地铁隧道开挖安全关键位置分析及预测研究

为明确隧道开挖时易于引发安全事故的关键位置并预测地层变形趋势,以保证隧道施工和周围构(建)筑物的安全,采用Ansys通用有限元软件对北京地铁7号线广双区间隧道开挖过程进行了数值模拟分析,并结合实际监测结果对隧道开挖过程中地层变形和应力重分布的变化规律和安全关键位置进行了总结;通过对随机介质理论方法的优化研究,推导出简单可行的优化计算公式。结果表明,隧道开挖中拱顶、拱腰和拱脚位置为变形较大和应力分布集中的关键安全位置,优化后的随机介质法计算公式用于地表沉降的安全预测分析是可靠的。     

基于新奥法隧道围岩变形动态监测技术及应用研究

结合隧道施工的复杂性,依据新奥法的核心理念,提出了基于新奥法隧道围岩变形动态监测方法。依据重庆地铁隧道某车站的工程实践,结合传统监控量测方法的程序,对动态内容进行了介绍。运用数据分析软件,对水平收敛位移作回归模型分析,得出围岩变形的一般模型。结果表明,基于新奥法隧道围岩变形动态监测方法,通过自身方案的不断改进,不仅可以有效地为设计、施工与支护方案的改进提供依据,而且可以用于优化隧道二次衬砌时间。为围岩分类、大变形预测、岩爆预测、岩石松动圈预测及反分析等提供依据。     

考虑随机误差的软土基坑沉降趋势分析及预测*

为准确分析基坑沉降变性规律，基于现场监测数据，通过卡尔曼滤波对趋势项及误差项进行分解，采用M-K检验对发展趋势进行评价，利用优化广义回归神经网络和差分整合移动平均自回归模型，构建基坑沉降分项预测模型，并将预测结果与发展趋势评价结果对比分析，以实现基坑沉降变形规律综合研究。结果表明:卡尔曼滤波能有效分解基坑沉降数据趋势项与误差项，相较于传统小波分解效果更佳；基坑沉降呈持续增加趋势，但趋势性逐渐减弱；预测结果相对误差均值均不大于2%，预测模型精度较高；沉降变形会进一步增加，但增加速率明显降低，与发展趋势分析结果一致，两者相互佐证分析结果准确性。研究结果为基坑沉降变形规律分析提供新思路。     

库岸涉水滑坡危险性现状分析与预测评价

为合理评价库岸涉水滑坡危险性,基于层次分析法与模糊理论,构建滑坡危险性现状评价模型,并利用优化支持向量机构建滑坡变形预测模型,通过对比分析实现滑坡危险性综合判断。结果表明:大柿树滑坡危险性现状为69.78分,风险等级为Ⅲ级,属高度危险;通过危险性预测评价,滑坡变形呈持续增加趋势,将趋于不利方向发展;综合滑坡危险性现状分析与预测评价结果可知,滑坡危险性相对较大。研究结果可为滑坡灾害防治提供一定理论依据。     

基于PCA-BBO-SVM的尾矿坝变形预测模型与性能验证研究*

为准确预测尾矿坝变形趋势,通过主成分分析法（PCA）对尾矿坝变形影响因子进行优选,基于生物地理学优化算法（BBO）对支持向量机（SVM）参数进行寻优,建立PCA-BBO-SVM尾矿坝变形预测模型,并以杨家湾尾矿坝为例对模型性能进行验证。研究结果表明:PCA-BBO-SVM模型在4个测点的RMSE为0.139 6,0.274 2,0.317 0,0.530 6;MAE为0.112 5,0.213 5,0.269 0,0.412 9;MAPE为0.525 0%,0.692 3%,2.621 2%,1.311 2%;预测精度及对局部波动的预测能力均高于BP、GS-SVM、GA-SVM和PSO-SVM模型,研究结果可为尾矿坝变形预测提供模型支撑。     

考虑数据去噪分解的滑坡位移组合预测研究

为准确掌握滑坡位移变化规律,基于滑坡变形监测结果统计,对位移数据进行去噪分解处理,将滑坡位移数据分解为趋势项和误差项,并分别利用优化多核极限学习机和Arima模型构建预测模型,以实现滑坡位移的组合预测.结果表明:Morlet复小波较传统去噪模型分解效果更优,且通过优化处理,能更好地提高其分解能力;通过对多核极限学习机的...     

