基于MIV-BP模型和AIC準(zhǔn)則的盾構(gòu)掘進(jìn)參數(shù)優(yōu)化研究

張社榮，方 鑫，和孫文

(1.天津大學(xué)水利工程仿真與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津 300072；2.天津大學(xué)建筑工程學(xué)院，天津 300072；3.中國(guó)水利水電第十四工程局有限公司，昆明 650051)

引言

近年來(lái)，軌道交通事業(yè)的發(fā)展和盾構(gòu)施工技術(shù)的進(jìn)步為水下隧道和隧洞建設(shè)提供了基礎(chǔ)，越來(lái)越多的過海穿江隧道和隧洞項(xiàng)目，諸如武漢長(zhǎng)江隧道、南京長(zhǎng)江隧道、溫州市域鐵路S2線、大連地鐵5號(hào)線跨海盾構(gòu)工程等，已采用盾構(gòu)法在我國(guó)的內(nèi)陸及沿海地區(qū)建設(shè)完成或正在施工[1，2]。然而由于水下隧道和隧洞工程所處的特殊的施工環(huán)境，依然存在一些亟待解決的關(guān)鍵技術(shù)問題：因地層條件復(fù)雜多變，多種地層復(fù)合交互，且軟弱地層均存在，導(dǎo)致盾構(gòu)施工過程中掘進(jìn)參數(shù)差異性很大[3]，復(fù)合地層條件下掘進(jìn)參數(shù)的選擇與控制一直是難點(diǎn)問題[4]。

目前，對(duì)于復(fù)合地層下掘進(jìn)參數(shù)的選擇與控制的研究工作主要集中在經(jīng)驗(yàn)公式推算、數(shù)理統(tǒng)計(jì)、模擬仿真和智能反演計(jì)算方面，取得了有效的成果。在不同的復(fù)合地層盾構(gòu)施工過程中，依托實(shí)際工程現(xiàn)場(chǎng)采集的變形監(jiān)測(cè)數(shù)據(jù)，結(jié)合經(jīng)典理論公式推算，是獲得掘進(jìn)參數(shù)取值范圍的重要手段[5-8]。另外，大多數(shù)學(xué)者針對(duì)典型區(qū)間地段不同的復(fù)合地層，利用數(shù)理統(tǒng)計(jì)方法對(duì)施工過程中關(guān)鍵掘進(jìn)參數(shù)與主要地層的相關(guān)性進(jìn)行詳盡的分析，并近似將關(guān)鍵掘進(jìn)參數(shù)視為服從正態(tài)分布[3，9-11]。數(shù)值模擬方面，徐新等[12]采用ABAQUS模擬盾構(gòu)施工過程，進(jìn)而分析優(yōu)化掘進(jìn)參數(shù)；陳秋鑫等[13]采用數(shù)值模擬方法分析盾構(gòu)穿越復(fù)合地層時(shí)產(chǎn)生的地表沉降，并結(jié)合實(shí)際監(jiān)測(cè)數(shù)據(jù)，引入施工風(fēng)險(xiǎn)思想提出更安全的掘進(jìn)參數(shù)。智能反演計(jì)算方面，李超、朱北斗、孫謀等[14-16]采用BP人工神經(jīng)網(wǎng)絡(luò)方法建立復(fù)合地層條件下關(guān)鍵掘進(jìn)參數(shù)預(yù)測(cè)模型，對(duì)關(guān)鍵掘進(jìn)參數(shù)的取值進(jìn)行分析、預(yù)測(cè)、驗(yàn)證；而邵成猛[17]則是通過對(duì)關(guān)鍵掘進(jìn)參數(shù)在不同地層條件下變化規(guī)律的分析，總結(jié)出依托于關(guān)鍵掘進(jìn)參數(shù)的學(xué)習(xí)向量量化LVQ神經(jīng)網(wǎng)絡(luò)的地層識(shí)別方法。

