原文传递
大路2号隧道浅埋偏压段的围岩力学参数反演与稳定性分析
| 论文题名： | 大路2号隧道浅埋偏压段的围岩力学参数反演与稳定性分析 |
| 关键词： | 浅埋偏压隧道;衬砌结构;围岩受力;神经网络;参数反演;稳定性分析 |
| 摘要： | 为促进经济发展，我国进行大量公路投资建设，公路隧道数量急剧增加。大量公路隧道受地形条件与线路选线条件制约，洞口存在浅埋偏压情况，浅埋偏压隧道围岩与衬砌结构受力复杂，给施工过程带来严重影响，稍有不慎就会导致坍塌事故的发生，造成人员伤亡和严重的经济损失，因此开展浅埋偏压隧道施工过程稳定的分析，对工程建设提出指导，具有重要实际工程意义。本文依托本集高速公路大路2号隧道工程，利用获得的变形监测数据，在对不同围岩力学参数对隧道变形敏感性分析基础上，采用粒子群算法、模拟退火算法、BP神经网络算法相结合的综合算法模型，对围岩力学参数进行反演，并利用反演得到的力学参数对该隧道施工过程围岩变形及支护受力情况进行分析，对其稳定性做出准确评价，通过研究得到以下结论： （1）对大路2号隧道浅埋偏压段监测结果分析表明：地表沉降变形、水平收敛变形和拱顶沉降变形总体变化趋势相同，初期变形较快，最大变形速率达1.6mm/d，后期缓慢增加，最后趋于稳定，受地形偏压影响，拱顶左侧沉降略大于拱顶右侧沉降，由于掌子面支撑作用，临近掌子面监测断面的变形小于距掌子面以远的监测断面变形。 （2）对地层力学参数影响隧道变形敏感性程度进行分析，结果表明：强风化花岗岩弹性模量、泊松比对隧道围岩变形各指标均有显著影响，置信度大于99%，强风化花岗岩的内聚力对水平收敛具有显著影响，置信度大于99%。 （3）采用基于传统神经网络算法（BP）引入粒子群算法（PSO）和模拟退火算法（SA）的综合算法对高敏围岩力学参数进行反演分析，经过验证能比较好反映力学参数与变形之间的映射关系，采用该模型进行参数反演，得到强风化花岗岩的弹性模量为0.15GPa，泊松比0.33，粘聚力99.5kPa。 （4）对大路2号隧道浅埋偏压段施工过程稳定性采用多种评价方法进行评价，结果表明：上台阶开挖阶段，围岩塑性区最大深度为6m，初衬最大弯矩为21kN·m，锚杆最大轴力为50kN，超前小导管最大弯矩为110N·m。下台阶开挖阶段，围岩塑性区深度延伸至10m，初衬最大弯矩为26kN·m，锚杆最大轴力为77kN，超前小导管最大弯矩为70N·m。仰拱开挖阶段，塑性区深度最终发育至15m，初衬最大弯矩为31kN·m，锚杆最大轴力为79kN，小导管最大弯矩为40N·m。经判定均未超过评判标准，说明大路2号浅埋偏压段采用台阶法施工可以保持稳定，但在各个开挖阶段中，其拱脚、拱肩是其围岩和支护结构的薄弱部位，实际施工中需要重点关注。 |
| 作者： | 李达强 |
| 专业： | 土木工程 |
| 导师： | 代树林 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
