淺析深基坑變形監測與變形預測

田強

摘要：深基坑變形監測與變形預測在深基坑工程中是非常重要的，會受到開挖技術等的影響，結構的頂部極有可能會產生水平位移的現象。這樣就會造成一定的安全隱患，而且隨著時間的逐漸推移相應的曲線效應也會發生了變化，在這樣的情況下，就需要進行深基坑變形監測與變形預測。

關鍵詞：深基坑；變形監測；變形預測

我國城市化建設在逐漸的加快，建筑行業也得到了迅速的發展，深基坑工程的數量也在逐漸的增加，在深基坑施工的過程中，必須要重視相應的細節規劃，做好監測與變形預測工作，這樣才能夠有效地避免安全事故的發生，保證整個流程的規范性。本文就是對深基坑變形監測與變形預測進行分析，為相關的研究提供借鑒。

一、深基坑變形監測

（一）深基坑變形監測的主要原理。在進行深基坑施工的過程中，必須要結合相關的道路設施和建筑設施來進行施工，保證其周邊建筑物的安全穩定。監測系統必須要全面地對周圍的環境進行監測，能夠準確的掌握其受力變形情況和內部土體性質的變化。在施工的過程中，還要最大限度的滿足機械處理的要求，按照相應的實施標準來進行機械的處理，滿足深基坑施工的安全性。基坑結構的相應沉降標準在監測的過程中，必須要重視對觀測點設置和周邊位置的監測，監測的儀器也要使用測微儀，這樣才能夠進行綜合的分析。深基坑工程在進行變形監測的過程中，主要包括兩個方面的內容：一方面是沉降監測。在對基礎沉降進行監測的過程中一定要嚴格的按照相應的規范要求進行，在監測的過程中，一定要利用相同的設備和固定的線路來對同一位置進行監測，這樣就能夠最大限度的減少相應的監測誤差，使監測數據更加的準確。

（二）對基坑結構監測結果的相關研究。在對實際的位置進行監測的過程中，對獲取的監測數據要進行相應的整理，與基坑的沉降效果結合來制作曲線分布圖，對于時間作用和深度效應的綜合標準也必須要在相應的曲線圖中有所體現。相關人員在監測的過程中，要每隔三天進行一次曲線圖的繪制，這樣才能夠順利的對基坑結構進行監測，獲取準確的監測結果，對于后期的研究有著重要的參考價值。除此之外，還要對穩定標準和具體的規模進行衡量，如果出現問題就要及時的采取補救的措施，避免出現更大的安全事故。支護結構頂部成像效果在研究的過程中，對于所引起的地下水位的變化有著比較靈敏的沉降反應，相關的結構施工標，必須要根據具體的機械控標準來進行制定，還要充分的展現出止水帷幕措施的效果，這樣才能夠達到相關方案的要求。按照相應曲線圖的曲線形狀以及曲線斜率的變化情況來對標準指標進行確定，這樣就能夠降低沉降的速率，即使在基坑開挖之后的沉降量變得較大，那么基坑的變形趨勢也會比較平穩，這樣對于后期工作的開展是極為有利的。

二、變形預測

深基坑的變形預測可以利用灰色系統預測模型來進行，灰色系統模型經過了長期的發展，所研究的內容也變得更加的豐富。深基坑在進行變形監測的過程中，灰色系統是非常明顯的，因此，可以利用灰色系統來進行變形預測。在變形預測的過程中，需要對原始的時間序列進行一定的累加，這樣就會形成一個新的時間序列。在對這一事件序列進行研究的過程中需要利用一階線性微分方程來進行，按照這種方法計算出來的時間序列是有著一定的規律的，時間序列呈現指數變化的，預測的精度是極高的。深基坑自身有著模糊性和非線性的特征，灰色系統理論將隨機量控制在一定的范圍內，將這一隨機過程當做是在一定時區和一定服務區所變化的一系列的灰色過程，在對這些數據序列進行確定之后就可以進行建模預測。但是實際的工作中是很難的，利用常規的數學方法來進行輸入與輸出關系的確定極為困難，而神經網絡具有非線性和學習功能，這樣就對深基坑變形預測有著重要的影響，而且神經網絡的關系信息是不會被人為地主觀臆斷的，這樣就能夠準確的反應出整個控制系統的輸出與輸入信息，而且神經網絡的預測精度也較高，使用的是GM（1，1）模型來進行精度的檢驗的。

本文以某地的基坑監測項目所獲取的大量的實測數據為依托，引用本文所介紹的灰色模型、BP神經網絡模型、Elman神經網絡模型及灰色神經網絡組合模型對基坑變形監測數據進行擬合，并對預測結果進行對比分析。本章所使用的實測數據主要來源于基坑周邊環境沉降、樁頂水平位移、土體深層水平位移監測項目。分別應用以上幾種模型對基坑周邊環境沉降、樁頂水平位移、土體深層水平位移進行預測，所選取實測數據的監測點為位于基坑東側中部的D19號沉降監測點、基坑東側北部的X4號測斜孔、基坑北側東部的W12號樁頂水平位移監測點。

應用所選取的三種預測模型對基坑周邊環境沉降進行預測和分析，在具體操作中用到的沉降監測數據來源于基坑東側中部的D19號點。其中，對于灰色模型，本文主要建立等時距灰色GM（1，1）模型來對基坑的變形預測情況進行研究。選用現場所獲取的沉降監測數據17期，每期時間間隔為四天，所應用數據的日期范圍為2013年9月11日至2013年11月14日。在具體建模過程，選取前13期的監測數據來設計GM（1，1）模型，最后應用所建模型對剩下的四期監測數據進行擬合預測，并對模型的后驗差比值C進行檢驗，把獲得的預測結果與實際測量數值進行對比，并作出分析。

應用樣本數據建立BP神經網絡預測模型，應用此模型對時間序列數據進行預測。經研究，具體操作選用包括輸入層、隱含層及輸出層的三層網絡結構，隱含層神經元個數的確定是重中之重，通過反復進行測試，發現當隱含層節點個數取為15時神經網絡預測效果較好。

結論：本文主要較為深入的研究了深基坑工程施工過程中的變形監測及預測。通過對施工現場監測所得到的變形數據進行分析，參考最終的預測結果可以較為有效的對相關險情進行預警并及時采取相應的排險措施，以保證整個施工過程穩定有序的進行。

參考文獻

[1]何習平，華錫生，田林亞.基坑開挖引起的建筑物沉降多點灰色預測模型[J].路基工程.2007（04）

[2]李晶，吳啟勛.灰色神經網絡模型及其應用[J].計算機與應用化學.2007（08）

[3]李愛國，袁寶遠，陳艷國，趙燕容，任麗芳.灰色神經網絡在深基坑位移預測中的應用[J].人民黃河.2006（04）