上述4種方法推動(dòng)了復(fù)合地層下掘進(jìn)參數(shù)的選擇與控制的研究工作，但仍存在部分缺陷。

(1)采用盾構(gòu)法進(jìn)行水下隧道和隧洞施工中，由于地質(zhì)條件復(fù)雜，存在的復(fù)合地層造成掘進(jìn)參數(shù)存在非線性、時(shí)變性等不確定因素，現(xiàn)階段總結(jié)的公式往往存在較大的誤差，如何將掘進(jìn)參數(shù)與相應(yīng)的復(fù)合地層關(guān)系采用準(zhǔn)確的顯示函數(shù)加以表示，還有大量的工作要做。

(2)采用模擬仿真研究掘進(jìn)參數(shù)與復(fù)合地層關(guān)系的方法，建模時(shí)無(wú)法考慮到施工中新揭露的地質(zhì)及開挖、支護(hù)等時(shí)變的因素，且計(jì)算需花費(fèi)大量的時(shí)間，無(wú)法及時(shí)對(duì)掘進(jìn)參數(shù)進(jìn)行預(yù)測(cè)和控制，進(jìn)而無(wú)法實(shí)時(shí)有效的指導(dǎo)現(xiàn)場(chǎng)施工。

(3)對(duì)于關(guān)鍵掘進(jìn)參數(shù)的選取，常憑經(jīng)驗(yàn)，具有很強(qiáng)的不確定性和動(dòng)態(tài)性，導(dǎo)致基于智能反演方法建立的關(guān)鍵掘進(jìn)參數(shù)預(yù)測(cè)模型常不準(zhǔn)確；同時(shí)，將關(guān)鍵掘進(jìn)參數(shù)近似視為服從正態(tài)分布，也是造成無(wú)法獲得與復(fù)合地層相適應(yīng)、準(zhǔn)確的掘進(jìn)參數(shù)值的因素之一。

以陸豐核電站1、2號(hào)機(jī)組海底排水隧洞工程為依托，采用BP(Back Propagation)人工神經(jīng)網(wǎng)絡(luò)方法建立掘進(jìn)參數(shù)預(yù)測(cè)模型，在此基礎(chǔ)上，引入MIV方法篩選出對(duì)盾構(gòu)施工效果影響顯著的關(guān)鍵掘進(jìn)參數(shù)，并根據(jù)AIC準(zhǔn)則，確定對(duì)應(yīng)復(fù)合地層條件下掘進(jìn)參數(shù)服從的最優(yōu)分布，提出以50%和90%置信水平下的置信區(qū)間，分別作為掘進(jìn)參數(shù)的控制區(qū)間和預(yù)警區(qū)間的掘進(jìn)參數(shù)優(yōu)化設(shè)計(jì)方案，以指導(dǎo)后續(xù)施工。最后，為簡(jiǎn)化掘進(jìn)參數(shù)的分析過程，提高分析效率，基于Python開發(fā)了掘進(jìn)參數(shù)優(yōu)化分析程序。

1 研究方法

1.1 基于MIV-BP模型的關(guān)鍵掘進(jìn)參數(shù)選擇

BP神經(jīng)網(wǎng)絡(luò)是一種信號(hào)前向傳遞，誤差反向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)是由輸入層、一層或多層隱層和輸出層組成，它的相鄰兩個(gè)層之間的各個(gè)神經(jīng)元相互全連接，同層內(nèi)的神經(jīng)元間無(wú)連接。理論已證明，三層BP網(wǎng)絡(luò)可以在保證精度的情況下實(shí)現(xiàn)對(duì)任何復(fù)雜的非線性函數(shù)的逼近[18]。因此，為簡(jiǎn)化分析過程，保證預(yù)測(cè)精度，本文選擇單隱層的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)建立掘進(jìn)參數(shù)的預(yù)測(cè)模型。平均影響值(MIV， Mean Impact Value)是由Dombi[19]等人提出的用來(lái)反映神經(jīng)網(wǎng)絡(luò)中權(quán)重矩陣的變化情況，可以用來(lái)測(cè)定出神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)對(duì)于輸出參數(shù)的影響權(quán)重，其符號(hào)代表相關(guān)方向，絕對(duì)值大小反映影響的相對(duì)重要性。

