原文传递
地铁隧道TBM施工地表变形数据处理及预测分析
| 论文题名： | 地铁隧道TBM施工地表变形数据处理及预测分析 |
| 关键词： | 地铁隧道;TBM施工;地表变形;数据处理;BP神经网络;地表沉降;预测模型 |
| 摘要： | 地铁的隧道施工，破坏了原有的地应力平衡，地表将不可避免的发生变形，由于地铁经过的区域多为城区，周边建筑物构筑物较为密集，因此对地表变形的监测预测工作十分必要。 本文以某市地铁 TBM隧道施工区间为工程背景，在施工前期借助FLAC3D软件进行数值模拟；布设监测点，采集监测数据，利用小波方法对监测数据进行探测与去噪；最后采用时间序列与 BP神经网络建立预测模型进行模型优选，得出最优模型应用于地表变形的预测工作。 依据本区间地层岩性、施工要素等通过FLAC3D软件建模，模拟隧道开挖后的地表沉降，得出隧道中心轴正上方的地表沉降最大，为-17.9mm；分析记录点沉降曲线得出沉降槽大致呈正态分布，反应出沉降值在隧道中心轴正上方处最大，向两边逐渐变小的趋势。对比发现FLAC3D模拟值和后期实测下沉值较为吻合，证明了此种方法适用于该区间的地表沉降预测工作。 利用小波方法探测监测数据并剔除数据中的粗差，采取控制变量法对比较不同阈值选取、小波基、分解层次以及scal选取对该组数据去噪均方误差及信噪比的影响，最终确定出 sym5小波、软阈值规则、rigrsure阈值原则、1层分解、scal=sln对该组数据的去噪效果最佳。 对去噪后的数据建立单一的时间序列和 BP神经网络模型，并对比了去噪前后数据的预测精度，证明了小波去噪的良好效果。再结合两种单一模型的优点，建立了最优加权以及残差改正ARMA-BP组合模型，对比各预测模型的SSE、MSE及MAPE等因子，发现在小波去噪基础上的最优加权模型优于其他预测模型，可应用于该地铁区间的地表沉降预测工作。 |
| 作者： | 张善廷 |
| 专业： | 大地测量学与测量工程 |
| 导师： | 栾元重 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东科技大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
