基于ABC-BP神經(jīng)網(wǎng)絡(luò)的地鐵盾構(gòu)地表沉降預(yù)測(cè)

朱 誠(chéng), 王昭敏, 隆 鋒, 李福東, 豐土根, 張 箭

(1.河海大學(xué)巖土力學(xué)與堤壩工程教育部重點(diǎn)實(shí)驗(yàn)室,江蘇 南京 210098;2.中交第二公路勘察設(shè)計(jì)研究院有限公司,湖北 武漢 430058;3.中交隧道工程局有限公司,北京 100102; 4.中交二公局第四工程有限公司,河南 洛陽(yáng) 471013)

地鐵盾構(gòu)施工主要在繁華市區(qū),下穿、側(cè)穿地面較多建(構(gòu))筑物及管線,施工條件復(fù)雜。目前,盾構(gòu)施工通過(guò)地表沉降監(jiān)測(cè)來(lái)掌握開(kāi)挖時(shí)周邊變形情況,但由于監(jiān)測(cè)頻率較低及地表沉降監(jiān)測(cè)存在一定滯后性,無(wú)法實(shí)時(shí)獲取地表沉降以評(píng)價(jià)相應(yīng)掘進(jìn)參數(shù)調(diào)整的合理性。因此,對(duì)地表沉降實(shí)時(shí)預(yù)測(cè)及根據(jù)預(yù)測(cè)結(jié)果提前調(diào)整施工參數(shù)至關(guān)重要。

盾構(gòu)施工地表沉降預(yù)測(cè)方法主要包括經(jīng)驗(yàn)公式[1]、隨機(jī)統(tǒng)計(jì)模型[2]及數(shù)值模擬方法[3]等。經(jīng)驗(yàn)公式主要采用peck公式、有限單元法、隨機(jī)介質(zhì)理論等。隨機(jī)統(tǒng)計(jì)模型主要有回歸分析模型、時(shí)間序列模型和灰色模型?；貧w分析模型通過(guò)擬合數(shù)學(xué)表達(dá)式進(jìn)行地表沉降預(yù)測(cè);時(shí)間序列模型通過(guò)歷史數(shù)據(jù)預(yù)測(cè)未來(lái)變化趨勢(shì);灰色模型則以時(shí)間序列出發(fā),尋找因素之間的關(guān)系,依次累加實(shí)現(xiàn)非線性到線性的轉(zhuǎn)化,從而預(yù)測(cè)地表沉降。數(shù)值模擬通過(guò)分析地層參數(shù)與掘進(jìn)參數(shù)對(duì)地表沉降的影響,進(jìn)而預(yù)測(cè)不同地層條件與掘進(jìn)參數(shù)對(duì)應(yīng)的地表沉降量。上述方法均存在一定的局限性,如:經(jīng)驗(yàn)公式需要針對(duì)不同地區(qū)提出修正公式;數(shù)值模擬計(jì)算依賴于地層力學(xué)參數(shù)與本構(gòu)關(guān)系的正確選取;時(shí)間序列預(yù)測(cè)模型無(wú)法反映地表沉降與地層條件之間關(guān)系,預(yù)測(cè)精度依賴于歷史數(shù)據(jù)等。