本文提出的基于MIV-BP模型的關(guān)鍵掘進(jìn)參數(shù)選擇，其具體的實(shí)現(xiàn)過程如圖1所示：(1)在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練終止后，每次把訓(xùn)練樣本P里的某一個(gè)輸入?yún)?shù)(掘進(jìn)參數(shù))在其原來(lái)值的基礎(chǔ)上分別加、減一定的比例(如10%)，構(gòu)成兩個(gè)新的訓(xùn)練樣本P1、P2；(2)將P1、P2分別作為仿真樣本利用已建成的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，得到兩個(gè)仿真結(jié)果(隧洞拱頂沉降量)A1、A2；(3)計(jì)算A1、A2的差值即為變動(dòng)該輸入?yún)?shù)對(duì)輸出參數(shù)產(chǎn)生的影響變化值(IV，Impact Value)；(4)根據(jù)觀察次數(shù)對(duì)影響變化值求平均，可獲得對(duì)應(yīng)輸入?yún)?shù)的MIV值。重復(fù)上述過程，可以計(jì)算出每個(gè)輸入?yún)?shù)的MIV值，根據(jù)MIV絕對(duì)值的大小，可以判斷出每個(gè)輸入?yún)?shù)對(duì)神經(jīng)網(wǎng)絡(luò)輸出結(jié)果的影響權(quán)重，即每個(gè)掘進(jìn)參數(shù)對(duì)拱頂沉降量影響的相對(duì)重要性。

圖1 基于MIV-BP模型的關(guān)鍵掘進(jìn)參數(shù)選擇流程

1.2 基于AIC準(zhǔn)則的關(guān)鍵掘進(jìn)參數(shù)最優(yōu)分布的確定

赤池信息準(zhǔn)則(Akaike information criterion，AIC)是用來(lái)權(quán)衡統(tǒng)計(jì)模型擬合優(yōu)劣的標(biāo)準(zhǔn)，能夠衡量所估計(jì)模型的復(fù)雜程度和模型擬合數(shù)據(jù)的能力。AIC準(zhǔn)則是識(shí)別最優(yōu)的概率分布函數(shù)的重要方法，且AIC值最小的概率分布函數(shù)，擬合原始觀測(cè)數(shù)據(jù)的效果最好。通常情況下，AIC定義為

(1)

式中，f(·)為擬合原始觀測(cè)數(shù)據(jù)的概率分布密度函數(shù)；{xi,i=1,2,3,…,N}為原始觀測(cè)數(shù)據(jù)，其中N為樣本個(gè)數(shù)；k為概率分布函數(shù)中分布參數(shù)的個(gè)數(shù)。根據(jù)上式，即可由盾構(gòu)施工過程中采集到的掘進(jìn)參數(shù)實(shí)測(cè)值計(jì)算出多種概率分布函數(shù)的AIC值，通過對(duì)比AIC值的大小，即可找出擬合關(guān)鍵掘進(jìn)參數(shù)概率分布特性最優(yōu)的概率分布函數(shù)。

本文提出的基于AIC準(zhǔn)則的關(guān)鍵掘進(jìn)參數(shù)最優(yōu)分布的確定方法，主要通過所開發(fā)程序引入的開源的SciPy模塊庫(kù)實(shí)現(xiàn)。程序共包含82種概率分布函數(shù)，用來(lái)擬合關(guān)鍵掘進(jìn)參數(shù)的概率分布特性，保證了擬合結(jié)果的準(zhǔn)確性與可靠性，進(jìn)而能計(jì)算出合理且有效的關(guān)鍵掘進(jìn)參數(shù)的控制區(qū)間和預(yù)警區(qū)間。

