基于“S”型函数的隧道开挖变形预测模型

作者:颜杜民 刊名:地质与勘探 上传者:梅祖钧

【摘要】基于不同开挖阶段围岩阶段变形曲线几何特征;提出一种基于“S”型函数的隧道开挖全过程变形预测模型;实现隧道开挖全过程中的围岩变形预测;对比分析了常用“S”型函数适应性;建立了基于Logistic模型的隧道围岩变形分析模型;模型精度控制在2%以内;并提出了模型参数辨识过程;利用Logistic隧道围岩变形模型;讨论了隧道开挖瞬时变形特征;提出了一种求解隧道瞬时开挖变形值的方法;计算出不同工程条件下瞬时变形值处于2.192~43.288mm;瞬时位移占最终位移的6.61%~18.33%;以马尾山隧道为工程实例;建立了具体的工程隧道围岩变形模型;得到隧道开挖瞬时位移值处于1.041~9.475mm;瞬时位移占总位移比值处于5.52%~36.44%;

全文阅读

第56卷第2期 2020年3月 地质与勘探 GEOLOGY AND EXPLORATION Vol. 56 No. 2 March ,2020 (水丈•工程•环览「 doi:10.12134/j. dzykt. 2020.02.018 基于“s”型函数的隧道开挖变形预测模型 颜杜民▽ (1.中铁十二局集团第三工程有限公司,山西太原030024;2,北京交通大学,北京100044) [摘 要]基于不同开挖阶段围岩阶段变形曲线几何特征,提出一种基于“S”型函数的隧道开挖全 过程变形预测模型,实现隧道开挖全过程中的围岩变形预测。对比分析了常用“S”型函数适应性,建立 了基于Logistic模型的隧道围岩变形分析模型,模型精度控制在2%以内,并提出了模型参数辨识过程。 利用Logistic隧道围岩变形模型,讨论了隧道开挖瞬时变形特征,提出了一种求解隧道瞬时开挖变形值 的方法,计算出不同工程条件下瞬时变形值处于2. 192 -43. 288 mm,瞬时位移占最终位移的6.61%〜 18.33%。以马尾山隧道为工程实例,建立了具体的工程隧道围岩变形模型,得到隧道开挖瞬时位移值 处于1.041 -9. 475 mm,瞬时位移占总位移比值处于5.52%〜36. 44%。 [关键词]“S”型函数 全过程曲线 瞬时变形 Logistic模型 马尾山隧道 [中图分类号]TU458 [文献标识码]A [文章编号]0495 -5331(2020)02 -07 Yan Diunin. Deformation prediction model of tunnel excavation based on "S” type function[ J]・ Geology and Exploration,2020,56(2) :0438 -0444. 0引言 隧道开挖引起围岩应力的重新分布,导致开 挖临空面岀现不同程度的变形,对隧道稳定性产 生影响。隧道现场监测资料能够为掌握隧道变形 特征,进而选择合理的支护方式及支护参数提供 合理的依据(李利平等,2012;李鹏飞等,2014;戴 永浩等,2015;洪开荣,2017;张顶立等,2017)。现 有的研究成果表明,隧道围岩变形具有明显的时 空效应,根据变形速率的不同,隧道围岩变形主要 包括隧道开挖至掌子面前的超前变形、开挖至掌 子面与监测布置前的初始变形以及现场监测的量 测变形等3个部分。目前,体系化、系统化以及精 确化的现场监测体系研究已经取得丰富的成果, 实现了对隧道开挖过程中拱顶沉降、收敛变形以 及应力监测等(孙钧和潘晓明,2012;张君禄等, 2014;《中国公路学报》编辑部,2015;李术才等, 2016;张顶立等,2017) o对于隧道围岩变形预测, 李术才等(2017)提出采用数据挖掘以及高斯过程 回归理论(GPR),实现对岩体特性与围岩变形之 间的响应预测;张志强等(2014)基于遗传算法改 进BP人工神经网络,建立了预测断层破碎带围岩 变形的遗传算法-神经网络预测模型;宁伟等 (2013)对比分析了 GM(2,1)模型、Verhust模型以 及新陈代谢模型,得到灰色预测模型在隧道围岩 变形分析的有效性;李茂达等(2013)构建了考虑 掌子面开挖与二衬施作时间参数的隧道围岩变形 灰色预测模型;刘开云等(2011)基于遗传算法与 高斯过程回归,提出了隧道围岩变形预测模型。 现有围岩变形预测模型主要根据现场监测资料, 根据数学拟合关系函数预测隧道围岩后期变形

参考文献

引证文献

问答

我要提问