近年來(lái),隨著我國(guó)大數(shù)據(jù)和5G技術(shù)的發(fā)展[4-8],結(jié)合人工智能解決城市隧道盾構(gòu)工程問(wèn)題已成為必然趨勢(shì)。隨著人們對(duì)神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究越來(lái)越深入,各類人工智能優(yōu)化算法得到突飛猛進(jìn)的發(fā)展[9],采用機(jī)器學(xué)習(xí)方法對(duì)盾構(gòu)地表沉降預(yù)測(cè)成為主流。林廣東等[10]基于時(shí)空特征區(qū)域神經(jīng)網(wǎng)絡(luò)對(duì)隧道地表沉降進(jìn)行預(yù)測(cè),預(yù)測(cè)值與實(shí)際值趨勢(shì)基本一致;易黃智等[11]基于遺傳算法GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò),構(gòu)建了GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行變形預(yù)測(cè),具有較高的預(yù)測(cè)精度及穩(wěn)定性;劉春梅等[12]采用K均值聚類算法改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)用于基坑開(kāi)挖地表沉降預(yù)測(cè)分析,具有較好的預(yù)測(cè)精度;喬金麗等[13]采用變步長(zhǎng)方法篩選影響地表沉降因素,構(gòu)建BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果一致;郭子奇等[14]采用粒子群算法(PSO)優(yōu)化BP神經(jīng)網(wǎng)絡(luò),構(gòu)建基于PSO-BP神經(jīng)網(wǎng)絡(luò)的土體參數(shù)與地表沉降預(yù)測(cè)模型;陳柚州等[15]基于人工蜂群算法ABC優(yōu)化小波神經(jīng)網(wǎng)絡(luò),并對(duì)地鐵隧道沉降進(jìn)行了預(yù)測(cè);宮思藝等[16]通過(guò)構(gòu)建BP-SVR模型預(yù)測(cè)距開(kāi)挖面不同距離處的地面沉降量,具有較高預(yù)測(cè)精度;任松等[17]基于遺傳算法GA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了隧道開(kāi)挖時(shí)的地表沉降。

目前人工神經(jīng)網(wǎng)絡(luò)能夠很好地預(yù)測(cè)地表沉降,許多學(xué)者通過(guò)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)對(duì)盾構(gòu)地表沉降進(jìn)行預(yù)測(cè),并采用優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)以提高預(yù)測(cè)精度。在此基礎(chǔ)上,實(shí)現(xiàn)通過(guò)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型指導(dǎo)現(xiàn)場(chǎng)施工,開(kāi)展以沉降控制為目標(biāo)的盾構(gòu)掘進(jìn)參數(shù)選取指導(dǎo)是研究的最終目的。鑒于此,本文同時(shí)考慮地層參數(shù)和盾構(gòu)掘進(jìn)參數(shù)兩類影響地表變形的因素,構(gòu)建了采用人工蜂群(artificial bee colony,ABC)算法優(yōu)化的地表變形BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型(以下簡(jiǎn)稱“ABC-BP神經(jīng)網(wǎng)絡(luò)模型”),并結(jié)合現(xiàn)場(chǎng)連續(xù)3個(gè)斷面地表變形數(shù)據(jù),研究盾構(gòu)掘進(jìn)地表變形全過(guò)程演變規(guī)律,提出了適用于指導(dǎo)施工的神經(jīng)網(wǎng)絡(luò)應(yīng)用思路,以期實(shí)現(xiàn)施工前的超前預(yù)測(cè),為該類工程的安全保障提供參考。

1 ABC-BP神經(jīng)網(wǎng)絡(luò)模型

1.1 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)具備良好的非線性映射能力、自學(xué)習(xí)適應(yīng)能力和并行信息處理能力,主要由輸入層、隱含層、輸出層組成。輸入層輸入信號(hào)通過(guò)連接權(quán)傳遞至隱含層再傳遞至輸出層,實(shí)現(xiàn)輸入信號(hào)的輸出。如果輸出值與希望輸出值間的誤差超出期望范圍,則通過(guò)反向傳播算法更新修正連接權(quán),再正向傳播輸出。正向傳播與反向傳播反復(fù)進(jìn)行,直至輸出希望值,完成網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí),即可用于預(yù)測(cè)分析。

BP神經(jīng)網(wǎng)絡(luò)反向傳播采用梯度下降法,使誤差函數(shù)達(dá)到最小值。BP算法易陷入局部最小值,使其訓(xùn)練精度不高,因此采用ABC算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),建立ABC-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)盾構(gòu)地表沉降。

1.2 ABC算法

ABC算法[18]是一種模擬蜜蜂高效采集優(yōu)質(zhì)蜜源而形成的全局尋優(yōu)求解的搜索算法,主要由引領(lǐng)蜂、跟隨蜂、偵查蜂組成。尋優(yōu)過(guò)程可分為3個(gè)階段,引領(lǐng)蜂階段、跟隨蜂階段、偵查蜂階段。在三階段開(kāi)始前進(jìn)行參數(shù)調(diào)整,主要包括種群數(shù)N、最大迭代次數(shù)M、局部最優(yōu)解評(píng)判參數(shù)L1、搜索空間上限參數(shù)xj和下限參數(shù)nj、求解維度D等。一般定義種群數(shù)中的引領(lǐng)蜂數(shù)量和跟隨蜂數(shù)量各占蜂群的一半且等于蜜源的數(shù)量,即一個(gè)引領(lǐng)蜂搜索采集一個(gè)蜜源。

