基于ACO-SVM的巖質(zhì)高邊坡錨桿軸力預(yù)測

孟子耀，陳志堅(jiān)，陳 濤

(河海大學(xué)地球科學(xué)與工程學(xué)院， 南京 211100)

0 前言

人工錨固巖質(zhì)高邊坡的穩(wěn)定性問題一直是巖土工程研究的一個重要領(lǐng)域[1]。邊坡內(nèi)部的位移與應(yīng)力監(jiān)測是評價(jià)邊坡穩(wěn)定性的重要手段。目前較多學(xué)者在邊坡位移監(jiān)測上提出了新的理論與方法。楊皓翔[2]等建立基于拉格朗日插值法的新陳代謝模型，在邊坡的位移監(jiān)測應(yīng)用中取得了較好的效果；孫健[3]提出將光纖光柵位移傳感器布設(shè)在潛在滑動面上的方法，得到了動態(tài)的位移監(jiān)測曲線；徐茂林等[4]通過引入TM30測量機(jī)器人，實(shí)現(xiàn)了位移監(jiān)測數(shù)據(jù)的高度自動化采集；周麗靜等[5]基于北斗衛(wèi)星系統(tǒng)的定位及通信功能構(gòu)建了露天礦邊坡位移監(jiān)測系統(tǒng)；Osasan等[6]基于逆速度法建立邊坡破壞時(shí)間預(yù)測模型，取得了較好的效果; I.B.Kwon等[7]利用OTDR測量光纖信號并通過光纖信號的差值對邊坡的穩(wěn)定性進(jìn)行分析，證明了位移監(jiān)測系統(tǒng)的可行性；Josep等[8]將GPS位移監(jiān)測系統(tǒng)的結(jié)果與傳統(tǒng)監(jiān)測儀器結(jié)果進(jìn)行對比，發(fā)現(xiàn)不受天氣和通視條件影響的GPS監(jiān)測系統(tǒng)在邊坡位移監(jiān)測中具有一定的優(yōu)越性。

然而，位移監(jiān)測仍然存在預(yù)警滯后的特點(diǎn)，通過監(jiān)測和預(yù)測錨桿軸力的變化趨勢，可以更及時(shí)地掌握邊坡的安全狀況，提前預(yù)警。本文通過構(gòu)建ACO-SVM預(yù)測模型，結(jié)合連云港某人工錨固巖質(zhì)高邊坡的錨桿軸力監(jiān)測數(shù)據(jù)，對模型可靠性及工程應(yīng)用可行性展開討論。

1 多因素ACO-SVM 預(yù)測模型的構(gòu)建

1.1 支持向量機(jī)(SVM)

支持向量機(jī)是20世紀(jì)90年代由Vapnik等[9]提出來的一種神經(jīng)網(wǎng)絡(luò)模型，能輸入多種影響因子并根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最優(yōu)解輸出預(yù)測值。支持向量機(jī)可通過尋找滿足分類要求的最優(yōu)超平面來實(shí)現(xiàn)回歸預(yù)測的功能[10]，設(shè)樣本集為T=(xi,yi)，i=1,2，…，n；y= { 1，-1}是類別標(biāo)號，其中i為樣本個數(shù)，xi∈Rn，Rn為n維實(shí)數(shù)空間，超平面方程為：

ω·xi+b=0。

(1)

其中ω為超平面的法向量，b為超平面的偏移量。標(biāo)準(zhǔn)的支持向量機(jī)可通過如下的求解式來確定ω和b：

(2)

yi((ω·xi)+b)≥1-ξi，

ξi≥0，i=1,2,…,n。

(3)

式中ξi為松弛變量，C>0為懲罰因子。

溫度、地下水位和時(shí)間作為影響錨桿軸力變化的三種因素，與錨桿軸力之間存在較為復(fù)雜的非線性關(guān)系。因此，本文通過 MatLab 編寫可考慮多因素非線性變化規(guī)律的支持向量機(jī)模型(SVM)來對錨桿軸力進(jìn)行預(yù)測分析。

首先確定目標(biāo)函數(shù)為：

(4)

SVM程序的性能很大程度上要受到懲罰因子C和核函數(shù)類型及參數(shù)選擇等因素的制約[11-12]。為提高模型的預(yù)測效率，本文引入蟻群算法(ACO)對支持向量機(jī)中的懲罰因子C和核函數(shù)中的參數(shù)γ搜索尋優(yōu)。

1.2 蟻群算法(ACO)