2 掘進(jìn)參數(shù)對(duì)隧洞拱頂沉降顯著性分析

2.1 工程背景

陸豐核電站1、2號(hào)機(jī)組排水隧洞工程位于我國(guó)廣東汕尾市陸豐市碣石灣，隧洞全長(zhǎng)3512.336 m，其中里程SSK0+230.000～SSK3+004.000段采用盾構(gòu)法掘進(jìn)開挖，其余部分里程SSK0+000.000～SSK0+230.000(1號(hào)排水隧洞)、里程SSK3+004.000～SSK3+512.366(2號(hào)排水隧洞)采用礦山法施工。隧洞采用的是6塊通用楔形管片方案，管片內(nèi)徑6 700 mm，外徑7 400 mm，環(huán)寬1 200 mm。隧洞最大、最小埋深分別約為18，12 m。由于埋深與洞徑之比變化不大，本研究中不考慮埋深影響，僅分析不同地質(zhì)條件下掘進(jìn)參數(shù)的取值。核電站1、2號(hào)機(jī)組排水隧洞平面布置示意如圖2所示。

圖2 陸豐核電站1、2號(hào)機(jī)組排水隧洞平面布置示意

核電站1、2號(hào)機(jī)組排水隧洞盾構(gòu)施工工程穿越大量不良地層，包括淤泥質(zhì)土、透水砂層等，各分段區(qū)間工程地質(zhì)情況列于表1，典型區(qū)間地質(zhì)情況如圖3所示。由于目前現(xiàn)場(chǎng)盾構(gòu)施工僅掘進(jìn)至330環(huán)，還未穿越已劃分的第一處復(fù)合地層，因此本研究?jī)H針對(duì)盾構(gòu)始發(fā)段地層(中風(fēng)化花崗巖、微風(fēng)化花崗巖交匯的復(fù)合地層)進(jìn)行詳細(xì)的分析。

表1 分段區(qū)間工程地質(zhì)

圖3 SSK1+451.000～SSK1+513.000區(qū)間地質(zhì)剖面

2.2 基于MIV-BP模型的關(guān)鍵掘進(jìn)參數(shù)評(píng)價(jià)計(jì)算

2.2.1 BP神經(jīng)網(wǎng)絡(luò)模型建立與檢驗(yàn)

盾構(gòu)施工過程中的盾構(gòu)施工效果直接受掘進(jìn)參數(shù)的影響。本工程采用泥水平衡盾構(gòu)，盾構(gòu)施工有關(guān)掘進(jìn)參數(shù)較多，且每個(gè)參數(shù)都會(huì)受到諸多外界因素的影響。結(jié)合本工程中不同復(fù)合地層的特點(diǎn)和泥水盾構(gòu)掘進(jìn)特性，考慮到本文主要研究掘進(jìn)參數(shù)對(duì)不同復(fù)合地層的適用性及其控制，故擬選取盾構(gòu)機(jī)總推力、油缸行程差、推進(jìn)速度、刀盤扭矩、刀盤轉(zhuǎn)速、貫入度、泥水倉(cāng)泥水壓力等13個(gè)掘進(jìn)參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)。另一方面，對(duì)于輸出參數(shù)的選擇，許多研究人員[16，20-25]進(jìn)行了大量的研究，得出盾構(gòu)施工引起的沉降主要受掘進(jìn)參數(shù)等因素影響的結(jié)論，并將沉降值作為神經(jīng)網(wǎng)絡(luò)等智能算法的輸出參數(shù)，構(gòu)建了盾構(gòu)施工中反映出掘進(jìn)參數(shù)與沉降值之間映射關(guān)系的數(shù)學(xué)模型。本研究中，由于海底排水隧洞盾構(gòu)施工工程特殊的環(huán)境條件，沉降監(jiān)測(cè)手段有限，因而僅取現(xiàn)場(chǎng)拱頂沉降的實(shí)際監(jiān)測(cè)值(該值的選取以盾構(gòu)機(jī)盾尾通過測(cè)點(diǎn)位置的累計(jì)沉降值為準(zhǔn)，此時(shí)盾構(gòu)施工對(duì)此位置地層擾動(dòng)大為降低，引起的拱頂短期沉降基本穩(wěn)定)作為BP神經(jīng)網(wǎng)絡(luò)的輸出參數(shù)。另外根據(jù)經(jīng)驗(yàn)公式