1.2.1 引領(lǐng)蜂階段

dij=nj+rand(0,1)(xj-nj)

(1)

(2)

(3)

式中fi為目標(biāo)函數(shù)數(shù)值。

1.2.2 跟隨蜂階段

采用輪盤賭方式隨機(jī)選取一個(gè)蜜源dij,然后用貪婪方式進(jìn)行蜜源位置更新,若蜜源dij更新時(shí)采用式(4)進(jìn)行,周圍沒(méi)有更優(yōu)解,則記錄蜜源停滯次數(shù)。

eij=dij+φ(dij-dkj) (k=1,2,…,N;k≠i)

(4)

式中:φ為取值在[-1,1]的隨機(jī)數(shù);dkj為鄰域蜜源。

1.2.3 偵查蜂階段

遍歷種群看是否有蜜源dij停滯沒(méi)有更新,即記錄試驗(yàn)次數(shù)(T)大于等于L1,則該蜜源dij將被舍棄,此時(shí)偵查蜂采用式(5)隨機(jī)產(chǎn)生一個(gè)新的蜜源dij,t+1位置替代,然后再重復(fù)引領(lǐng)蜂階段,直到找到最優(yōu)解。

(5)

引領(lǐng)蜂階段、跟隨蜂階段、偵查蜂階段3個(gè)階段環(huán)環(huán)相扣,引領(lǐng)蜂用于維持優(yōu)良解,跟隨蜂用于提高收斂速度,偵查蜂用于增強(qiáng)擺脫局部最優(yōu)的能力。算法計(jì)算過(guò)程中,需要記錄最大迭代次數(shù)M,以及達(dá)到的允許誤差。

2 工程實(shí)例驗(yàn)證

2.1 工程概況

南京地鐵6號(hào)線十月廣場(chǎng)站至金陵石化站,全長(zhǎng)4007.821m,全線采用地下敷設(shè)方式。地鐵隧道施工下穿地層主要包括中風(fēng)化泥質(zhì)砂巖、強(qiáng)風(fēng)化安山巖、中風(fēng)化安山巖和粉質(zhì)黏土等,其中復(fù)合地層區(qū)段主要由中風(fēng)化泥質(zhì)砂巖與強(qiáng)風(fēng)泥質(zhì)砂巖復(fù)合,強(qiáng)風(fēng)泥質(zhì)砂巖與粉質(zhì)黏土復(fù)合。根據(jù)縱斷面勘察可知,盾構(gòu)隧道施工主要可分為3種地層:中風(fēng)化泥質(zhì)砂巖,“上軟下硬”地層,粉質(zhì)黏土地層(圖1)。

圖1 工程縱斷面

盾構(gòu)施工采用鐵建重工生產(chǎn)的土壓平衡盾構(gòu)機(jī),盾構(gòu)管片外徑為6200mm,內(nèi)徑為5500mm,厚為350mm,環(huán)寬度為1200mm。盾構(gòu)機(jī)主驅(qū)動(dòng)為液壓驅(qū)動(dòng)方式,刀盤開(kāi)口率為38%,轉(zhuǎn)速可調(diào)范圍0～3.44r/min ,標(biāo)準(zhǔn)扭矩6841kN·m,脫困扭矩8684kN·m,最大推力42575kN。

