考虑时间效应的隧道开挖三维沉降预测模型及应用

采用随机介质理论进行地铁隧道建设的沉降预测时难以考虑沉降随时间的变化过程。 本文基于正态分布累计函数及随机介质理论,建立了考虑时间效应的三维地表沉降预测模型,分 别推导了考虑时间效应的单隧道及双隧道的三维地表沉降预测公式、地表沉降三维倾斜率及三 维曲率的计算方法。 以北京地铁七号线东延豆各庄站—黑庄户站区间工程为背景,对沉降监测 数据进行了反分析预测研究。 结果表明:沉降-时间模型与监测数据较为吻合,验证了本模型的 科学性;根据不同时刻的预测沉降曲面可以计算三维倾斜和三维曲率,获得了地表差异沉降及地 表沉降曲面的形态随时间的变化规律。     

煤矿开采引起的地表沉降预测模型研究及应用分析

文中基于曲线拟合和BP神经网络的理论,利用某矿区内B1点的实测沉降数据,结合MATLAB曲线拟合工具箱和BP神经网络的编程建立地表沉降预测模型,预测未来沉降趋势。同时采用曲线拟合的结果进行BP神经网络的训练和仿真(即曲线—BP组合模型),通过对预测值和实测值的比较,分析三种模型的预测精度,最后结果表明曲线—BP组合模型在矿区地表沉降预测中切实可行。     

基于RBF神经网络模型的盾构施工地表沉降预测

盾构施工引起的地表沉降是造成周边建筑物及管线变形的重要因素。针对BP神经网络在预测地表沉降中具有收敛速度慢、精度误差大的缺点,结合苏州地铁2#线友联—桐泾公园段地质工程资料,建立了RBF神经网络模型对地表沉降进行预测。结果表明:RBF神经网络模型的预测精度优于BP神经网络模型,与实测曲线吻合度较好,具有一定的实用价值。     

基于GA-BP神经网络的采空区地表沉降预测模型

为了提高采空区地表沉降预测准确性,选择上覆岩层弹性模量、泊松比、内聚力、内摩擦角、开采深度、采高、矿体倾角和采场尺寸共8项影响采空区沉降的指标进行研究,通过遗传算法(GA)优化BP神经网络,构建了GA-BP神经网络采空区地表沉降预测模型,对采空区地表沉降趋势初步预测与分析。模型解算结果表明,相比传统BP神经网络预测模型,GA-BP神经网络预测模型在预测精度、拟合性能和收敛速度方面都有所提高。     

基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足.为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测.结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性.     

地表沉陷预测的改进BP神经网络模型

为了更加准确地预测地表沉陷变形,基于Adaboost算法采用多网络共同计算策略改进了BP神经网络,通过实际沉降数据对Adaboost算法改进后的神经网络进行训练,预测地表最大下沉量、影响角正切和拐点偏移距,将预测的3个参数代入概率积分法中,建立了地表沉陷公式,对改进效果和地表沉陷公式分别进行了验证。结果表明:(1)通过对比改进前后BP神经网络的计算精度,未经过Adaboost算法改进的BP神经网络误差明显大于改进后的BP神经网络,说明基于Adaboost修正后的BP神经网络计算精度得到了有效提升;(2)基于BP神经网络对最大下沉量、影响角正切和拐点偏移距3个参数进行预测,结合概率分析法,能够实现稳沉后采空区主断面上方地表沉降规律的准确描述。以鲁西南地区某矿3301采空区地表为例,利用改进BP神经网络预测了地表最大下沉量、影响角正切和拐点偏移距,进而给出了地表沉陷曲线,与现场实测结果对比显示:改进BP神经网络的最大误差小于0.105 m,最大相对误差为4.3%,证明了所提计算方法的可靠性。     

土压平衡盾构隧道施工引起的地面沉降分析

土压平衡盾构隧道施工对周围岩土体产生的扰动会引起地表下沉变形,从而对地面建筑物,地下管线设施等构成威胁.以广州地铁三号线某隧道工程为例,采用FLAC3D对盾构施工引起的地表沉降进行了数值模拟.重点讨论了隧道横、纵向沉降分布规律,并结合实际施工过程分析了产生沉降的原因,对隧道工程信息化施工提出具有实际意义的指导.     

