[发明专利]一种基于BP神经网络的隧道动态施工方法

说明书

本发明提供一种基于BP神经网络的隧道动态施工方法，属于隧道施工技术领域。该方法首先对隧道进行分段，并在各施工段中央布置地表沉降监测点，以数值计算得到的地表沉降值为输入层数据，以土层和注浆体的力学参数为输出层数据，训练生成BP神经网络，将各施工段的实测地表沉降值输入到已训练好的BP神经网络中，反演得到土层和注浆体的力学参数，通过数值模拟预测待开挖段的地表沉降，并不断优化注浆参数直至满足工程要求，用优化后的注浆参数指导待开挖段隧道的施工。该施工方法采用实时监测、超前预测、分段施工、及时调整的方式，能够较好地控制地表沉降。

技术领域

本发明涉及隧道施工技术领域，特别是指一种基于BP神经网络的隧道动态施工方法。

背景技术

由于地铁隧道多修筑在城市中心地区，建筑物林立、人流量大，传统的明挖法施工很难正常开展，浅埋暗挖法相比于明挖法因其对城市环境及周边居民、交通等影响小，而得以广泛应用，但是在其施工过程中容易引起地表沉降过大，甚至造成工程事故。如何在隧道开挖前准确预测地表沉降，并实时调整施工参数一直以来都是工程技术人员所关注的问题。采用数值模拟是最常用的一种预测手段，然而在进行数值模拟分析时，由于土层和注浆体的参数识别比较困难，其预测结果和实际情况往往相差甚远。针对这一问题，本发明提出一种基于BP神经网络的隧道动态施工方法，通过参数反演的方式分段获取土层和注浆体参数，并根据待开挖段的地表沉降预测结果不断优化注浆参数，从而能够较好地控制地表沉降。

发明内容

本发明针对现有地铁隧道施工过程中不能准确识别土层和注浆体的力学参数，难以较好地预测地表沉降并采取相应措施等问题，提供一种基于BP神经网络的隧道动态施工方法。

该方法包括步骤如下：

S1：沿隧道轴向将隧道分为多个施工段，并在各施工段中间布置地表沉降监测点；

S2：在隧道所处区域进行地质钻孔勘探，提取土体钻芯并测量其力学参数，根据力学参数对土体进行分层，在注浆设计范围内分别测量浆脉和土体的力学参数，然后根据等效作用原理，求出等效后注浆体的力学参数；

S3：以S2中测量得到的各土层和注浆体的力学参数为基准集，通过蒙特卡罗方法生成输出层数据，利用数值模拟方法计算得到地表沉降值作为输入层数据，训练生成BP神经网络；

S4：采用多循环方式对隧道进行预注浆加固、开挖和支护，分段施工并监测地表沉降值；

S5：将隧道开挖引起的地表沉降监测值输入到BP神经网络中，反演得到各土层和注浆体的力学参数；

S6：根据S5中反演得到的各土层和注浆体力学参数，利用数值模拟方法预测下一施工段的地表沉降，当最大沉降量超过地表沉降控制值时，增大注浆范围或注浆压力；当最大沉降量小于地表沉降控制值的20％时，减小注浆范围或注浆压力；进行反复调整，优化注浆参数；

S7：利用S6优化后的注浆参数进行预注浆加固，然后进行开挖并及时支护，实时监测地表沉降值；

S8：重复上述S5～S7，逐段向前施工。

其中，S1中施工段长度为隧道洞径的2～5倍。

隧道的每一施工段均布置有地表沉降监测点，S1中的地表沉降监测点每一排为7～15个，且关于隧道中心呈对称分布。

施工前沿隧道轴向布置地质钻孔并进行地质勘探，S2中的地质钻孔沿隧道轴向布置，钻孔数量不少于3个，-且地质钻孔的孔底位于隧道底板3倍洞径以下。

S2中力学参数包括压缩模量、泊松比、粘聚力、内摩擦角。

S5中反演得到各土层和注浆体的力学参数包括弹性模量、泊松比、粘聚力、内摩擦角。

本发明的上述技术方案的有益效果如下：