2.2 監(jiān)測(cè)方案

由南京地鐵6號(hào)線盾構(gòu)區(qū)間工程實(shí)測(cè)資料及監(jiān)測(cè)方案可知,盾構(gòu)始發(fā)與接收端50環(huán)內(nèi)地表沉降監(jiān)測(cè)斷面布設(shè)間距為5m,50～100環(huán)內(nèi)地表沉降監(jiān)測(cè)斷面間距為20m,100環(huán)外布設(shè)間距為40m(圖2)。當(dāng)盾構(gòu)機(jī)掘進(jìn)至開(kāi)挖面距離監(jiān)測(cè)點(diǎn)50環(huán)時(shí),斷面監(jiān)測(cè)開(kāi)始記錄;盾構(gòu)機(jī)掘進(jìn)至過(guò)監(jiān)測(cè)點(diǎn)60環(huán)停止記錄。即斷面監(jiān)測(cè)點(diǎn)從盾構(gòu)開(kāi)挖面前方50環(huán)內(nèi)開(kāi)始監(jiān)測(cè)至盾構(gòu)穿過(guò)斷面,斷面至盾構(gòu)開(kāi)挖面后方60環(huán)內(nèi)監(jiān)測(cè)完成,為斷面監(jiān)測(cè)全周期。

圖2 盾構(gòu)斷面布置

為保證監(jiān)測(cè)斷面地表沉降點(diǎn)監(jiān)測(cè)的連續(xù)性,基于現(xiàn)場(chǎng)施工監(jiān)測(cè)方案,選取圖2監(jiān)測(cè)斷面15～18區(qū)間的沉降點(diǎn)DB78-08、DB79-08、DB80-08、DB81-08、DB82-08的監(jiān)測(cè)數(shù)據(jù)進(jìn)行整理,完整選取以上斷面全周期地表沉降監(jiān)測(cè)日?qǐng)?bào)數(shù)據(jù),用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)預(yù)測(cè)分析。其中,斷面78沉降點(diǎn)DB78-08共有33組數(shù)據(jù),斷面79沉降點(diǎn)DB79-08共有30組,斷面80沉降點(diǎn)DB80-08共有26組,斷面81沉降點(diǎn)DB81-08共有28組,斷面82沉降點(diǎn)DB82-08共有25組,斷面地表沉降點(diǎn)為累計(jì)沉降值。

2.3 ABC-BP神經(jīng)網(wǎng)絡(luò)參數(shù)確定

a.輸入?yún)?shù)與輸出參數(shù)。地表沉降影響因素主要考慮地層參數(shù)與盾構(gòu)掘進(jìn)參數(shù)。地層參數(shù)包括土層壓縮模量、黏聚力、內(nèi)摩擦角、土層厚度、天然容重等5個(gè)參數(shù)。掘進(jìn)參數(shù)主要考慮刀盤扭矩、總推力、土倉(cāng)壓力、同步注漿量等4個(gè)參數(shù)。在掘進(jìn)過(guò)程中,監(jiān)測(cè)斷面與盾構(gòu)開(kāi)挖面的距離L不斷變化,因此L也是地表沉降影響因素之一。因此,輸入?yún)?shù)共有10個(gè)參數(shù),輸出參數(shù)為地表沉降。

b.隱含層節(jié)點(diǎn)數(shù)。隱含層節(jié)點(diǎn)數(shù)會(huì)直接影響神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度,根據(jù)研究[19],一層隱含層足以表達(dá)網(wǎng)絡(luò)精度,單層隱含層節(jié)點(diǎn)數(shù)根據(jù)經(jīng)驗(yàn)公式確定。

c.人工蜂群算法參數(shù)。ABC算法最優(yōu)參數(shù):蜂群大小為200,引領(lǐng)蜂和跟隨蜂數(shù)量各為100,最大迭代次數(shù)為300,求解維度D=253,搜索空間范圍nj=-10、xj=10,單個(gè)蜜源最大開(kāi)采次數(shù)為5。BP神經(jīng)網(wǎng)絡(luò)最優(yōu)參數(shù):最大迭代次數(shù)為700,學(xué)習(xí)率為0.01,迭代精度為10-3。

對(duì)未掘進(jìn)段斷面地表沉降進(jìn)行預(yù)測(cè)后,需與現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比分析,并采用相關(guān)系數(shù)R和均方根誤差RMSE評(píng)價(jià)模型的泛化能力。

2.4 地表沉降預(yù)測(cè)

