原文传递
大跨浅埋隧道的地表变形数据分析
| 论文题名： | 大跨浅埋隧道的地表变形数据分析 |
| 关键词： | 浅埋隧道;监控量测;地表沉降;曲线拟合;人工神经网络 |
| 摘要： | 监控量测是新奥法三大核心之一，地表沉降是反映隧道建造过程中其变形大小的最直接指标之一，浅埋隧道的地表下沉量测的重要性随埋深变浅而增大。本文结合茅山隧道的地表下沉实测资料，对大跨浅埋山岭隧道施工期引起的地表沉降进行了研究。主要的研究内容如下： (1)根据新奥法原理和隧道的实际情况，从量测手段、测点布置、断面选择、量测频率以及信息反馈等出发，提出了切实可行的量测方案。 (2)通过对地表沉降数据的分析，得出了地表沉降的分布特性和沉降稳定时间，确定了沉降槽宽度范围，研究了地表最大沉降及沉降槽宽度系数与中心点覆土厚度的关系。根据Peck经验公式对地表沉降进行了计算并与实测值比较，结果表明Peck经验公式能很好的模拟地表沉降实际趋势。另外根据最小二乘原理对地表沉降分别进行了Gauss模型和Lagrange模型拟合，结果表明，两种模型都能很好的模拟地表实际沉降，有一定的工程推广意义。 (3)对采用CRD工法施工引起的地表纵向沉降数据进行了分析，得出了沉降基本分两个阶段的结论，总结了各阶段沉降量占总沉降量的百分比，并对纵向沉降曲线进行了两段拟合，拟合曲线能反映出实际下沉趋势，并且误差波动小，可用来分析地表纵向沉降。 (4)根据量测信息，对施工过程进行了信息反馈，达到了动态指导施工的目的。分析了中隔墙对地表沉降的影响，提出了合理拆除中隔墙的建议。比较了上下台阶法和CRD工法对地表沉降的影响，及时预测了围岩偏压现象并提出相应的整治措施。 (5)利用人工神经网络模型处理非线性问题的优势，根据影响地表沉降大小的主要因素，建立了BP网络模型。运用BP神经网络模型分别对地表横向沉降和纵向沉降进行了预测，预测结果表明，只要建立合理的网络模型，神经网络不失为一种预测地表沉降的有效工具。 |
| 作者： | 陈敬 |
| 专业： | 道路与铁道工程 |
| 导师： | 胡伍生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
