偏压双连拱公路隧道围岩稳定性动态预测分析

1、第 27 卷 第 1 期重庆建筑大学学报Vol . 27 N.12005 年 2 月Journal of Chongqing Jianzhu UniversityFeb. 2005偏压双连拱公路隧道围岩稳定性动态预测分析X陈秋南1 ,2 ,张永兴1 , 陈建功1 , 雷序周3(1. 重庆大学 土木工程学院 , 重庆 400044 ;2. 湖南科技大学 土木工程系 , 湖南湘潭 411201 ;3. 湖南金衢监理公司 , 湖南长沙 410073)摘要:由于高速公路偏压双连拱隧道的复杂地质条件 ,会给隧道安全施工带来严重威胁 ,提出在加强隧道开挖现场监控量测的基础上 ,以位移量测结果作为学习样本

2、,应用 BP 神经网络预测隧道围岩位移的大小 ,分析围岩的稳定性。由于 BP 神经网络能综合考虑隧道围岩节理、裂隙等对围岩位移的影响 ,所以与有限元反分析法计算隧道围岩位移结果比较 ,显示 BP 神经网络预测结果的误差较小 ,预测值与实际测量值趋于一致 ,因此应用 BP 网络预测偏压双连拱隧道围岩位移 ,超前分析其稳定性是安全可靠的 ,该预测方法的预测结果可以指导现场的施工。关键词:隧道工程 ;BP 神经网络 ;动态预测 ;偏压双连拱隧道 ;稳定性中图分类号: TU451文献标识码:A文章编号:1006 - 7329 (2005) 01 - 0062 - 05Dyna mic Predicti

3、on Analysis of Surrounding RocksSta bility for Non - symmetric Double - Arch Highway TunnelCHEN Qiu - nan1 ,2 , ZHANG Yong - xing1 , CHEN J ian - gong1 , L EI Xu - zhou3(1. College of Civil Engineering , Chongqing University , Chongqing 400045 , P. R. China ; 2. Department of Civil Engineering , Hun

4、an U2 niversity of Science and Technology , Xiangtan 411201 , Hunan P. R. China ;3.)Abstract :During the construction of non - symmetric double - arch rock highway tunnel , the complicated geological condition may affect the safety of the constructor and the engineering quality. In this paper , two

5、treatment methods are put forward. At first , the site monitoring of surrounding rock displacement must be carried out , then , BP neural network is applied in predicting the displacement of surrounding rock based on the learning sample of measured val2 ue , so the stability of surrounding rocks may

6、 be analyzed and forecasted. During the analysis of BP neural network , the effects of joint and fracture of surrounding rock on displacement can be comprehensively considered , comparing the predicted values of displacement with those by FEM. The results show that not only the predicted error of BP

7、 neural network is relative small , but the predicted values of surrounding rock displacement are close to measured ones. So , the predicted values of BP neural network are reliable and may guide the engineering construction in site . Key words :tunnel engineering ; BP neural network ; dynamic predi

8、ction ; non - symmetric double - arch tunnel ; stability处于复杂地质条件下的偏压双连拱隧道 , 由于该连拱隧道左右洞不对称 ,尺寸大小不一 ,施工过程中结构有产生偏压和不对称受力的可能 ,而隧道跨度和开挖的断面大 ,围岩易松动可能造成塌方或冒顶现象 ,这给施工带来了不少困难 ,因此不仅必须寻求合理的施工技术方案 ,确保施工安全 ,而且按照NATM 法施工原则 ,应当开展现场量测工作 ,一边施工一边修改设计 ,分析隧道围岩变形的现场量测结果 ,从而对隧道围岩变形进行动态的预测预报 ,达到指导施工的目的 1 。X 收稿日期:2004 - 10

9、 - 08基金项目:湖南省教育厅项目(03C509)作者简介:陈秋南(1968 - ) ,男 ,江西莲花人 ,副教授 ,博士生 ,主要从事隧道与岩土工程教学与科研工作。第 1 期陈秋南 ,等:偏压双连拱公路隧道围岩稳定性动态预测分析631 隧道围岩位移动态预测方法1. 1BP 网络预测方法Rumelhart ,McCelland 和他的同事们洞察到神经网络信息处理的重要性 ,于 1982 年成立了一个 PDP小组 ,研究并行分布信息处理方法 ,探索人类认知的微结构。1985 年发展了 BP 网络(Back - Propagation Network) 学习算法 ,实现了多层网络设想 24 。这