選取沉降點(diǎn)DB78-08、DB79-08、DB80-08、DB81-08、DB82-08的監(jiān)測(cè)數(shù)據(jù)進(jìn)行模型驗(yàn)證。通過(guò)對(duì)多斷面的地表沉降進(jìn)行分析發(fā)現(xiàn),受掘進(jìn)參數(shù)和地層條件影響,相鄰斷面地表沉降趨勢(shì)基本一致,因此用與預(yù)測(cè)斷面前相鄰兩斷面作為訓(xùn)練集,預(yù)測(cè)結(jié)果更具有代表性,即預(yù)測(cè)斷面80時(shí),用斷面78和79的數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)。按照同樣方法,對(duì)斷面81和斷面82進(jìn)行預(yù)測(cè),驗(yàn)證對(duì)比ABC-BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度。

由于斷面78、79、80的監(jiān)測(cè)數(shù)據(jù)有部分為同一時(shí)間監(jiān)測(cè),若將數(shù)據(jù)按監(jiān)測(cè)時(shí)間排列,會(huì)使數(shù)據(jù)點(diǎn)的位置重復(fù),造成數(shù)據(jù)雜亂,不能直觀地發(fā)現(xiàn)數(shù)據(jù)規(guī)律。借鑒鐘國(guó)強(qiáng)等[20]數(shù)據(jù)處理的方法:首先對(duì)斷面78監(jiān)測(cè)全過(guò)程按時(shí)間順序進(jìn)行排序,再將斷面79監(jiān)測(cè)全過(guò)程按時(shí)間進(jìn)行排序,選取樣本為斷面監(jiān)測(cè)周期中測(cè)點(diǎn)開(kāi)挖面位于測(cè)點(diǎn)前至盾構(gòu)掘進(jìn)到開(kāi)挖面位于測(cè)點(diǎn)后這一過(guò)程中,開(kāi)挖面地層參數(shù)、該環(huán)掘進(jìn)參數(shù)與測(cè)點(diǎn)處累計(jì)沉降所構(gòu)成的數(shù)據(jù)集?？v坐標(biāo)為累計(jì)地表沉降累計(jì)值,橫坐標(biāo)為樣本序號(hào)。

2.4.1 斷面80地表沉降預(yù)測(cè)

斷面80施工前,用沉降點(diǎn)DB78-08、DB79-08的地表沉降監(jiān)測(cè)數(shù)據(jù)訓(xùn)練ABC-BP神經(jīng)網(wǎng)絡(luò)模型,然后預(yù)測(cè)盾構(gòu)掘進(jìn)時(shí)DB80-08的地表沉降。盾構(gòu)時(shí),產(chǎn)生新的數(shù)據(jù),導(dǎo)入模型進(jìn)行補(bǔ)充完善,再進(jìn)行訓(xùn)練預(yù)測(cè),并根據(jù)ABC-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值及時(shí)調(diào)整現(xiàn)場(chǎng)施工參數(shù),優(yōu)化施工方案,進(jìn)行信息化施工,有效指導(dǎo)施工。

由圖3(圖3～9中橫軸為該監(jiān)測(cè)斷面開(kāi)始監(jiān)測(cè)至結(jié)束所記錄的樣本序號(hào))可知,ABC-BP神經(jīng)網(wǎng)絡(luò)模型擬合效果更佳,BP神經(jīng)網(wǎng)絡(luò)模型會(huì)產(chǎn)生跳躍點(diǎn),表明BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練擬合具有不穩(wěn)定性。ABC-BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果:R=0.996,RMSE=4.052mm;BP網(wǎng)絡(luò)模型訓(xùn)練結(jié)果:R=0.956,RMSE=7.834mm。整體而言,在訓(xùn)練集上,ABC-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)斷面78、79擬合效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。

圖3 DB78-08、DB79-08地表沉降訓(xùn)練結(jié)果

由圖4可知,斷面80地表沉降預(yù)測(cè)值大部分與實(shí)測(cè)值接近,最大誤差不超過(guò)1mm。ABC-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果RMSE=2.1738mm,R=0.988,BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果RMSE=3.0364mm,R=0.972,ABC-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò),也證明了ABC算法提高了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度。