蟻群算法是由Marco Dorigo基于生物學(xué)理論提出的一種尋找最優(yōu)路徑的機(jī)率型算法[13]。由于其具有全局搜索能力強(qiáng)和并行性的搜索方式等優(yōu)點(diǎn)，廣泛應(yīng)用于人工智能、交通運(yùn)輸?shù)阮I(lǐng)域[14-15]。

蟻群算法的關(guān)鍵在于移動規(guī)則和信息素更新，具體步驟如下：

步驟1.蟻群系統(tǒng)初始化。

步驟2.根據(jù)公式(5)選擇下一步的路徑。

(5)

步驟3.釋放信息素。

步驟4.經(jīng)過一次循環(huán)后對路徑上的信息素按公式(6)、(7)進(jìn)行更新

τij(t+1)=ρ·τij(t)+Δτij(t,t+1)。

(6)

(7)

蟻群算法優(yōu)化SVM 模型參數(shù)的主要思想是通過定義域內(nèi)一組參數(shù)C和γ作為螞蟻的位置向量，搜索出使式(4)最小的一組參數(shù)，具體流程如圖1所示。

圖1 ACO優(yōu)化SVM流程Figure 1 ACO-SVM flow chart

2 工程應(yīng)用

2.1 工程概況

連云港港東疏港高速公路位于連云港東北部市郊，起自老港區(qū)以東約500m處，路線向南相繼以隧道形式穿過后云臺山與后云臺山炮臺頂，在中云臺山處改用明挖施工，因而形成了長度約1km的高陡人工路塹巖質(zhì)邊坡，最大坡高200多米，屬一級邊坡工程。

邊坡區(qū)內(nèi)無斷裂，第四系覆土層很薄，基巖為一套前震旦系海州群云臺組變粒巖、淺粒巖，巖性以灰白，肉色白云鈉長變粒巖為主，其中二長淺粒巖為主，中部夾綠泥石片巖，下部夾鈉長淺粒巖。其中綠泥石片巖抗壓強(qiáng)度低，遇水易軟化，且抗風(fēng)化能力差。左側(cè)邊坡北側(cè)存在廢棄采石場，南側(cè)采石場仍處于作業(yè)狀態(tài)。右側(cè)邊坡在放坡過程中偶采用爆破施工。邊坡區(qū)受季風(fēng)影響，副熱帶高氣壓的進(jìn)退時(shí)常釀成暴雨，同期還有臺風(fēng)活動，會帶來大量的降水，春夏雨量占全年降水量的74%。

工程邊坡巖體以塊狀結(jié)構(gòu)為主，局部節(jié)理發(fā)育地段呈碎裂結(jié)構(gòu)，偶爾在節(jié)理密集帶也可見到碎裂—散體結(jié)構(gòu)。邊坡巖體構(gòu)造結(jié)構(gòu)面發(fā)育，且存在一定數(shù)量的順傾、緩傾結(jié)構(gòu)面，裂隙發(fā)育，富含裂隙水。當(dāng)場區(qū)附近存在爆破、開挖或持續(xù)性降雨時(shí)均有可能發(fā)生邊坡失穩(wěn)和局部巖體塌方。為了解邊坡內(nèi)部應(yīng)力場的變化規(guī)律和發(fā)展趨勢，施工期在不同開挖高程總計(jì)陸續(xù)設(shè)置了70個錨桿軸力監(jiān)測觀測點(diǎn)，部分測點(diǎn)布置如圖2所示。

圖2 測點(diǎn)布置Figure 2 Measuring points layout

2.2 預(yù)測模型的可靠性分析

本文選用左側(cè)邊坡第十三級平臺處MGZ1343測點(diǎn)(樁號K9+900m)的錨桿軸力實(shí)測數(shù)據(jù)進(jìn)行分析，選取2017年7月31日至2017年9月8日中每天0：00、6：00、12：00和18：00的數(shù)據(jù)共計(jì)160組進(jìn)行研究。由于樣本數(shù)據(jù)過大，僅展示部分監(jiān)測數(shù)據(jù)如表1所示。

首先選取前150 組數(shù)據(jù)作為訓(xùn)練樣本，訓(xùn)練完成后，通過ACO-SVM預(yù)測模型得到10組軸力數(shù)據(jù)，并將預(yù)測結(jié)果與實(shí)測值進(jìn)行對比，分析該預(yù)測模型的可靠性。

MGZ1343軸力實(shí)測值與預(yù)測值的對比結(jié)果如表2，變化趨勢對比如圖3。

由表2可知，前三組數(shù)據(jù)預(yù)測軸力值要小于實(shí)測軸力值，對邊坡的穩(wěn)定性評價(jià)而言偏保守。從第四組數(shù)據(jù)開始，預(yù)測軸力值與實(shí)測軸力值的差值開始出現(xiàn)正負(fù)交替，且相對誤差更小，更能反映實(shí)際的錨桿軸力變化情況。

