深基坑水平位移测量及数据分析_李闯.pdf

江西建材质量控制与检测942023年1 月作者简介：李闯（1987-），女，山东临沂人，本科，工程师，主要研究方向为工程测量与测绘。深基坑水平位移测量及数据分析李 闯中国建筑材料工业地质勘查中心辽宁总队，辽宁 沈阳 110004摘 要：文中以水平位移现场监测成果为基础，开展了数据分析，结果表明，基坑不同位置的水平位移值存在较大差异，但随时间推移，水平位移有持续增加的特征；同时，水平位移随深度亦有所变化，大致在13m处的水平位移值最大。在变形预测结果中，预测精度较高，验证了预测模型的有效性，且水平位移的累计变形后续仍会进一步增加，但增加速率趋于减小和稳定。关键词：深基坑；统计分析；径向基神经网络；变形预测中图分类号：TU753文献标志码：A文章编号：1006-2890（2023）01-0094-03Horizontal Displacement Measurement and Data Analysis of Deep Foundation PitLi ChuangLiaoning Corps of China Building Materials Industrial Geological Exploration Center,Shenyang,Liaoning 110004Abstract:Based on the field monitoring results of horizontal displacement,the data analysis is carried out.The analysis results show that the horizontal displacement values at different locations of the foundation pit are quite different,but the horizontal displacement has the characteristics of continuous increase over time;At the same time,the horizontal displacement also varies with the depth,and the maximum horizontal displacement value is approximately at 13m.In the deformation prediction results,the prediction results have high prediction accuracy,which verifies the effectiveness of the prediction model.The cumulative deformation of horizontal displacement will continue to increase,but the increase rate tends to decrease,and the overall trend is stable.Key words:Deep foundation pit;Statistical analysis;Radial basis function neural network;Deformation prediction 0 引言在基坑相关研究中，变形分析可有效评价支护结构的稳定状态。水平位移是其施工过程中的必测项目，因此，本文重点开展基坑水平位移的相关研究1-2。在基坑水平位移研究方面，蒙国往等3利用 BP神经网络开展了水平位移的变形预测分析；李涛等4研究了基坑水平位移的理论计算公式；王娟等5构建了水平位移的预警模型；上述研究虽取得了一定成果，但鉴于基坑所处地质条件的差异性，仍有必要进一步拓展深基坑的水平位移研究。在水平位移数据分析过程中6，现有特征分析是必要的，后续变化评价亦十分重要，前者所涉理论相对较少，后者主要可通过变形预测来实现。结合以往研究成果，径向基神经网络和广义神经网络在基坑变形预测中具有良好效果，因此，本文基于深基坑的水平位移监测成果，先统计分析其基础特征，再通过径向基神经网络和广义神经网络构建预测模型，利用变形预测来掌握其变化特征，以实现水平位移的综合数据分析。1 基本原理按照引言构建的论文思路，该节重点对基坑水平位移的变形预测模型进行详述。由于径向基神经网络（Radial Basis Function,RBF）具有训练简洁、非线性预测能力强等优点，因此，提出以其为基础构建基坑水平位移的预测模型。