圖4 DB80-08地表沉降預(yù)測(cè)結(jié)果

2.4.2 斷面81地表沉降預(yù)測(cè)

收集斷面79、80地表沉降監(jiān)測(cè)數(shù)據(jù),重新對(duì)ABC-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí),同時(shí),盾構(gòu)產(chǎn)生的新數(shù)據(jù),不斷導(dǎo)入模型訓(xùn)練,及時(shí)更新ABC-BP神經(jīng)網(wǎng)絡(luò),可有效保證模型預(yù)測(cè)精度。由圖5可知,ABC-BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果為R=0.992,RMSE=5.231mm,BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果為R=0.979,RMSE=6.654mm,在訓(xùn)練集上,ABC-BP神經(jīng)網(wǎng)絡(luò)的擬合效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

圖5 DB79-08、DB80-08地表沉降訓(xùn)練結(jié)果

由圖6可知,斷面81地表沉降預(yù)測(cè)趨勢(shì)與現(xiàn)場(chǎng)實(shí)測(cè)趨勢(shì)基本一致,反映了神經(jīng)網(wǎng)絡(luò)具有很好的跟蹤精度,較為完整地還原了現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)的變化規(guī)律,預(yù)測(cè)值與真實(shí)值最大誤差不超過(guò)1.5mm。ABC-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果R=0.988,RMSE=4.635mm,BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果R=0.975,RMSE=5.962mm,ABC-BP預(yù)測(cè)效果也優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

圖6 DB81-08地表沉降預(yù)測(cè)結(jié)果

2.4.3 斷面82地表沉降預(yù)測(cè)

收集斷面80、81地表沉降監(jiān)測(cè)數(shù)據(jù),重新訓(xùn)練ABC-BP神經(jīng)網(wǎng)絡(luò)模型,預(yù)測(cè)斷面82地表沉降。由圖7可知,ABC-BP模型訓(xùn)練結(jié)果R=0.994,RMSE=5.034mm,BP模型訓(xùn)練結(jié)果R=0.945mm,RMSE=8.752mm,在訓(xùn)練集上,ABC-BP神經(jīng)網(wǎng)絡(luò)模型的擬合效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。

圖7 DB80-08、DB81-08地表沉降訓(xùn)練結(jié)果

由圖8可知,ABC-BP神經(jīng)網(wǎng)絡(luò)模型能夠很好地?cái)M合斷面82地表沉降預(yù)測(cè)值,與實(shí)測(cè)值最大誤差不超過(guò)1.5mm。同時(shí),ABC-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果為R=0.976,RMSE=4.636mm,而B(niǎo)P神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果為R=0.942,RMSE=7.062mm,因此,ABC-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。

圖8 DB82-08地表沉降預(yù)測(cè)結(jié)果

綜上,ABC-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。單個(gè)斷面進(jìn)行預(yù)測(cè)時(shí),ABC-BP神經(jīng)網(wǎng)絡(luò)模型與BP神經(jīng)網(wǎng)絡(luò)模型相比優(yōu)勢(shì)不明顯;但對(duì)于連續(xù)斷面進(jìn)行預(yù)測(cè)時(shí),斷面82的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)開(kāi)始偏離現(xiàn)場(chǎng)實(shí)測(cè)值,預(yù)測(cè)趨勢(shì)與實(shí)測(cè)值偏離較大,存在不穩(wěn)定性,可能會(huì)對(duì)現(xiàn)場(chǎng)施工帶來(lái)安全隱患。ABC-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)連續(xù)斷面的預(yù)測(cè)穩(wěn)定性提高,預(yù)測(cè)精度提高,預(yù)測(cè)收斂速度提高,其預(yù)測(cè)性能遠(yuǎn)遠(yuǎn)高于BP模型。

3 L對(duì)地表沉降S的影響

地表沉降是動(dòng)態(tài)過(guò)程[21],是測(cè)點(diǎn)前后一定范圍內(nèi)掘進(jìn)參數(shù)與地層參數(shù)相互作用的結(jié)果,采用盾構(gòu)開(kāi)挖面到監(jiān)測(cè)斷面的距離L描述盾構(gòu)動(dòng)態(tài)施工對(duì)測(cè)點(diǎn)地表沉降影響,不同的L對(duì)地表沉降S產(chǎn)生不同影響,以下分析L與S的關(guān)聯(lián)性。斷面78～82的L與S關(guān)系如圖9所示。

