卡尔曼滤波方法。分别用卡尔曼滤波、基于极大验后估计原理的自适应卡尔曼滤波和基于方差补偿的自适应卡尔曼滤波在地铁隧道沉降监测数据处理中的应用进行分析比较,结果表明,与其他方法相比,基于方差补偿的自适应卡尔曼滤波方法的变形预测精度更高。