[发明专利]EPB隧道施工地表沉降全周期自适应模糊推理预测方法

说明书

本发明公开一种EPB隧道施工地表沉降全周期自适应模糊推理预测方法，首先通过对影响因素和沉降特征进行分析，将EPB开挖引起地表沉降的全周期分为先行沉降、推进沉降、盾尾空隙沉降和工后沉降等阶段；通过对历史施工中盾构机施工参数、土质参数、各阶段地表沉降量进行收集，形成数据集，并进行预处理得到训练数据集；在各阶段分别建立单个预估子项的自适应神经模糊推理系统，依据底层阶段的输出结果继续输出相邻高一层次的项目，形成多层次的ANFIS系统，通过训练数据集进行训练，得到隧道施工引起地表沉降的全周期预测模型；进而将实际施工参数、土质参数、施工阶段等输入预测模型中，得到隧道施工全周期沉降曲线，实现对盾构掘进过程中的地表沉降预测。

技术领域

本发明属于盾构隧道施工风险控制领域，具体涉及一种EPB隧道施工地表沉降全周期自适应模糊推理预测方法。

背景技术

随着城市空间的日益紧张，地下结构工程的施工如火如荼，地铁隧道就是其中一种重要的地下结构形式。因为EPB隧道施工在软土地层上扰动小，掘进效率高的独特优势，EPB隧道施工已成为地铁施工的一种重要方法。

现有技术中，众多学者对盾构机的掘进以及地表的沉降做了大量的研究。Mair将盾构施工的沉降过程分为五个阶段，分别是盾构机行进过程的先行沉降、开挖面前沉降、推进沉降、盾尾空隙沉降、后续沉降；魏新江将工后沉降分为加速沉降阶段和缓慢沉降阶段，得出工后沉降占总沉降的50％的结论，完善了Mair的理论；朱小藻通过灰色关联理论对盾构施工参数的敏感性进行了分析，且认为盾尾空隙沉降是造成地表沉降的主要原因。

可以看出，目前对盾构隧道施工引起沉降总量的研究较多，但对于盾构掘进过程中的地表沉降预测还存在空白。

发明内容

本发明为解决现有技术不能及时预测盾构施工中地表沉降过程的不足，提出一种EPB隧道施工地表沉降全周期自适应模糊推理预测方法。

本发明是采用以下的技术方案实现的：一种EPB隧道施工地表沉降全周期自适应模糊推理预测方法，包括以下步骤：

步骤1、沉降阶段划分：基于EPB隧道掘进引起的地表沉降特征，将全周期的地表沉降过程分为先行沉降、推进沉降、盾尾空隙沉降和工后沉降，所述工后沉降包括固结沉降和后续沉降；

步骤2、参数收集：根据历史施工中盾构掘进数据，得到主要的EPB施工参数、形成土质参数、施工参数和各阶段地表沉降量，形成数据集；

步骤3、数据预处理构建训练数据集：对步骤2中形成的数据集中，传感器传输的异常值和空值进行分析和剔除，基于预处理后的特征数据，构建训练数据集；

步骤4、建立自适应神经模糊推理系统，并对其进行训练：在对步骤1划分的沉降各阶段分别建立单个预估子项的自适应神经模糊推理系统，基于训练数据集，训练各个阶段的自适应神经模糊推理系统，组装各个阶段的自适应神经模糊推理系统，得到隧道施工引起地表沉降的全周期预测模型；

步骤5、预测分析：将待预测施工期间的施工参数、土质参数输入全周期预测模型中，得到全周期的沉降预测曲线。

进一步的，所述步骤4在构建全周期预测模型时，具体包括以下步骤：

(1)针对步骤1划分的多个沉降阶段，提取若干与当前沉降阶段关联的施工参数和土质参数，建立先行沉降ANFIS、推进沉降ANFIS、盾尾空隙沉降ANFIS，得到瞬时沉降时程曲线；

(2)结合得到的瞬时沉降时程曲线，并根据是否为黏性土，建立固结沉降ANFIS和后续沉降ANFIS，得到其对应的沉降量；

(3)若土层为黏性土层，则将先行沉降ANFIS、推进沉降ANFIS、盾尾空隙沉降ANFIS、固结沉降ANFIS所输出的各阶段沉降量进行汇总、加和，得到最终沉降量；