隧道开挖对地表沉降的影响分析

针对实际隧道开挖过程,采用数值模拟的方法,对影响地表沉降的多个因素进行了显著性分析,同时对隧道开挖和加固措施对地表沉降的影响进行了定量分析,分析结论可供设计、施工参考.     

兖州某矿区地表沉降规律的预计

为了解决地表沉降中单一的采用概率积分法导致局部预测值与实测值误差较大的问题,采用了概率积分法与ARMA模型相结合的方法,对采空区地表沉降进行分区域处理。采空区地表沉降预计结果为概率积分法预测的趋势项模型与ARMA预测的非趋势项模型之和,采用新模型对兖州某矿区的地表沉降进行预测,克服了局部拟合度较低的问题。实验结果表明,非趋势项ARMA模型弥补了概率积分法的不足,预测精度高且拟合程度好,具有较高的可行性。     

地铁盾构法开挖地表沉降的估算及控制对策

盾构法开挖隧道引起的地表沉降以及对周围建筑物的影响是工程界长期以来备受关注的科学技术问题,以某条地铁隧道为例,用ADINA大型非线性有限元软件对盾构法的开挖过程进行了三维有限元模拟,揭示了在盾构推进过程中地表沉降分布以及地表变形的特点;同时作出了在软土地基中盾构法开挖减少地表沉降的几条措施：土压平衡式掘进、预注浆、上层锚杆加固土体、选择合理的掘蝌进参数加强地表沉降监测和先行隧道的变形监测.     

最大下沉角计算的神经网络模型研究

最大下沉角是确定地表移动盆地走向主断面位置的关键性参数,关系到地表移动和变形预计的精度.系统分析了影响最大下沉角的地质采矿因素,根据国内大量的地表移动观测资料,建立了最大下沉角计算的神经网络模型.该模型与遗传算法相结合,克服了单一神经网络易陷入局部最优和收敛速度慢等缺点.研究表明,用基于遗传算法的神经网络来计算地表移动盆地的最大下沉角,其结果更加真实、可靠.     

Matlab在开采沉陷数据处理中的应用

探讨了数值计算软件Matlab在开采沉陷中的应用。地表沉陷涉及因素较多，是一个典型的非线性系统，神经网络模型能够较好的模拟该系统，进行地表移动变形计算。试验表明，利用MatLab神经网络工具箱可以快速有效地进行神经网络建模分析，实现地表下沉值的计算。     

Mountain ground movement prediction caused by mining based on BP-neural network

Six main influencing factors: slope, aspect, distance, angle, angle of coal seam, and the ratio of depth and thickness, were selected by Grey correlation theory and Grey relational analysis procedure programmed by the MATLAB software package to select the surface movement and deformation parameters. On this basis, the paper built a BP neural network model that takes the six main influencing factors as input data and corresponding value of ground subsidence as output data. Ground subsidence of the 3406 mining face in Haoyu Coal was predicted by the trained BP neural network. By comparing the prediction and the practices, the research shows that it is feasible to use the BP neural network to predict mountain mining subsidence.     

建筑物下矸石充填巷采沉陷控制研究

针对我国建筑物下压煤量大以及地面矸石堆积污染环境的现状,在分析现有建筑物下开采技术途径的基础上提出了采用矸石充填巷采进行建筑物下压煤开采。通过对矸石充填巷采地表沉陷控制原理的分析研究,确定了建筑物下矸石充填巷采地表沉陷控制方案设计的基本原则;为结合某矿地质采矿条件,做出了实例分析,并就地表沉陷进行了预计,结果表明:矸石充填巷采应用于建筑物下压煤开采是可行和可靠的。     

