智能監測與數據預測技術在地鐵隧道中的應用

鞏 森 王 赟 葛素剛 付博學 張東明

(1.重慶大學資源與安全學院 重慶 400045；2.中鐵二十三局集團第六工程公司 重慶 401121)

1 引言

隨著我國國民經濟飛速發展，對出行的需求也越來越大，隧道修建數量也隨之增加，從而引發了一系列工程災難。2002年至2016年以來，我國大型地鐵線路隧道建設施工工程中的246起技術事故相關統計數據經李皓燃等[1]總結分析，得出我國地鐵線路隧道建設工程施工技術事故主要構成及發生的基本特征。汪成兵、朱合華[2]特別分析某隧道工程施工質量事故，并總結提出其兩個影響質量的主要因素。胡永利[3]研究了我國隧道暗挖工程施工中工程地質災害主要發生機理并總結提出其具體應對控制措施。隧道工程施工安全事故調查中的十大致命火災危險因素由宋寧強等[4]通過渝宜16條高速公路隧道的調查研究結果總結分析而來。近年來，隨著隧道施工量基數的增加，導致這類事故頻發，嚴重危害人們的生產生命。

通過監測數據，建立灰色模型來預測數據的變化，再進行數據擬合和精度修復，從而得到具體對應的巖石形變情況及以后的大體趨勢，為后續具體施工和方案設計提供支持[5-6]。

2 工程概況

重慶市軌道交通九號線中叢TBM區間工程位于蘭桂大道，本工程兩臺TBM區間線路自南向北為叢巖寺站始發到中央公園東站。TBM區間左線:ZDK38+137.576～ZDK36+192.363，長1 949.047 m；TBM區間右線:YDK38+164.3～YDK36+175.953，全長為1 949.086 m。區間掘進長度3 898.133 m，共計2 617環。該項目主要工程包括4個洞門和3個聯絡通道。TBM工程范圍衛星圖片見圖1。

圖1 TBM工程范圍衛星圖片

3 智能化監測設計

地表沉降監測:主要采用精密水準儀、銦尺等來測量各測點和基準點之間的相對高度差[7]。隧道監測斷面安裝1個單點沉降計和兩個隧道收斂計，見圖2、圖3。單點沉降計布置于拱頂位置，兩個收斂計在距離臺階開挖線1.5 m位置上，水平對齊，左右各1個[8]，每個監測斷面布置均相同。這些測量裝置和智能信息收集設備相連接，能夠快速便捷地收集相關監測數據[9]。

圖2 單點沉降計和測點布置

圖3 收斂計安裝示意

4 監測結果及分析

地表沉降監測項目分為左線地表沉降和右線地表沉降，測點數左線12個，本文主要闡述左線地表沉降情況；凈空收斂和拱頂沉降以隧道人防段數據進行分析。采用無線智能數據收集模式，數據收集頻率可根據實際工程現場需求進行調整。隧道項目的數據收集頻率為每24 h采集1次。

4.1 地表沉降

在重慶地鐵9號線中叢區間外圍布設沉降測點，本文選擇左洞樁號為 ZDK36+190、ZDK36+230、ZDK36+250的監測點數據進行分析。

圖4為地表測點沉降累計值，ZDK36+250樁點到第66天時數據中斷；ZDK36+230樁點數據顯示范圍為第50天到第47天、第51天到第72天、第79天到103天；ZDK36+190樁點數據顯示范圍為第50天到第97天、第104天到第144天之間的數據。但隨著時間的增加，3個樁點地表沉降累計值整體呈下降趨勢，即隨著時間的增加地表下沉明顯，在第144天時地表沉降值達到最大8.07 mm。