通過軸力值的變化趨勢圖可以更加直觀地發(fā)現(xiàn)，基于ACO-SVM的錨桿軸力預(yù)測模型所得出的預(yù)測值與實(shí)測值擬合度較高，預(yù)測軸力值在實(shí)測軸力曲線上下小范圍內(nèi)波動，經(jīng)計(jì)算相對誤差在8%以下，具有較高的可信度和預(yù)測精準(zhǔn)度。

表1 MGZ1343測點(diǎn)錨桿實(shí)測數(shù)據(jù)

表2 錨桿軸力實(shí)測值與預(yù)測值對比

2.3 預(yù)測模型的可行性評價(jià)

ACO-SVM模型對錨桿軸力的預(yù)測功能得到驗(yàn)證后，可在每月月底將當(dāng)月實(shí)測軸力數(shù)據(jù)作為訓(xùn)練樣本來預(yù)測軸力的變化趨勢。

在2018年4月底的錨桿軸力數(shù)據(jù)處理中，以左坡104平臺處MG1042測點(diǎn)(樁號K10+117m)4月份實(shí)測軸力值為訓(xùn)練樣本，依靠該預(yù)測模型得到5月上旬軸力變化曲線如圖4所示。

由圖4可知，4月份104平臺錨桿軸力實(shí)測值在一定范圍內(nèi)上下波動，月末已有增大的趨勢。通過ACO-SVM模型預(yù)測得到的5月上旬錨桿軸力值遠(yuǎn)高于4月份的平均水平，漲幅高達(dá)43%，已超過邊坡穩(wěn)定性預(yù)警的標(biāo)準(zhǔn)。

時(shí)刻圖3 軸力實(shí)測值與預(yù)測值折線Figure 3 Line chart of axial force measured data and predicted data

日期圖4 104平臺錨桿軸力變化趨勢Figure 4 Anchor bolt axial force variation trend on No.104 platform

通過現(xiàn)場踏勘調(diào)查結(jié)果，左坡104平臺南側(cè)臨近采石場處的確存在欠穩(wěn)定三角體，但未見明顯位移，如圖5所示。錨桿軸力預(yù)測值增大的原因可能是4月份的連續(xù)降雨導(dǎo)致此處結(jié)構(gòu)面強(qiáng)度降低，使該欠穩(wěn)定三角體存在下滑趨勢。為防止崩塌滑坡災(zāi)害對坡腳高速公路運(yùn)營及行人行車安全造成損失，可在其發(fā)生滑動破壞前進(jìn)行治理。

圖5 欠穩(wěn)定三角體Figure 5 Understable pyramid

在欠穩(wěn)定三角體未發(fā)生明顯位移階段，單靠位移監(jiān)測無法及時(shí)發(fā)現(xiàn)問題，而此時(shí)通過錨桿軸力預(yù)測的方法可提前探知該欠穩(wěn)定三角體的發(fā)展情況。

在采集到MGZ1042測點(diǎn)5月份的錨桿軸力實(shí)測值后與ACO-SVM軸力預(yù)測模型的預(yù)測值進(jìn)行對比，如圖6所示。結(jié)果再次驗(yàn)證了該模型的可靠性，并且通過多次樣本訓(xùn)練， ACO-SVM模型所得的預(yù)測結(jié)果與實(shí)測的數(shù)據(jù)之間相對誤差更小，擬合程度更高。說明基于ACO-SVM的錨桿軸力預(yù)測模型在分析邊坡穩(wěn)定性時(shí)有一定的可行性。

日期圖6 5月上旬錨桿軸力變化趨勢Figure 6 Anchor bolt axial force variation trend in the first ten-day period of May

3 結(jié)論

①在支持向量機(jī)模型中引入蟻群算法可充分考慮與錨桿軸力相關(guān)的多項(xiàng)非線性影響因素，并快速求得最優(yōu)解，輸出預(yù)測變量；

②ACO-SVM模型預(yù)測得到的錨桿軸力值與實(shí)測值之間相對誤差控制在8%以內(nèi)，具有一定的可信度和預(yù)測精度；

③邊坡內(nèi)部應(yīng)力變化可有效探知未產(chǎn)生明顯位移的欠穩(wěn)定體，ACO-SVM模型預(yù)測得到的錨桿軸力變化趨勢可對邊坡的穩(wěn)定性做出及時(shí)預(yù)警，在人工錨固的巖質(zhì)高邊坡工程中具有一定的普適性。