地铁隧道施工对邻近垂直于地铁线路管线的 变形影响规律研究 ）

地铁隧道施工对周围管线的影响已成为地铁工程中的重点和难点。研究地铁隧道盾构施工对周围邻近管线的变形影响规律,并据此对管线进行合理保护是地铁等隧道建设中面临的普遍任务。以西安地铁3号线为研究背景,通过FLAC数值模拟,得到了多种工况下地铁隧道盾构施工对邻近垂直于地铁线路的管线变形影响规律。研究表明,地铁盾构施工时,对周围环境的影响大小是不一样的,管线的沉降最大值处均位于隧道轴线正上方,且随着管隧距离的缩短,管线沉降最大值不断增大,因隧道盾构施工而对管线的变形影响范围逐渐减小,沉降曲线的沉降槽宽度逐渐减小;管线在距隧道轴线±1.6倍洞径范围内随管隧距离的减小沉降值逐渐增大,反之,其变形减小;随着土仓压力的增大,地下管线的变形越来越小,甚至可能产生向上隆起。工程实践表明,预测结果和监测结果基本一致。     

富水软岩隧道破碎带围岩稳定性及预留变形量优化研究

为了掌握穿越富水断层破碎带隧道围岩大变形规律及改善支护参数。首先推导渗流力作用下圆形洞室弹塑性解析表达式,并且引入Caquot公式和Kastner公式,得到考虑渗流力条件下的围岩形变压力和松动压力与围岩变形之间的关系,确定围岩特征曲线。根据隧道支护方式,得到隧道支护特征曲线。并通过现场监测,验证理论分析正确性,优化破碎带围岩预留变形量值。研究结果表明：考虑渗流力、围岩塑性形变压力和松动压力共同作用下围岩变形规律与现场监测结果比较接近。考虑渗流力、围岩形变和松动压力求出的围岩压力大于不考虑渗流时得到的结果,考虑渗流力、围岩形变和松动压力时地层与支护结构达到平衡时的变形量比不考虑渗流时大0.15 m。根据围岩-支护相互作用全过程规律曲线,通过曲线交点,得到预留变形量理论值,对比隧道大变形段的监测结果,确定破碎带围岩最优预留变形量为300 mm。研究结果能准确表征渗流效应、围岩形变和松动压力对富水软弱破碎带围岩大变形影响规律,对类似工程的支护设计优化有明确的指导意义。     

基坑围护结构的内力和变形的预测方法研究

为了利用土体水平抗力系数的比例系数m来有效预测基坑围护结构的内力和变形,依据弹性地基梁原理,利用大型数学软件MATLAB编制了计算程序,对基坑围护结构的内力和变形进行预测,并依托某深基坑工程围护结构的实测内力和变形数据对预测的内力和位移进行了验证。结果表明,根据弹性地基梁原理预测的基坑围护结构内力和变形随基坑开挖的变化与实测结果吻合较好。     

EEMD-小波在高边坡变形信息提取中的应用研究

针对高边坡变形呈现非平稳性及数据“噪声”多源的问题,提出了一种定向滤波的变形信息提取方法。首先,利用集合经验模态分解方法分解变形时序数据,结合定量分析法判别模态分量信号频段;然后,对高频模态分量中的“噪声”利用小波函数进行“靶向”消噪处理,并对趋势项进行傅里叶级数拟合;最后,重构高边坡变形分析模型,实现真实变形量的提取。结果表明,对比分析各项检验指标,通过“靶向”消噪,各高频模态分量消噪效果明显,重构后的集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)-小波高边坡变形分析模型较原始形变和其他模型在精度指标方面提升显著,该方法可用于高边坡的变形预测分析和真实变形量提取。     

基于修正莫尔库伦的基坑开挖对隧道安全影响研究

为分析基坑开挖对临近地铁隧道的影响,以某基坑工程为研究背景,结合修正-莫尔库伦本构关系,采用Midas GTS NX构建三维地层结构模型,通过仿真分析基坑开挖前后隧道水平、竖向位移的变化规律及特征点.结果表明:基坑开挖会导致地铁隧道结构产生水平收缩的趋势,隧道最大沉降和隆起点从远离基坑的外侧隧道向靠近基坑的内侧隧道转移...     

