摘要: |
随着地铁项目在我国的迅速发展,地铁隧道开挖引起的地表沉降越来越影响人们的日常生活,但由于土体介质的复杂性,国内外对于地表沉降规律的研究尚处于不成熟阶段。随着计算机技术的普遍应用,将海量的监测数据整理、分类、汇总,并与计算机软件相结合,预测地表最大沉降和时序沉降,总结地表沉降规律,为地铁施工的安全预警给予技术支持和理论指导,对提高地铁施工安全性有重要意义。本文在阅读大量国内外文献的基础上,并结合武汉地铁的建设背景,首先对地下工程特点、隧道施工方法给予介绍,分析总结了影响地表沉降的因素;其次介绍了BP神经网络模型的应用,并通过实证分析预测地铁隧道横断面地表最大沉降量,然后对影响因素进行敏感性分析。最后介绍了时间序列模型的建模方法,并通过实证分析预测横断面测点的时序沉降量。结合Matlab和Eviews软件的应用,分别从空间、时间角度对地表沉降进行预测,通过实证分析,两种预测模型取得了较好的拟合效果,可以应用于地铁施工安全预警系统。本文的研究涉及到土木工程、计算机技术、计量经济学、工程管理等各个学科的交叉与融合,提出了两种预测模型并实证分析,将BP神经网络时间序列的相关理论应用到地铁项目的建设中,为推动地铁隧道施工地表沉降规律的研究具有重要的现实意义。 |