S=2n+1

(2)

計(jì)算出隱含層神經(jīng)元個(gè)數(shù)s，n代表輸入層節(jié)點(diǎn)個(gè)數(shù)，這里n取13，則s為27，即隱含層神經(jīng)元個(gè)數(shù)為27。另外，所建立的BP神經(jīng)網(wǎng)絡(luò)模型輸入層到隱含層的傳遞函數(shù)選擇logsig函數(shù)，隱含層到輸出層的傳遞函數(shù)選擇purelin函數(shù)，學(xué)習(xí)速率設(shè)為0.05，迭代次數(shù)取10 000，完成BP神經(jīng)網(wǎng)絡(luò)模型的建立。

整理現(xiàn)場(chǎng)提供的中風(fēng)化花崗巖、微風(fēng)化花崗巖交匯的復(fù)合地層(盾構(gòu)始發(fā)段地層)中已經(jīng)掘進(jìn)完成的第40～285環(huán)資料，獲得了154組適用數(shù)據(jù)。選取144組盾構(gòu)施工掘進(jìn)參數(shù)的實(shí)測(cè)數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，最后剩余的10組數(shù)據(jù)用于驗(yàn)證所建立的BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與實(shí)際監(jiān)測(cè)值的比較詳見表2。表2中計(jì)算得到的相對(duì)誤差已控制在較小的范圍內(nèi)，可以看出訓(xùn)練出的掘進(jìn)參數(shù)預(yù)測(cè)模型較為準(zhǔn)確。

表2 BP神經(jīng)網(wǎng)絡(luò)拱頂沉降預(yù)測(cè)值與實(shí)際監(jiān)控量測(cè)值對(duì)比分析

2.2.2 MIV評(píng)價(jià)計(jì)算

掘進(jìn)參數(shù)的BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成之后，先將盾構(gòu)施工掘進(jìn)參數(shù)、隧洞拱頂沉降量的原始觀測(cè)數(shù)據(jù)統(tǒng)一進(jìn)行歸一化處理，消除了各變量的單位量綱，再將總推力、刀盤扭矩、刀盤轉(zhuǎn)速、泥水倉(cāng)泥水壓力、油缸行程差等13個(gè)掘進(jìn)參數(shù)作為輸入?yún)?shù)，利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型，分別以10%、15%、20%的MIV調(diào)節(jié)率，對(duì)隧洞拱頂沉降分別進(jìn)行了154次MIV測(cè)試實(shí)驗(yàn)，計(jì)算結(jié)果如表3所示。

表3 不同調(diào)節(jié)率下掘進(jìn)參數(shù)MIV變化情況

將總推力、刀盤扭矩、刀盤轉(zhuǎn)速、泥水倉(cāng)泥水壓力、油缸行程差、貫入度等13個(gè)掘進(jìn)參數(shù)依次編為1～13號(hào)影響因子，根據(jù)表3中的MIV值分別繪制不同調(diào)節(jié)率下MIV值變化曲線，如圖4所示。