RBF神经网络是一种典型的前馈神经网络，网络结构具有三层，即只含有一层隐层，其次还含有输入层和输出层，其中，输入层是将变形数据信息输入至网络结构中；隐层是通过函数变化将输入信息映射至输出信息；输出层是接收隐层信息，并将其转化输出。由于连接权值是由系统随机生成，客观性存在不足，为保证其参数最优性，本文提出通过布谷鸟算法（Cuckoo Search，CS）优化其连接权值。该算法具有参数少、运算快等优点，不过也存在局部搜索能力弱等问题，易导致出现局部极值。为解决该问题，ICS算法随之产生。通过 ICS算法对 RBF神经网络的参数优化，有效保证了模型参数的最优性，但 ICS-RBF模型也难以全面刻画基坑水平位移的非线性变化特征，即其预测结果存在一定误差。为进一步保证预测精度，本文提出利用广义神经网络（General Regression Neural Network，GRNN）进行 ICS-RBF模型的补偿预测。GRNN模型是上世纪由Specht提出的改进型神经网络，其具有较强的非线性逼近能力，因此，提出利用其进行 ICS-RBF模型的补偿预测。综上所述，经过 GRNN模型的补偿预测，将基坑水平位移的预测模型确定为 ICS-RBF-GRNN模型。2 实例分析2.1 工程概况某车站基坑长度为216.2m，标准段宽度为22.7m，开挖深江西建材质量控制与检测952023年1 月度28.730.0m，属深基坑，其所处位置是两条“十字形”交叉路口，周边各类建、构筑物较为密集，因此，以该基坑为研究对象，具有重要的现实意义。结合现场调查成果，基坑位于古旧冲积扇堆积地段，区内高程间于450750m，高差为20m，场地坡度为3 10，起伏相对一般，具堆积地貌。据钻探成果，区内地层分布为：第四系全新统填土层。颜色较为杂乱，岩性主要为黏土、卵石和建筑垃圾等，结构较为松散，渗透性强，干强度一般。第四系全新统冲洪积层。岩性大致可分为两类，一是粉质黏土，可塑 硬塑，在场区范围内均有所分布；二是卵石层，稍密 中密，含水率较高，母岩成分以花岗岩、石英岩为主。基坑区附近的构造相对不发育，离其最近有两条断裂，距离1525km，对项目施工影响有限。2.2 水平位移监测成果特征分析为充分掌握基坑水平位移特征，共计布设了22 个水平位移监测孔；在基坑水平位移监测过程中，监测频率1次/d，共计统计了36期的变形数据；据统计成果，22个监测点最终的最大水平位移值如下。SW-01 监测点：9.53mm SW-02 监测点：10.57mmSW-03 监测点：9.51mm SW-04 监测点：11.15mmSW-05 监测点：12.64mm SW-06 监测点：15.67mmSW-07 监测点：18.76mm SW-08 监测点：21.66mmSW-09 监测点：23.52mm SW-10 监测点：18.91mmSW-11 监测点：12.35mm SW-12 监测点：11.51mmSW-13 监测点：13.04mm SW-14 监测点：11.36mmSW-15 监测点：14.64mm SW-16 监测点：13.71mmSW-17 监测点：15.55mm SW-18 监测点：19.51mmSW-19 监测点：18.44mm SW-20 监测点：21.00mmSW-21 监测点：17.61mm SW-22 监测点：14.83mm各个监测点的最大水平位移值存在较大差异，变化范围为9.5123.51mm，平均值为15.25mm。其中，最小值对应的监测点为 SW-03 监测点，最大值对应的监测点为 SW-09 监测点。为充分掌握侧位移随深度的变化特征，以最大水平位移值的SW-09监测点为例，进行不同阶段水平位移值的变化特征对比，且在该过程中，将监测时间范围进行阶段划分，共计划分3个阶段，具体标准如下。阶段一：012 周期的最终侧位移值。阶段二：024 周期的最终侧位移值。阶段三：036 周期的最终侧位移值。统计得到三个阶段的水平位移变形特征如表1所示。从表1可见，在相应深度，由阶段一阶段二阶段三，基坑水平位移值呈持续增加趋势，且随深度增加，水平位移值具先增加后减小的特征，大致在13m深度处出现最大水平位移值。2.3 水平位移变化特征分析选取水平位移最大的4 个监测点进行预测分析，即选取SW-08 监测点、SW-09 监测点、SW-18 监测点和 SW-20 监测点，统计得到各监测点的结果如表2 所示。从表2 可知，4 个监测点的预测结果如下。SW-08 监测点：相对误差间于1.95%2.10%，平均值为2.04%，方差值为0.0030。SW-09 监测点：相对误差间于2.04%2.15%，平均值为2.10%，方差值为0.0016。SW-18 监测点：相对误差间于1.96%2.11%，平均值为2.05%，方差值为0.0039。SW-20 监测点：相对误差间于2.01%2.11%，平均值为2.07%，方差值为0.0015。