10、种算法是一种有教师的学习算法 ,任务是训练前馈神经网络 ,将输入向量映射到期望的输出向量。在训练阶段 ,期望的输出与实际的输出之间的误差在层与层之间反向传播 ,并适当地调节输入层与隐含层、隐含层与隐含层及隐含层与输出层之间的连接权 ,使得期望输出与实际输出之间的误差最小。从其结构看 ,它是典型的多层网络 ,分为输入层、隐含层和输出层 ,层与层之间多采用全互联方式 ,同一层单元之间不存在相互连接 ,它的每一层连接权值都可以通过学习来调节 57 。 对各隐含层而言 ,节点的输入值为net j = 6 ji Yi(1)式中: Yi 是前一层第 i 个节点的输出;ji 为前一层第 i 个节点与当前层第

11、 j 个节点间的连接权值。j 节点的输出值为Yj = f ( net j)(2)其中: f 为节点j 的激励函数, 对于BP 网络的神经元, 其输入输出关系满足非线性单调上升的函数, 考虑到位移是连续变化的, 通常选取 Sigmoid 函数(可微的) , 其形式为1f ( x)= 1 + e - ( x - )其中:为神经元的阈值。理论上已经证明:存在一个三层网络能够以任意精度实现任意连续函数的映射。24 1) 随机对权值和神经元的阈值赋以初值;2) 给定输入 x 和目标输出;3) 计算实际输出 y ;4) 权值的修正。采用梯度法修正权重ji , 使输出与样本理想输出的误差函数式:NE =16

12、 ( yk - yk)2i = 1(3)(4)权值修正:ji = ji + ji = ji + qjqj(5)式中:为学习因子, 下标 q 为第 q 个样本, j 为输出或隐节点, 误差修正系数qj分两种情况:当 j 为输出节点, 则qj = ( yqj - yqj) fj( net qj)(6)当 j 为隐含节点, 则qj = fj( net qj) 6k若加入惯性项, 则(qkkj)(7)ji ( n + 1) = jyj+ ji ( n)(8)其中: n + 1 表示第 n + 1 次迭代;为一常数, 叫势态因子。5) 迭代误差达到精度, 则停止学习, 否则回到 2) 。1. 2动态施工

13、反演分析动态施工是根据在隧道开挖过程中及时量测所得到的信息, 进行岩性和岩体参数的非线性反分析,64重庆建筑大学学报第 27 卷在结合工程地质和岩体、结构作出综合判断, 确定修改后的支护参数与施工对策。它包括现场监测、数据分析和处理以及信息反馈。在隧道开挖过程的现场监测中, 主要量测围岩的应力应变和位移。适时地进行初期支护和二次支护。隧道动态施工反演过程的量测信息拟采用围岩的压力和位移。因此, 关于待求未知量 X 的最小二乘目标函数可定义如下:2J ( X) =iJ i / J io(9)i = 1k3k3k6k6666其中: J 1 =i = 1( ui -u1i) 2 ; J 10=i =

14、 1(ui ) 2 ; J 2=i = 1( pi - p1i) 2 ; J 10 =i = 1( pi )2式中: X 为未知量, 如弹性模量 E 、内聚力 C 、内摩擦角以及泊松比等。 ui ,u1i 分别为隧道拱顶下沉或洞周收敛位移的计算值和实测值增量;pi ,p1i 分别为围岩应力的计算值和实测值增量; k 为测点数,i 为加权常数, 可取为 1 。待求未知量 X 逼近于 X时式(9) 达到最小值, 即lim J ( X) ( X 满足非负条件)(10)X X对式(10) 进行求解的最优方法为导数收索法 Simplex 法。2 围岩位移预测结果分析2. 1基于 BP 网络预测的结果偏压

15、双连拱隧道断面尺寸如图 1 所示 ,左洞为双车道 ,右洞为三车道。偏压连拱隧道属丘陵地貌 ,图 1偏压双连拱隧道断面尺寸标高 50110 m ,地形呈波状起伏 ,进口处坡角约为 20,出口处坡角约为 37。隧道进出口有 58 m 残坡积层 ,其余地段为花岗岩及其风化岩层直接出露 ,围岩类别为 类;洞身段以弱 - 微风化混合花岗岩为主 ,少部分凝灰岩 ,局部灰长(绿) 岩脉岩侵入 ,围岩类别为 类 ,节理裂隙较发育 ,岩性均为硬质岩 ,隧道区内无明显地质构造穿越 ,地质构造稳定。地下水主要为基岩裂隙水 ,赋存于构造裂隙中 ,局部有少量孔隙裂隙水 ,赋存于残坡积层和强风化层中 ,直接接受大气降水的