圖4 地表沉降監測(累計變化)時程曲線

4.2 拱頂沉降

由圖5可知，人防段拱頂沉降最大累計變化量出現在6月24日，最大累計變化值為2.3 mm，未超過累計變化預警值20 mm。

圖5 拱頂沉降監測(累計變化)時程曲線

4.3 凈空收斂

由圖6可知，人防段凈空收斂最大累計變化量出現在6月23日(YK36+185_1S)，最大累計變化值為1.99 mm，未超過累計變化預警值20 mm。

圖6 凈空收斂監測(累計變化)時程曲線

5 監測數據預測分析

灰色系統計算理論經過長期研究少量統計數據和通過對顏色灰數的不同定義生成計算方式、數據的分析選取、殘差的等級對模型的修正，由此建立的GM(1，1)廣泛應用于各種領域[10-13]。灰色模型的最大優點是不需要大量原始數據。缺點也很明顯，簡單的灰色模型，不能夠很精確地預測巖石形變數據。為了改善這一點，將加權灰色回歸組合模型進行沉降監測預測，與灰色模型和普通灰色回歸模型的相對誤差和殘差相比較，驗證加權灰色線性模型在隧道沉降監測預報中的可行性。

5.1 GM(1，1)模型在地表沉降預測中的應用

原始序列選取累計沉降量原始數據，即:

5.2 灰色線性回歸組合模型

式(10)即GM(1，1)模型的時間影響函數可記為:

5.3 灰色加權線性回歸組合模型

加權時間組合函數模型的設計方法基本上與通常的加權組合函數模型相同，而最大的不同之處在于前者會對根據時間權重序列、可靠性、時間權重比例值的變化等數據分配不同的時間權重，即:

精度遞增因子R通常取1.5，而分析計算得出R值不太適合本工程實例，故經過多次調整，發現R值取1.35較為適合，故本工程R取為1.35。

5.4 模型精度檢驗

在進行數據預測時，首先創建一個GM(1，1)預測模型。灰色模型的試驗精度測量檢驗一般主要有3種方法:后續試驗差測量檢驗、關聯度測定法測量檢驗、殘差測量法精度檢驗，本文適用于前者。

6 實例分析

以工程中叢段左線地表沉降觀測點ZDK36+230為預測對象，預測時間為6月19日到6月30日。

(1)地表沉降灰色預測模型

建立灰色模型GM(1，1)，經過 MATLAB建模計算得:p＝ -0.019 1、q＝2.081 1。 公式為:

(2)組合模型

按照上述模型步驟，得到計算參數:

C1＝9.376 7，C2＝0.425 8，C3＝ -9.399 5，v＝0.069 2。

求解可得:

做累減和平移，即可得到原始序列x(0)的組合預測模型。

后驗差比:c＝0.218 6；小概率誤差:p＝1。

(3)加權灰色線性回歸組合模型

計算后驗差c＝0.221 2，小概率誤差p＝1。

結果對比如圖7所示。

由圖7和表1可知，三種預測模型的擬合度都很好，預測精度也均達到了一級精度。但是線性回歸組合模擬和加權組合模擬的精準度都比GM(1，1)高。將預測模型進行修改后，精度明顯有所提高，且可行性和精度均達到要求。

圖7 測點ZDK36+230結果對比

表1 觀測點ZDK36+230預測分析結果

7 結論

通過監測數據異常變化和預測數據發展趨勢的應用情況研究得出以下結論:

(1)智能監測的優越性

智能監測的可靠性:通過智能監測技術實時對各測點的數據變化進行記錄，根據結果發出預警，使施工單位及時做出調整，確保安全。

智能監測的全面性:通過智能自動化監測，無論是隧道，還是周圍的邊坡以及上方的建筑物，可做到全方位、全時段覆蓋整個施工區域。

(2)灰色模型

灰色沉降數據預測模型的擬合和預測效果良好，不需要大量原始數據，計算過程簡單。可為地鐵安全監測提供有效的分析方法和可靠保證，確保隧道正常施工。

但缺點也很明顯，即不能將地表沉降數據中的線性關系表達出來，而且精準度也不高；本文使用灰色加權線性回歸組合模型解決了這一問題。