瓦房子锰矿雹神庙矿区地压活动规律及控制方法

瓦房子锰矿雹神庙采区矿岩比较破碎,原由小矿点开采,从2007年矿山接管以来,采用规则的壁式充填法从九平盘开始开采。在开采过程中,开拓巷道地压显现严重,平盘运输巷底鼓、两帮内挤、顶板下沉,维修工作量巨大,虽然采取了锚杆与金属棚架等多种支护措施,最终还是未等采区矿房回采完毕,平盘运输巷逐渐被挤垮,联络巷道大量冒顶。通过多次现场观测和对矿岩力学性能分析,查清了巷道地压发生、发展过程,分析了地压显现规律和巷道破坏机理,总结出巷道破坏的两种主要形式,即片帮-底鼓-顶板下沉和顶板持续冒落,并根据不同的地压破坏形式设计了顶、底板椭圆拱断面、全断面喷锚网支护的协同围岩变形的支护技术,形成了能够高度适应矿岩体条件的新型巷道掘支技术,收到了较好的效果。     

隧道顶管预支护的地表沉降分析

采用国际上已尝试的城市地下管道顶管作为隧道预支护技术,对顶管施工技术进行归纳总结,分析顶管作为隧道预支护的原理;研究了地面建筑物、地下管线及地下铁道允许的隧道施工引起的地表沉降基准;说明了大刚度顶管作为隧道预支护与传统预支护相比,可大幅度减少隧道施工引起的地表沉降.     

浅埋连拱隧道施工动态响应特征研究

以实际工程为依托,针对浅埋连拱隧道暗挖施工稳定性问题,研究了隧道开挖过程中围岩、支护结构、中隔墙等结构的应力分布情况以及地表沉降等指标的动态响应特征。结果表明,中导洞开挖过程中,上台阶开挖对围岩应力影响较明显; 隧道施工完成后中隔墙上最大应力达7.03 MPa,侧洞拱腰及拱顶部位存在应力集中,大小为0.7~1.55 MPa; 侧洞靠近中导洞的上台阶初支结构拉应力达1.67 MPa,侧洞远离中导洞的上台阶初支结构压应力达4.48 MPa; 侧洞靠近中导洞侧台阶开挖时中隔墙应力增幅明显,掌子面远离监测面超20 m后施工对中隔墙无影响; 地表沉降最大部位位于隧道轴线处,沉降最大值为7.20 mm,沉降区域半径约25 m。     

超大直径盾构施工引发的上软下硬地层地表沉降规律

为预测超大直径盾构施工引发的上软下硬地层地表沉降量,基于某过江隧道北线盾构段施工引起的横向地表沉降监测数据,采用线性回归拟合方法,引入最大地表沉降修正系数α和沉降槽宽度修正系数β,修正Peck公式。结果表明,沉降槽沿横向呈近似正态分布,盾构施工引发的地表沉降超过总沉降量的60%;当α、β分别取0.4~0.8和1.2~2.4时,修正后的Peck公式比传统Peck公式精度更高;与常规盾构相比,超大直径盾构施工引起的上软下硬地层最大地表沉降相对较大、沉降槽较宽、影响范围更大。     

基于WOA优化神经网络的斜坡道拱顶沉降预测研究

为了更准确地预测地下矿山中斜坡道拱顶沉降的趋势,并控制预测精度,以保障矿山安全。本文提出鲸鱼算法优化神经网络的斜坡道拱顶沉降预测方法。主要步骤为：首先采取邻点中值平滑处理的方法对原始数据进行处理,将处理好的监测数据作为输入样本对BP、Elman神经网络进行训练、测试;再利用鲸鱼算法对初始权值和阈值优化,最后通过不同模型输出预测值。通过仿真实验研究表明:鲸鱼优化后的BP、Elman神经网络模型相比优化前均能更准确地预测斜坡道拱顶沉降;WOA-Elman模型的决定系数为0.948,优于WOA-BP模型0.941,但WOA-Elman模型运行时间耗费671.214 s远超于WOA-BP模型307.226 s,WOA-Elman耗费了更多的训练时间换取了少量的精度提升,大幅降低了训练效率;结合工程实例实测值、预测值的分析比较,鲸鱼算法(WOA)优化后的BP神经网络表现出了更高效且准确的斜坡道拱顶沉降预测能力。