由圖4可以看出，在不同MIV調(diào)節(jié)率下，總推力、刀盤扭矩、泥水倉(cāng)泥水壓力等13個(gè)掘進(jìn)參數(shù)對(duì)拱頂沉降的影響趨勢(shì)基本保持不變，同時(shí)，根據(jù)MIV計(jì)算結(jié)果顯示，刀盤扭矩、總推力、泥水倉(cāng)泥水壓力以及千斤頂鉸接壓力對(duì)應(yīng)的影響權(quán)重值較大，是對(duì)隧洞拱頂沉降影響最為顯著的關(guān)鍵掘進(jìn)參數(shù)，且總推力、刀盤扭矩與隧洞拱頂沉降量呈正相關(guān)，泥水倉(cāng)泥水壓力、千斤頂鉸接壓力與拱頂沉降量呈負(fù)相關(guān)。通常情況下總推力、刀盤扭矩規(guī)律一致，二者較大會(huì)導(dǎo)致盾構(gòu)機(jī)姿態(tài)難以控制甚至偏離隧洞設(shè)計(jì)軸線，造成較大的拱頂沉降量；盾構(gòu)始發(fā)段地層條件較好，土層有自穩(wěn)能力，較大的泥水倉(cāng)壓力、千斤頂鉸接壓力能在確保盾構(gòu)掘進(jìn)安全的條件下，控制盾構(gòu)機(jī)姿態(tài)，從而減小拱頂沉降。因而，適當(dāng)減少掘進(jìn)過程中總推力及刀盤扭矩，并提高泥水倉(cāng)泥水壓力、千斤頂鉸接壓力，可有效控制拱頂沉降，保證施工質(zhì)量。

圖4 不同調(diào)節(jié)率下各影響因子對(duì)輸出參數(shù)影響權(quán)重變化曲線

3 掘進(jìn)參數(shù)最優(yōu)分布及其分析

為獲得與復(fù)合地層相適應(yīng)的掘進(jìn)參數(shù)取值范圍，從而更好地指導(dǎo)海底排水隧洞工程施工，結(jié)合目前現(xiàn)場(chǎng)提供的實(shí)測(cè)數(shù)據(jù)，對(duì)2.2節(jié)分析得到的4個(gè)關(guān)鍵掘進(jìn)參數(shù)進(jìn)行統(tǒng)計(jì)分析，包括刀盤扭矩、總推力、泥水倉(cāng)泥水壓力以及千斤頂鉸接壓力。

以刀盤扭矩為例，選取盾構(gòu)始發(fā)段中風(fēng)化花崗巖、微風(fēng)化花崗巖交匯的復(fù)合地層為基礎(chǔ)，利用所開發(fā)掘進(jìn)參數(shù)優(yōu)化分析程序，對(duì)目前已經(jīng)施工完成的、現(xiàn)場(chǎng)提供的第40～285環(huán)每環(huán)的刀盤扭矩平均值進(jìn)行統(tǒng)計(jì)分析及最優(yōu)分布擬合，擬合結(jié)果如圖5、圖6所示?？梢钥闯觯谥酗L(fēng)化花崗巖與微風(fēng)化花崗巖交匯的復(fù)合地層中，刀盤扭矩的最優(yōu)分布為極值Ⅱ型分布(對(duì)應(yīng)的最小AIC值為0.006 58)，同時(shí)由樣本估計(jì)總體，以50%置信水平的置信區(qū)間[1.605，1.632] MN·m作為刀盤扭矩取值的控制區(qū)間，即在盾構(gòu)施工過程中，刀盤扭矩值控制在此區(qū)間能較好地適應(yīng)復(fù)合地層，減小拱頂沉降量，提高施工質(zhì)量。以90%置信水平的置信區(qū)間[1.586，1.651] MN·m作為刀盤扭矩取值的預(yù)警區(qū)間，即刀盤扭矩超過此區(qū)間，可能會(huì)發(fā)生較大的拱頂沉降，盾構(gòu)施工效果較差。

圖6 刀盤扭矩?cái)?shù)據(jù)的最優(yōu)分布

同理可對(duì)其他關(guān)鍵掘進(jìn)參數(shù)做分布擬合和統(tǒng)計(jì)分析，總推力、泥水倉(cāng)泥水壓力及千斤頂鉸接壓力的最優(yōu)擬合結(jié)果如圖7所示，所有關(guān)鍵參數(shù)的統(tǒng)計(jì)分析結(jié)果列于表4。