圖9 斷面78～82的L與S關(guān)系

由圖9(a)可知,地表變形(累計(jì)值)先隆起后沉降,斷面78地表沉降隆起峰值在L=0m處,符合現(xiàn)場(chǎng)施工規(guī)律,斷面78前3環(huán)表現(xiàn)形式為沉降,第4環(huán)表現(xiàn)為隆起,表明盾構(gòu)前4環(huán)掘進(jìn)參數(shù)匹配不合理,造成地表變形先沉降后隆起變化。同理,第19環(huán)產(chǎn)生隆起,表明施工中存在掘進(jìn)參數(shù)匹配相對(duì)不合理情況,導(dǎo)致地表沉降發(fā)生突變,對(duì)施工周邊建筑造成安全隱患。

由圖9(b)可知,斷面79地表沉降隆起峰值在L=0m處,符合現(xiàn)場(chǎng)施工規(guī)律,斷面79地表沉降存在較多跳躍點(diǎn),沉降后隆起,表明該斷面掘進(jìn)參數(shù)匹配相對(duì)不合理,可綜合分析不同掘進(jìn)參數(shù)對(duì)地表沉降影響,制定相應(yīng)的優(yōu)化方案。

由圖9(c)(d)(e)可知,斷面80、81、82地表沉降趨勢(shì)基本一致,先隆起后沉降,但地表隆起峰值相對(duì)L=0m處左移,提前達(dá)到隆起峰值。進(jìn)一步說(shuō)明斷面80、81、82掘進(jìn)參數(shù)匹配相對(duì)不合理,其中斷面82后期又產(chǎn)生隆起,并不符合現(xiàn)場(chǎng)規(guī)律,各斷面匹配的掘進(jìn)參數(shù)并不是最優(yōu),要使地表沉降達(dá)到最小,需進(jìn)行掘進(jìn)參數(shù)優(yōu)化。

斷面78～82與盾構(gòu)地表沉降關(guān)聯(lián)性分析可知,地表變形(累計(jì)值)先隆起后沉降,L近似直線分布,可以認(rèn)為盾構(gòu)開(kāi)挖過(guò)程近似勻速前進(jìn),有利于減小地表沉降。分析L可作為直觀判斷掘進(jìn)參數(shù)是否最優(yōu)的輔助手段,也進(jìn)一步說(shuō)明合理匹配掘進(jìn)參數(shù)對(duì)地表沉降控制而言至關(guān)重要。

4 討 論

第2.4節(jié)證明了ABC-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型,同時(shí)可通過(guò)地層參數(shù)和掘進(jìn)參數(shù)預(yù)測(cè)相應(yīng)的地表沉降。

如何采用ABC-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)地表沉降并指導(dǎo)現(xiàn)場(chǎng)施工,是需要解決的問(wèn)題。要實(shí)現(xiàn)現(xiàn)場(chǎng)施工應(yīng)用,需再構(gòu)建盾構(gòu)掘進(jìn)參數(shù)預(yù)測(cè)模型(簡(jiǎn)稱“模型A”),即構(gòu)建地層參數(shù)與掘進(jìn)參數(shù)非線性關(guān)系,通過(guò)地層條件預(yù)測(cè)相應(yīng)的掘進(jìn)參數(shù)。而評(píng)價(jià)掘進(jìn)參數(shù)預(yù)測(cè)是否合理,需要以地表沉降為評(píng)價(jià)指標(biāo),需通過(guò)ABC-BP神經(jīng)網(wǎng)絡(luò)地表沉降預(yù)測(cè)模型(簡(jiǎn)稱“模型B”)實(shí)現(xiàn),以模型A掘進(jìn)參數(shù)預(yù)測(cè)值作為模型B的輸入端,預(yù)測(cè)該掘進(jìn)參數(shù)條件下對(duì)應(yīng)的地表沉降變化值,進(jìn)而實(shí)現(xiàn)掘進(jìn)參數(shù)優(yōu)化。

