复杂环境下地铁隧道盾构施工诱发地表土体变形的智能预测

韩业华

（中铁十六局集团有限公司，北京 100018）

0 引言

盾构隧道开挖工程技术要求较高，尤其在复杂的地质环境下，需要实时对开挖掌子面、土体沉降等进行监测，并以此调整盾构参数来满足规范要求。然而，传统反馈式监测手段往往具有一定的滞后性，无法适用于工程突发状况。鉴于盾构施工引起土体的变形是一个渐进过程，因此其随时间变化存在一定的演化规律，如果根据已有的监测结果，结合遗传算法[1]、禁忌算法[2]、神经网络[3]等智能算法对后续土体变形进行预测，变反馈式监测为前馈式控制，能显著降低工程突发事故发生概率，具有重要工程意义和社会效益。

目前，神经网络已在土木工程领域有一定的应用。周瑞忠和邱高翔[4]利用BP（Back Propagation）神经网络对已测得的基坑位移进行了参数反演。程龙飞和袁宝远[5]应用BP神经网络预测了基坑变形。齐干[6]利用BP神经网络对施工期间周围土体沉降进行了预测。殷晟泉[7]利用Elman动态神经网络对深基坑变形进行了预测。刘勇健[8]利用神经网络对高速公路地基的最终沉降进行了预测。杨涛等[9]建立BP沉降预测模型，能够利用短预压期的沉降预测长预压期的沉降。以上可见，神经网络在工程领域具有较高的可行性。

本文运用BP神经网络建立地铁隧道盾构施工诱发地表土体变形智能预测模型，结合现场实测沉降数据进行模型的训练、预测，并通过实测数据对模型预测精度进行验证。

1 工程条件

本工程位于杭富城际铁路11标，富阳区受降村黄沙畈以北。……