表4 關(guān)鍵掘進(jìn)參數(shù)統(tǒng)計(jì)分析結(jié)果

注：1 bar=100 kPa。

圖7 其他關(guān)鍵掘進(jìn)參數(shù)的最優(yōu)分布

現(xiàn)場(chǎng)盾構(gòu)始發(fā)段地層后續(xù)施工(第286～330環(huán)管片)的關(guān)鍵掘進(jìn)參數(shù)已采用上述計(jì)算得到的50%置信水平下的控制區(qū)間進(jìn)行施工。整理已經(jīng)掘進(jìn)完成的第286環(huán)之后的資料，共獲得15組適用數(shù)據(jù)，統(tǒng)計(jì)出后續(xù)施工過程中的隧洞拱頂沉降，管片環(huán)縫、縱縫錯(cuò)臺(tái)量的平均值，管片收斂變形值，并繪制成如圖8所示的變化曲線。從圖8可以看出，隧洞拱頂沉降，管片收斂變形及管片錯(cuò)臺(tái)量已控制在較小的范圍且基本保持穩(wěn)定，反映出后續(xù)施工盾構(gòu)效果較好，施工質(zhì)量較高，所提出的關(guān)鍵掘進(jìn)參數(shù)控制區(qū)間及預(yù)警區(qū)間能有效地指導(dǎo)盾構(gòu)施工。

圖8 隧洞拱頂沉降、管片收斂變形及管片錯(cuò)臺(tái)量變化曲線

4 結(jié)論

考慮海底排水隧洞盾構(gòu)施工地層變化頻繁、復(fù)合交互的工程實(shí)際，基于MIV-BP模型、AIC準(zhǔn)則的掘進(jìn)參數(shù)選取及最優(yōu)分布確定方法，提出了以50%和90%置信水平下的置信區(qū)間，分別作為掘進(jìn)參數(shù)的控制區(qū)間和預(yù)警區(qū)間的掘進(jìn)參數(shù)優(yōu)化設(shè)計(jì)方案，并完成了相應(yīng)程序的開發(fā)工作。通過以上研究，得到以下主要結(jié)論。

(1)提出的基于MIV-BP模型的關(guān)鍵掘進(jìn)參數(shù)選擇方法，有效的建立了盾構(gòu)施工過程中掘進(jìn)參數(shù)預(yù)測(cè)模型，同時(shí)依托于掘進(jìn)參數(shù)對(duì)隧洞拱頂沉降的影響顯著性分析，成功提煉出盾構(gòu)施工過程中的關(guān)鍵掘進(jìn)參數(shù)：刀盤扭矩、總推力、泥水倉(cāng)泥水壓力、千斤頂鉸接壓力。

(2)基于AIC準(zhǔn)則的關(guān)鍵掘進(jìn)參數(shù)最優(yōu)分布的確定方法，能準(zhǔn)確獲得關(guān)鍵掘進(jìn)參數(shù)服從的最優(yōu)分布，并在此基礎(chǔ)上提出的掘進(jìn)參數(shù)控制區(qū)間(50%的置信水平)和預(yù)警區(qū)間(90%的置信水平)，規(guī)定了相應(yīng)復(fù)合地層下掘進(jìn)參數(shù)的合理取值范圍，及時(shí)有效指導(dǎo)施工，控制隧洞拱頂沉降。

(3)工程實(shí)例的分析表明，本文所開發(fā)的掘進(jìn)參數(shù)優(yōu)化分析程序具有良好的統(tǒng)計(jì)分析、快速指導(dǎo)施工的功能，重點(diǎn)考慮了施工現(xiàn)場(chǎng)地層復(fù)雜、復(fù)合交互的問題，對(duì)隧洞拱頂沉降進(jìn)行了有效的控制，保證施工質(zhì)量，可以為同類型盾構(gòu)在相似復(fù)合地層下關(guān)鍵掘進(jìn)參數(shù)的選取、優(yōu)化和隧洞拱頂沉降控制提供施工實(shí)時(shí)指導(dǎo)。