一種加權Logistic－Richards組合模型的地表沉降預測方法

龍四春 彭 強 黃兩宜 張立亞

1 湖南科技大學煤炭資源清潔利用與礦山環(huán)境保護湖南省重點實驗室，湘潭市桃源路1號，411201

2 湖南科技大學測量工程與形變監(jiān)測研究所，湘潭市桃源路1號，411201

3 中國建筑第五工程局有限公司隧道公司，重慶市龍山大道，401147

利用已知模型對施工場地地表沉降進行預測主要有單一模型和多模型組合方法［1］。其中單一模型預測方法主要有神經(jīng)網(wǎng)絡方法［2］、灰色理論方法［3］、生長曲線模型［4］、Logistic模型［5］和Richards模型［6］，這些模型都能較好地預測地表沉降。但不同施工場地工程地質(zhì)、水文和地面荷載等因素均不相同，同一施工場地不同時期內(nèi)部應力和水文特征也會有所變化，單一模型在施工全過程沉降預測時很難達到較高的精度，可能存在預測失誤的情況。多模型組合預測對多個模型賦予不同權重，讓它們同時參與地表沉降預測，能更準確地預測施工過程的地表沉降［7］。有學者提出等權多模型組合預測，即對每個模型加相同的權重進行地表沉降綜合預測［8］。等權模型的權重是固定的，在不同條件下不能合理地分配權重，導致監(jiān)測結(jié)果有偏差，而加權模型組合可以根據(jù)不同的環(huán)境對各參與預測模型賦予不同的權重［9－15］，能夠更精確地預測施工過程地表沉降情況。

本文將加權組合Logistic模型和Richards模型，用特征值法（利用平移反冪法shifted－inverse power method［16］）求各模型的權重，并用加權Logistic－Richards組合模型對施工現(xiàn)場地表沉降進行擬合和預測，以驗證組合模型的優(yōu)越性。

1 加權Logistic－Richards組合模型

1.1 Logistic－Richards組合模型

Logistic模型函數(shù)為：

式中，a、b、k是參數(shù)，x是時間序列，y是對應時刻的地表沉降預測值。

Richards模型函數(shù)為：

式中，α、β、r、δ是參數(shù)，x是時間序列，y是對應時刻的地表沉降預測值。

對Logistic模型和Richards模型進行加權組合，得到加權的Logistic－Richards組合模型：

式中，a、b、k、α、β、r、δ是參數(shù)，ω1、ω2是權系數(shù)，x是時間序列，y是對應時間的地表沉降預測值。

加權組合模型的誤差、方差、標準差和相對誤差可用式（4）表示：

式中，ω1、ω2為權系數(shù)，e0、e1、e2分別為預測誤差，D為方差，cov為相關系數(shù)，σ為標準差，R為相對誤差，y′為預測值，y為實測值。

1.2 平移反冪法（shifted－inverse power method）的特征值求權方法

令Logistic模型為g（x），Richards模型為w（x），則組合模型可表示為：

整理后得：

式（5）可表示為f（x）＝Ax，其中A為系數(shù)陣，x為參數(shù)。假設A是一個n×n的矩陣，有n個互不相同的特征值λ1，λ2，…，λn。對于其中一個特征值λj，可以選擇一個常數(shù)a，使得是（A－aI）－1的主特征值。序列和｛ck｝可由式（6）、（7）遞歸產(chǎn)生：

綜上，可求得ω1，進而根據(jù)式（3）求得ω2。

2 實驗與分析

以深圳地鐵9號線人民南車站、鹿丹村車站和長沙地鐵3號線東四線車站的地表施工沉降數(shù)據(jù)為例，對比分析Logistic模型、Richards模型和加權Logistic－Richards組合模型對地鐵車站地面沉降數(shù)據(jù)的擬合與預測能力。

2.1 人民南地鐵車站實例分析

人民南地鐵車站位于春風路高架橋下，南側(cè)為34層德興大廈，距離車站2.75m；北側(cè)有春風高架橋和19層新都酒店，距離車站2.60 m。車站處于軟土層，高樓環(huán)繞，施工條件差。表1是人民南車站實測值與加權Logistic－Richards組合模型的預測值比較。

由表1 可見，加權Logistic－Richards組合預測模型預測值與實測值較一致，證明Logistic－Richards加權組合模型能夠很好地監(jiān)控和預測地鐵車站的地表沉降。圖1 是平移反冪法求加權Logistic－Richards組合模型權值曲線圖，權值曲線的斜率代表權值。圖2是Logistic模型、Richards模型和Logistic－Richards加權模型預測值與實測值的比較。