16、补给 ,水量较贫乏(流量 1. 21 t/ d) 。地下水对混凝土无侵蚀性 ,不考虑对隧道开挖的影响。隧道围岩体的物理力学参数见表 1 。表 1岩石物理力学指标类 别极限抗压强度/ MPa抗拉强度/ MPa抗剪强度弹性模量 E50泊松比干饱和tanc/ MPa105/ MPa130. 7110. 811. 61. 426. 04. 730. 2160. 63. 50. 833. 83. 180. 18 20. 20. 281. 3隧道净空位移测线布置示意图如图 2 所示, 左右隧道各布置三条位移量测线, 左右隧道的两个量测断面分别是 Z1 和 Y1 , 每个量测断面的围岩位移实际量测结果见图

17、3 、图 4 。利用这两个量测断面的实第 1 期陈秋南 ,等:偏压双连拱公路隧道围岩稳定性动态预测分析65测数据对网络进行学习。并把图 3 、图 4 数据作为学习样本。2. 1. 1 BP 网络学习样本的产生 整理实测数据 ,时间步长取 4 d , 遇到没有测试数据时 ,可采用插值法进行内插 ,以确保监测数据序列是等时间间隔。将图 4 、图 5 现场测试数据作为样本 ,经线性映射后产生实际训练样本。BP 网络采用三层结构(输入层、隐层和输出层) ,隐层单元数取为 9 个。图 2隧道断面围岩收敛量测布置2. 1. 2 BP 网络计算结果及比较先利用已经学习好的样本网络预图 3左洞隧道 Z1 断面

18、围岩收敛现场量测与计算结果比较图 4Y1 隧道断面围岩收敛现场量测与计算结果比较测隧道围岩以后的位移, 然后把被预测时间段围岩的位移加入到学习样本, 重新进行网络的学习, 建立新的网络, 再去预测隧道围岩后继的位移。图 3 、图4 中的AB ,BC ,AC 及DF , EF , ED 分别是左右隧道 Z1 和 Y1 两个量测断面围岩位移的预测结果。从围岩位移的实测值和预测值的对比可知 ,预测值和实测值发展趋势基本一致 ,而且一般预测值比实测值偏大 ,最大的误差在 14. 85 %左右。2. 2BP 网络和有限元反演结果对比4 月 4 日、8 日、12 日、16 日、20 日、24 日、28 日

19、、5 月 2 日、6 日、10 日和 14 日左洞测线 ab 、ac 和 bc 现场量测的位移值作为初始值 , 应用同济曙光软件进行动态优化反演分析法 , 反演隧道围岩体的弹性模量 , 以此计算出不同时间双连拱隧道围岩的位移 ,如表 2 所示(限于篇幅 ,仅列出左洞测线 ab 、ac 和 bc 的预测值和实测值) 。将有限元动态优化反分析计算结果(仅列出测线 ab) 与 BP 网络预测结果以及现场实际量测结果进行比较分析 ,可以看出有限元计算结果与实际量测图 5 位移预测结果与实际量测结果比较(测线 ab)结果相差最大 ,而BP 网络预测结果的误差相对较小 ,因此 BP 网络可以较好地对隧道围

20、岩位移进行预测 ,以达到预先分析其稳定性的目的。测线位移 BP 网络和 FEM 优化反演预测结果与实际量测结果比较见图 6 所示。66重庆建筑大学学报第 27 卷表 2Z1 三测线的位移预测值和实测值/ mm日期BP 网络预测值有限元预测值实测值abacbcabacbcabacbc4 - 4 (4)2. 0- 3. 0- 2. 04 - 8(8)14. 2116. 3610. 03. 02. 04 - 12(12)25. 468. 265. 0827. 129. 767. 5622. 04. 06. 04 - 16(16)29. 1110. 6313. 4332. 7413. 2115. 68

21、21. 04. 08. 04 - 20(20)31. 0712. 0817. 7233. 9814. 8719. 4320. 07. 013. 04 - 24(24)33. 3814. 5321. 3236. 4317. 1224. 3123. 011. 018. 04 - 28(28)36. 7523. 7625. 4838. 2725. 8327. 9230. 016. 023. 05 - 2 (32)38. 9326. 6429. 1941. 2228. 2732. 4632. 019. 026. 05 - 6 (36)40. 3228. 8232. 1144. 3431. 2135.

22、1434. 021. 029. 05 - 10(40)41. 0629. 4533. 6746. 7133. 7637. 3635. 025. 030. 05 - 14(44)41. 3930. 0734. 2547. 8534. 8538. 2535. 025. 030. 05 - 18(48)41. 6147. 985 - 22(52)41. 7448. 115 - 26(56)41. 8048. 193 结论1) 有限元反演分析法很难考虑隧道围岩节理、裂隙等对围岩位移的影响 ,计算误差比较大(见表 2 、图 5) ,并且不能进行短期预测;2) 利用 BP 网络方法则可以克服上述不足 ,能