全尺寸巷/隧道火灾风烟流温度预测模型与验证*

为探究巷/隧道火灾热动力灾害的演化规律,基于能量守恒定律和热量转换关系,建立巷/隧道火灾风烟流温度演化的预测模型;考虑巷道分叉和汇合对烟气蔓延和温度的影响,构建分叉和汇合巷道内烟流温度随时间变化的演化模型。通过开展全尺寸巷道火灾实验以及与国内典型隧道火灾试验数据对比,对理论模型进行验证。研究结果表明:理论模型所呈现的烟气温度随时间的变化关系,能较好地反映火灾发展的3个阶段,烟气温度的变化趋势符合火灾火源燃烧特性曲线;理论模型能够准确地预测顶棚最大烟气温升以及温度纵向衰减现象,烟气最高温度预测值与实验结果的误差率在15%以内。研究结果可为巷／隧道火灾时期的烟气控制和救援提供理论参考。     

SFLA-Verhulst组合模型预测矿井瓦斯涌出量

针对矿井瓦斯涌出量的时变性、波动性、非线性以及不确定性等特征,提出了SFLA-Verhulst组合预测模型,用于对具有非线性动态特征的瓦斯涌出量进行预测。该模型通过蛙跳算法对Verhulst模型的背景值参数寻优,并引入一次指数平滑法对原始数据进行优化处理,建立了基于混合蛙跳算法的SFLA-Verhulst组合预测模型;结果使模型在原始数据不准确或存在误差干扰的情况下仍能进行精度较高的预测。将新模型应用于某矿瓦斯涌出量预测,并对模型的预测结果进行检验分析,结果表明:该模型在结合蛙跳算法的全局寻优特点后预测精度较传统的GM(1,1)模型有明显的提高,适用性更强。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型*

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补（MICE_SVM）的鲸鱼优化算法（WOA）-极限学习机（ELM）预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE_SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明:MICE_SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE_SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

基于粒子群优化的DGM（1,1）模型在基坑变形安全预测中的研究

为确保基坑施工期间发生变形后能够正常使用,将变权缓冲算子结合DGM(1,1)模型构造出变权离散灰色模型,利用相对误差、后验差比,灰色绝对关联度3种精度检验法作为粒子群算法适应度建立模型,构造PSO-VWDGM(1,1)模型,并结合实际工程监测数据研究不同适应度对基坑变形预测精度的影响。研究结果表明:不同适应度函数对预测精度存在较大影响,以灰色绝对关联度作为适应度建立模型预测精度较高,可以更好应用在工程中。研究成果可为工程施工阶段的基坑变形预测、稳定性分析与灾害评估、预警提供参考。     

基于ISOA-RBPNN的埋地管道剩余强度预测*

为提高腐蚀管道剩余强度的预测精度，提出引入弹性梯度下降法改进BP神经网络，并融合改进海鸥优化算法(ISOA)，构建腐蚀管道剩余强度预测模型。关于改进BP神经网络模型的参数寻优，首先采用Cat混沌映射初始化改进海鸥优化算法(SOA)初始种群的分布，提升寻优能力，优化SOA的搜索方向和攻击形式，增强其全局搜索能力并提高收敛速度，然后用ISOA对弹性BP神经网络（RBPNN）模型中的权值和阈值进行寻优，最后构建ISOA-RBPNN预测模型。以管道爆破数据为例，利用MATLAB进行仿真模拟，并与PSO-BPNN模型和IFA-BPNN模型预测结果进行对比分析。研究结果表明:ISOA-RBPNN模型的各项评价指标均优于其他2个模型，预测结果较实际值误差更小，在预测腐蚀管道剩余强度领域具有更好的性能，可为后续研究腐蚀管道剩余寿命和制定维修策略提供参考依据。     

基于随机搜索优化XGBoost的瓦斯涌出量预测模型*

为防治瓦斯灾害,解决井下瓦斯涌出量在预测过程中因影响因素繁多带来的精度较低问题,提出1种基于套索(Lasso)回归与随机搜索优化极限梯度提升(XGBoost)的模型进行瓦斯涌出量预测。以沈阳某煤矿综采面瓦斯涌出量历史数据为例,综合考虑影响瓦斯涌出量的影响因素。首先利用Lasso回归提取对瓦斯涌出量有重要影响的特征数据,作为预测输入;采用随机搜索算法对XGBoost模型4种主要参数进行寻优,选取最优参建立预测模型获得预测指标并分析比较其他模型。研究结果表明:Lasso回归筛选出的影响因素结合随机搜索获得的最优参数组合优化XGBoost比其他模型预测精度更高,平均相对误差为1.53%,均方根误差为0.140 3 m3/min,希尔不等系数为0.013 2,研究结果可为现场瓦斯管理提供参考依据。