表1 人民南車站實測值與預測值比較Tab.1 Comparison between measured and predicted values at South－Renmin subway station

圖1 平移反冪法求組合模型權值曲線Fig.1 Combination weight curve by using shift inverse power law model

圖2 3模型預測值與實測值的比較Fig.2 The predictive values of three models compared with the real values

圖2中加權Logistic－Richards組合模型預測結(jié)果比Logistic模型、Richards模型更接近實測值，說明加權Logistic－Richards組合模型比單一的Logistic模型和Richards模型更適合于監(jiān)控和預測地鐵車站地表沉降。表2 是Logistic－Richards組合模型、Logistic模型和Richards模型精度統(tǒng)計。表2中Logistic－Richards組合模型平均誤差、方差和標準差3項指標均優(yōu)于Logistic模型和Richards模型，說明Logistic－Richards模型精度更高、更優(yōu)越。

表2 模型精度統(tǒng)計Tab.2 Statistics for accuracy of 3models

2.2 鹿丹村和東四線車站實例分析

為驗證上述結(jié)論的正確性，分別對深圳地鐵鹿丹村車站和長沙地鐵東四線車站實測數(shù)據(jù)進行實驗。相比于人民南地鐵站，此兩地鐵站周邊沒有高樓環(huán)繞，地面荷載很小。圖3是鹿丹村車站Logistic模型、Richards模型、Logistic－Richards加權模型預測值和實測值的比較，圖4是東四線車站Logistic模型、Richards模型、Logistic－Richards加權模型預測值和實測值的比較。可以看出圖2～4中，加權Logistic－Richards組合模型在不同地質(zhì)環(huán)境、不同地面荷載中，對地表沉降的預測結(jié)果均比Logistic模型和Richards模型要好，說明在人民南地鐵站所得出的結(jié)論在不同水文地質(zhì)環(huán)境、不同地面荷載情況下同樣是正確的。

圖3 鹿丹村地鐵站3模型預測值與實測值比較Fig.3 The predictive values of three models compared with the real value of Ludan village subway station

圖4 東四線地鐵站3模型預測值與實測值比較Fig.4 The predictive values of three models compared with the real value of East－Four subway station

表3、表4分別為鹿丹村車站和東四線車站3種模型的精度統(tǒng)計表，表5是加權Logistic－Richards組合模型對3個車站不同沉降監(jiān)測點進行最終預測得到的沉降值與實測值比較。

表3 鹿丹村地鐵站3模型精度統(tǒng)計Tab.3 Statistics for precision of three models at Ludan village subway station

表4 東四線地鐵站3模型精度統(tǒng)計表Tab.4 Statistics for precision of three models at East－Four subway station

表5 預測值與實測沉降值的比較Tab.5 Comparison between predicted and real values

表3～5結(jié)果表明，在不同地質(zhì)條件和不同地面荷載情況下，加權Logistic－Richards組合模型比Logistic模型和Richards模型預測精度更高，更適合監(jiān)控和預測地表沉降情況。

［1］施成華，彭立敏.基坑開挖及降水引起的地表沉降預測［J］.巖土工程學報，2006，39（5）：117－121（Shi Chenghua，Peng Limin.Ground Surface Settlement Caused by Foundation Pit Excavation and Dewatering［J］.China Civil Engineering Journal，2006，39（5）：117－121）

［2］張文博，郭云開.基于BP神經(jīng)網(wǎng)絡的建筑物沉降預測模型研究［J］.測繪工程，2013，22（2）：52－56（Zhang Wenbo，Guo Yunkai.Prediction Model of Building Settlement Based on BP Neural Network［J］.Engineering of Surveying and Mapping，2013，22（2）：52－56）

［3］Xu H F，Liu B，F(xiàn)ang Z G.New Grey Prediction Model and Its Application in Forecasting Land Subsidence in Coal Mine［J］.Nat Hazards，2014，71（2）：1 181－1 194

［4］王軍保，劉新榮，李鵬，等.MMF模型在采空區(qū)地表沉降預測中的應用［J］.煤炭學報，2012，37（3）：411－415（Wang Junbao，Liu Xinrong，Li Peng，et al.Study on Prediction of Surface Subsidence in Mined－out Region with the MMF Model［J］.Journal of China Coal Society，2012，37（3）：411－415）

［5］鄭鵬武，譚忠盛，朱元生，等.地鐵施工引起地表沉降的Logistic模型預測及應用［J］.中國安全科學學報，2006，16（3）：23－26（Zheng Pengwu，Tan Zhongsheng，Zhu Yuansheng，et al.Application of Logistic Model in Prediction of Ground Sedimentation Caused by Subway Construction［J］.China Safety Science Journal，2006，16（3）：23－26）