對(duì)于盾構(gòu)后續(xù)段施工,需提前預(yù)測(cè)合理的掘進(jìn)參數(shù)以及地表沉降,開(kāi)展相關(guān)掘進(jìn)參數(shù)優(yōu)化方案研究。通過(guò)以上應(yīng)用流程可得到不同的掘進(jìn)參數(shù)下地表沉降取值范圍,使之既可以判斷該掘進(jìn)參數(shù)施工下的地表沉降發(fā)生范圍,還可根據(jù)地表沉降量進(jìn)行盾構(gòu)掘進(jìn)參數(shù)優(yōu)化,實(shí)現(xiàn)掘進(jìn)參數(shù)與地表沉降關(guān)聯(lián)性?；贏BC-BP神經(jīng)網(wǎng)絡(luò)模型現(xiàn)場(chǎng)施工應(yīng)用流程如圖10所示。

圖10 ABC-BP神經(jīng)網(wǎng)絡(luò)現(xiàn)場(chǎng)施工應(yīng)用流程

針對(duì)現(xiàn)場(chǎng)施工應(yīng)用存在問(wèn)題的解決方法:①對(duì)于無(wú)過(guò)往數(shù)據(jù)進(jìn)行訓(xùn)練導(dǎo)致數(shù)據(jù)集匱乏的問(wèn)題。ABC-BP神經(jīng)網(wǎng)絡(luò)模型現(xiàn)場(chǎng)前期應(yīng)用可基于大數(shù)據(jù)平臺(tái)類似數(shù)據(jù)分享,建立可具一定參考性的預(yù)測(cè)數(shù)據(jù),同時(shí)數(shù)值模擬也可在項(xiàng)目前期進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集,對(duì)比分析預(yù)測(cè)結(jié)果,實(shí)現(xiàn)動(dòng)態(tài)預(yù)測(cè),以解決盾構(gòu)施工前期訓(xùn)練數(shù)據(jù)不足問(wèn)題。②模型A需要土層參數(shù)作為輸入,在面對(duì)復(fù)合地層時(shí),存在如何表征復(fù)合地層下土層參數(shù)的問(wèn)題?；谏窠?jīng)網(wǎng)絡(luò)現(xiàn)場(chǎng)應(yīng)用思路中提出的模型A輸入?yún)?shù)定義復(fù)合比概念,即盾構(gòu)開(kāi)挖面上下地層面積之比,地層輸入?yún)?shù)根據(jù)復(fù)合比采用加權(quán)后彈性模量、內(nèi)摩擦角、黏聚力等定義復(fù)合地層,使模型A具備復(fù)合地層條件預(yù)測(cè)功能。基于此,可加入更多參數(shù)定義完善神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在不同情景下預(yù)測(cè)準(zhǔn)確性。

5 結(jié) 論

a.利用人工蜂群算法ABC優(yōu)化BP神經(jīng)網(wǎng)絡(luò),有效解決了BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中容易陷入局部最小值問(wèn)題,同時(shí),對(duì)連續(xù)3個(gè)斷面地表沉降預(yù)測(cè)可知,ABC-BP神經(jīng)網(wǎng)絡(luò)模型穩(wěn)定性有顯著提高,預(yù)測(cè)效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型,在一定程度上克服了BP隨機(jī)初始化訓(xùn)練的缺點(diǎn)。

b.盾構(gòu)開(kāi)挖面到監(jiān)測(cè)斷面的距離L可以很好地反映盾構(gòu)施工地表沉降動(dòng)態(tài)變化過(guò)程,斷面地表沉降變化趨勢(shì)基本一致,先隆起后沉降,隆起峰值在L=0m處,可根據(jù)不同L處的地表沉降值直觀判斷掘進(jìn)參數(shù)是否最優(yōu)。

c.ABC-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)盾構(gòu)地表沉降具備現(xiàn)場(chǎng)應(yīng)用推廣能力,符合現(xiàn)場(chǎng)施工要求,基于此,提出了適應(yīng)于指導(dǎo)施工的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型應(yīng)用流程,可用于地鐵盾構(gòu)地表沉降預(yù)測(cè)。