原文传递
隧道下穿建筑群爆破振动控制置信度研究
| 论文题名： | 隧道下穿建筑群爆破振动控制置信度研究 |
| 关键词： | 隧道工程;爆破开挖;振动控制;置信度;回归分析 |
| 摘要： | 近年来，随着国民经济持续增长，城市化进程不断深化，城市交通基础设施建设事业也在快速发展，下穿城区建筑群的隧道工程也越来越多。由于受到工程地质、经济等条件的制约，大多数的城市隧道工程仍然采用矿山法开挖施工。隧道爆破开挖引发隧道上部建筑群产生振动，并对居民日常生活产生影响。因此，研究下穿建筑群隧道爆破振动控制技术十分重要。 本文依托大连南部滨海大道隧道下穿同香山庄工程，对其爆破振动现场监测数据进行回归分析与置信研究，主要研究成果如下: (1)对于本研究所用的实测振速数据，线性回归得到的拟合直线只反应数据点分布的平均程度，有50％的数据点分布于该拟合直线之上，其余50％的数据点分布于该拟合直线之下。在实际工程中，如果选择该拟合直线作为振速控制的标准，爆破振速必然有很大的可能（近50％）超出振速控制标准，从而引发诸多问题。此时，引入95％置信限十分有必要，利用95％置信限计算所需的药量指导施工，可以将95％的爆破振动控制在振速控制标准之下，既保证了上部建筑物安全又不过于保守以致影响施工，使下穿建筑群隧道的爆破开挖施工得以顺利进行。 (2)相比常规分析预测模型，基于贝叶斯理论的分析预测模型虽然从原理上以及模型实现上较复杂，但其对振速置信限的预测精确度很高，尤其在样本相关性不高的条件下。 (3)样本数据对回归分析及置信限预测结果的精确度具有很大影响，一方面，样本的数量对回归分析及置信限预测精确度产生影响，一般来说，样本数量越多，对置信限的预测精确度越高。另一方面，样本数据自身的特征，如相关性、离散程度等也对置信限预测精确度产生影响。 (4)在以往的研究中，BP神经网络方法在非线性回归分析中展现出较高的精确度，但由于其预测能力受用于训练的样本特征影响，对于本文中所用样本数据，BP神经网络方法给出了精确度并不高的预测，不过其预测精度仍然高于拟合直线预测精度，其振速预测结果依然满足置信限控制要求。 |
| 作者： | 丁啸宇 |
| 专业： | 土木工程 |
| 导师： | 傅洪贤 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