［6］王正帥，鄧喀中.采動區(qū)地表動態(tài)沉降預測的Richards模型［J］.巖土力學，2011，32（6）：1 664－1 668（Wang Zhengshuai，Deng Kazhong.Richards Model of Surface Dynamic Subsidence Prediction in Mining Area［J］.Rock and Soil Mechanics，2011，32（6）：1 664－1 668）

［7］唐佑輝，黃騰，趙兵帥.COM 和時間序列組合模型在地表沉降預 測中的應用［J］.測繪工程，2014，23（2）：70－72（Tang Youhui，Huang Teng，Zhao Bingshuai.Application of Combination Model of COM and Time Series to the Surface Subsidence Prediction［J］.Engineering of Surveying and Mapping，2014，23（2）：70－72）

［8］鄒自力，湯俊.基于加權組合模型的沉降預測討論［J］.城市勘測，2010（1）：89－91（Zou Zili，Tang Jun.Settlement Prediction is Discussed Based on Weighted Combination Model［J］.Urban Geotechnical Investigation ＆Surveying，2010（1）：89－91）

［9］徐衛(wèi)東，伍錫銹，歐海平.基于時間序列分析和灰色理論的建筑沉降物預測模型研究［J］.測繪地理信息，2012，37（6）：23－25（Xu Weidong，Wu Xixiu，Ou Haiping.Research on Building Subsidence Prediction Model Based on Time Series Analysis and Grey Theory［J］.Journal of Geomatics，2012，37（6）：23－25）

［10］屈丹安，楊春和，任松.金壇鹽穴地下儲氣庫地表沉降預測研究［J］.巖石力學與工程學報，2010，29（增1）：2 705－2 711（Qu Dan’an，Yang Chunhe，Ren Song.Study and Prediction of Surface Subsidence of Salt Rock Caves Used for Gas Storages in Jintan Salt Mine［J］.Chinese Journal of Rock Mechanics and Engineering，2010，29（Supp 1）：2 705－2 711）

［11］羅文柯，施式亮，劉影，等.灰色Logistic I／II模型在煤礦開采沉降預測中的應用［J］.科技導報，2010，28（11）：74－78（Luo Wenke，Shi Shiliang，Liu Ying，et al.Application of Gray Logistic I／II Models in Subsidence Prediction in Mine Exploitation［J］.Science ＆ Technology Review，2010，28（11）：74－78）

［12］龔循強，熊小容，周秀芳.高鐵橋墩沉降預測方法研究［J］.測繪通報，2014（4）：48－50（Gong Xunqiang，Xiong Xiaorong，Zhou Xiufang.The Research of Settlement Prediction Methods for the Bridge Pier on High－Speed Railway［J］.Bulletin of Surveying and Mapping，2014（4）：48－50）

［13］徐愛功，張建龍，隋心，等.基于自回歸法的滑坡監(jiān)測數(shù)據(jù)Kalman濾波的應用［J］.測繪工程，2014，23（9）：52－61（Xu Aigong，Zhang Jianlong，Sui Xin，et al.Application of Kalman Filtering to the Landslide Monitoring Data Procession Based on Auto－Regression Method［J］.Engineering of Surveying and Mapping，2014，23（9）：52－61）

［14］龔循強，李志林.穩(wěn)健加權總體最小二乘方法［J］.測繪學報，2014，43（9）：52－61（Gong Xunqiang，Li Zhilin.A Robust Weighted Total Least Squares Method［J］.Acta Geodaetica et Cartographica Sinica，2014，43（9）：888－894）

［15］冷伍明，楊奇，聶如松，等.高速鐵路橋梁樁基工后沉降組合預測研究［J］.巖土力學，2011，32（11）：3 341－3 348（Leng Wuming，Yang Qi，Nie Rusong，et al.Study of Post－Construction Settlement Combination Forecast Method of High－Speed Railway Bridge Pile Foundation［J］.Rock and Soil Mechanics，2011，32（11）：3 341－3 348）

［16］任善靜，林府標，孫萍，等.Poisson 返程的元和N元特征值法［J］.數(shù)值計算與計算機應用，2010，31（1）：20－29（Ren Shanjing，Lin Fubiao，Sun Ping，et al.Eigenvalue Methods of Solving Poisson Equations with Element andNElement［J］.Journal on Numerical Methods and Computer Applications，2010，31（1）：20－29）