论文题名: | 面向盾构施工地表沉降的多源数据融合分析与隧道安全性评价 |
关键词: | 盾构施工;地表沉降;数据融合;隧道安全性 |
摘要: | 为缓解我国越来越大的交通压力,很多大中城市都在大力发展地铁,并且已经成为衡量城市现代化的重要因素。然而面对复杂施工工况和恶劣的外部环境,在盾构施工中还存在着地表沉降无法得到有效分析,以及盾构施工隧道无法进行准确、完善的安全性评价问题,因此许多严重的施工事故由此而产生。针对工程中存在的问题和智能化提升的迫切需求,本文综合运用工业大数据技术和智能算法建模,提出一种面向盾构施工地表沉降的多源数据融合分析与隧道安全性评价方法,主要研究内容如下: (1)通过对盾构施工地表沉降机理及安全性评价相关理论进行系统性分析,并结合数据挖掘技术构建了本文的总体技术框架,具体包括多源数据收集及预处理、提取关键影响因素、构建地表沉降分析模型及安全性评价分析模型。 (2)盾构施工地表沉降关键影响因素提取。为保证数据质量,首先对收集的多源数据进行了预处理。在此基础上,本文结合地表沉降机理分析,创新性的将气象数据融入对地表沉降的分析中,通过构建基于FP-Growth算法的关联规则模型,定性提取满足最小支持度和最小置信度的关联规则,反向验证了理论分析的正确性。同时,为降低数据维度及模型训练复杂度,利用RF随机森林和PCA算法对多源数据集进行了关键影响因素提取,依据特征重要度构建关键特征集。 (3)构建盾构施工地表沉降分析模型。根据关键特征集形成不同的分析数据包,然后利用IFOREST算法构建地表沉降量实时异常检测模型,解决工程中无法对沉降状态实时跟踪及监测频率低的问题;利用GRU深度神经网络构建地表沉降预警模型,解决盾构掘进中沉降趋势动态预警的问题,并使用遗传算法对网络中的参数进行优化,从而减小了模型的预测误差,提高了沉降预警结果的可靠性。 (4)构建盾构施工隧道安全性评价分析模型。本文将地表沉降分析与隧道安全性评价紧密联系在一起,针对地表沉降带来的隧道事故风险,利用AdaBoost算法构建盾构隧道事故分类预测模型,得到可能发生的事故类型及其对应的发生概率;其次,为杜绝或减少事故的发生,全面考虑盾构过程中的人、机、物、环境等风险因素,并结合层次分析法构建了目标层、准则层和指标层三层指标体系,利用随机森林和熵权法计算得到各指标综合权重,最后基于模糊综合评判理论计算得到盾构隧道的安全等级。 本文以某单位盾构工程项目为背景,对以上提出的方法进行了实现及应用验证,其分析结果与工程实际高度契合,证明方法的有效性,这对盾构隧道安全施工具有重要的参考价值。 |
作者: | 沈明磊 |
专业: | 机械工程 |
导师: | 陈永琴;常建涛;陈露 |
授予学位: | 硕士 |
授予学位单位: | 西安电子科技大学 |
学位年度: | 2021 |