軌道交通施工對地面的影響及其沉降變形監測

(成都理工大學 四川 成都 610000)

當城市軌道施工進行盾構施工或者開挖基礎時，會對周圍和上方的土體的土應力發生不可避免的影響，導致路面上方或周圍地形發生形變，有可能產生安全隱患或者發生塌方等危險。本文配合各大城市軌道交通的技術規范，重點研究城市軌道交通的建設對于原有城市路面的影響，以及對城市路面進行沉降變形監測以發現其形變規律并對其進行預測及其預警。

一、變形監測和沉降變形監測

變形監測是對被監測變形體進行測量來確定它的空間所在位置和它內部形態隨著時間變化的變化特性，又稱為變形觀測。在本文中，變形體指城市用于軌道施工的城市原有地面，研究其在軌道交通施工中因荷載的加重或者土應力改變造成的沉降變形。

沉降變形監測為變形監測中的一項重要監測內容，在許多的文獻資料中也叫做垂直位移監測或者沉降監測。實際施工的過程中，沉降表達的是一種向量，由于土應力的變化，建筑物體也可能出現上升的態勢，也同樣對建筑成果產生危害和安全隱患。所以在賦值時，差值為“+”時表示建筑物或者被監測物體的“下沉”，差值為“-”時表示建筑物或監測物體的“上升”。

二、沉降變形監測的數據處理

(一)監測數據的預處理。室內核檢工作分為原始控制數據的統計分析，原材料的檢驗，第一次數據的邏輯分析。如果當監測分析結果與真實值存在較大偏差時其可能的原因為出現大誤差或者粗差或監測體確實出現了較大的形變。

(二)監測網的數據處理。在監測網的數據處理中選擇平均間隙法進行處理，平均間隙法通過整體檢驗和不穩定點搜索這兩個步驟來確定整個監測網絡是否穩定。

整體檢驗。采用某兩個周期的成果數據進行的穩定性檢驗，按照自由網平差的方法進行平差，得出平差改正數后則可以計算單位權方差的估值，如果兩周期觀測點位沒有變動，那么可以從這兩個周期的坐標差 來計算另一方差的估值，利用F檢驗法，可組成統計量，再采用公式

P(F>F1-α(fΔx,f)/H0)=α

來檢測點位是否有變動，一般取0.05或0.01。當F小于相應分位值時，則認為點位是穩定的，如果大于相應分位值時，則認為兩次周期觀測變換了位置然后采取第二步搜索不穩定點。首先把數據分為穩定組和不穩定組，分別用W和B表示，穩定組里也可能有不穩定點，通過對穩定點的圖像的表現來檢驗穩定組里是否含有不穩定點。公式如下所示：

如果W1

(三)監測點的數據處理。變形監測點是數據的最基本的組成部分，在此文中將利用回歸分析法來解決監測點的數據處理問題。

回歸分析法是處理變量之間的關系的一種方法，是屬于數理統計范疇的一種運算形式，把我們所觀測的觀測物體作為所研究的一個系統，按照系統分析的方法，對變形體的各種變量，包括溫度濕度荷載等輸入進系統內部，作為自變量，將輸出的數值作為系統所在的因變量，通過對變形物體的長時間重復的大量觀測，可以大體的估算出其變形物體的形變量和變形因素之間的函數關系，通過函數的體現來預測未來的形變情況，從而進行變形預報。

回歸分析是研究因變量和很多個自變量之間的關系的過程。它的數學模型為

yt=β0+β1xt1+β2xt2+...+βpxtp+ξt

建立回歸方程y=xβ+ε，可以求得

因為之前的回歸方程不能確定是否y與x之間有無關系所以我們應對方程進行顯著性檢驗。我們假設不存在線性關系，則β為零向量，可求得統計量

如果假設成立，則F應當服從F(P,n-P-1)分布，則用下式檢驗

p{|F|≥F1-α,p,n-p-1|H0}=α

如果上式符合要求，則回歸方程式的顯著性就可以確定了。

回歸系數顯著性的檢驗。在回歸方程中，并不是每一個自變量都能夠和因變量有著顯著地影響，所以我們要剔除一些無用的或者影響效果不大的變量，此后建立一個更為簡單的回歸線性方程，這個過程就用到了回歸系數顯著性檢驗的方法。如果方程中的自變量對于因變量的作用不明顯，那我們就設這個變量系數βj為零，那么假設為H:βj=0，由模型求得

則檢驗假設的統計量為

(四)粗差檢驗與精度評定。在數據處理時，有些粗差我們難以判斷，所以我們利用統計學的范疇解決此類問題。我們把正態分布規定在一個區域，正態分布無限的接近于這兩個臨界值，如果數值超過此臨界值，那我們則認為超出臨界值的數值為粗差。應當給于剔除。可以使用萊茵達(3S)準則來進行粗差的剔除，原理為對某監測物觀測重復觀測m次，如果觀測誤差大于三倍標準偏差S時，則認為該數值為粗差，應給與剔除。

四、結論

本文通過傳統的變形監測和軌道交通施工的關系系統的給出了地下軌道交通施工對路面沉降影響和具體的數據處理流程，對以后城市軌道交通施工提供一定的理論幫助。通過此方法對某地的軌道交通施工變形監測后發現，軌道交通的建設尤其地下線路的建設還有具有一定的影響，因為路面以上修建架橋或者地下開挖隧道的原因，導致地面的荷載增大或者土應力變大，使城市表面路面出現變形沉降。對于此種方法，缺點在于需要大量的數據作為支撐，并且對數據的精度要求較高，可能需要涉及到整條線路的建設周期，對于人力物力的要求是一個不小的挑戰，也是未來此類方法的重點研究方向。