总体来说，4 个监测点的预测效果相当，充分验证了 ICS-RBF-GRNN模型在基坑水平位移预测中的适用性和有效性。同时，通过外推预测，得出基坑水平位移后续仍会继续增加，不过外推预测的变形速率值均在一定程度上小于现有变形速率，充分说明水平位移的后续变形速率均趋于减小，即水平位移的变形趋于稳定。表1 不同阶段的水平位移值深度/m1234567891011121314第一阶段1.291.902.352.973.383.513.403.363.112.812.732.372.371.74第二阶段6.516.096.116.486.967.688.849.7111.5913.3315.1416.6816.9516.76第三阶段8.907.938.549.1710.2410.9411.5613.5516.6519.2921.4122.7723.5222.85深度/m1516171819202122232425262728第一阶段1.150.610.220.350.580.610.510.380.280.220.09-0.03-0.04-0.06第二阶段16.0815.6514.5912.1410.048.407.256.235.364.062.902.011.841.74第三阶段21.3619.8217.5615.5014.6813.1912.1710.878.846.816.145.625.365.07表2 水平位移的最终预测结果监测周期/dSW-08 监测点预测结果SW-09 监测点预测结果SW-18 监测点预测结果SW-20 监测点预测结果位移值/mm预测值/mm相对误差/%位移值/mm预测值/mm相对误差/%位移值/mm预测值/mm相对误差/%位移值/mm预测值/mm相对误差/%3219.4919.092.0421.0320.872.1517.0216.682.0118.4218.042.063320.0119.621.9521.6021.472.0417.6517.301.9619.0318.642.053420.5820.152.1022.0122.132.1018.2317.852.0819.6219.232.013521.1120.682.0422.7522.532.0818.9618.562.1120.1819.752.113621.6621.212.0623.5223.022.1119.5119.102.0921.0020.562.103721.4923.4819.7321.033822.0123.9620.3021.633922.6324.6020.8922.224023.0725.1121.1122.84江西建材质量控制与检测962023年1 月3 结语（1）不同监测点的水平位移存在一定差异，且其随深度变化亦有所变化，大致在13m处的水平位移值最大。同时，随时间持续，水平位移值有持续增加趋势。（2）通过水平位移的变形预测，得出 ICS-RBF-GRNN模型在基坑水平位移预测中的适用性和有效性，不过水平位移的累计变形后续仍会进一步增加，且增加速率趋于减小，综合说明了水平位移趋于稳定。参考文献 1 黄莺，方中义，李学聪，等.上软下硬地层深基坑结构变形监测及分析J.中国安全生产科学技术，2022，18（9）：203-209.2 倪小东，王琛，唐栋华，等.软土地区深基坑超大变形预警及诱因分析J.中南大学学报（自然科学版），2022，53（6）：2245-2254.3 蒙国往，刘家粱，黄劲松，等.基于 BP 人工神经网络的深基坑围护结构水平位移预测研究J.都市快轨交通，2022，35（3）：80-88.4 李涛，杨依伟，周予启，等.深基坑内支撑拆除时支护结构水平位移计算方法J.岩石力学与工程学报，2022，41（S1）：3021-3032.5 王娟，王兴科.软土地区基坑侧位移变形预警及预测J.长江科学院院报，2021，38（8）：91-96，103.6 范青，沙磊.深基坑水平位移监测方法的研究J.安徽建筑，2017，24（6）：165-166，169.3.2.3 预拉力调节表1 数据浮动，主要源于轴力计、应变片的作用力调节差异。实践中，轴力计调节预拉力大小，相比应变片，会多出3%左右的拉力损失。产生此种拉力损失现象，主要是轴力计安装的螺栓长度相对较大。在轴力计安装的螺栓多次使用后，会增加预拉力损失量，间接干扰抗滑移系数测定的准确性。由此说明，使用应变片进行抗滑移试验，测定的抗滑移系数精确性更高。为此，预拉力调节效果是干扰抗滑移系数的客观因素。4 结语综上所述，本文经过试验发现，摩擦面处理方式、试件存储时间、预拉力调节方式、接触面粗糙程度、材料塑性，均是改变螺栓抗滑移系数的正向因素。在螺栓质量验收期间，应加强试验操作规范性，以获取更为精确的试验结果，准确反馈螺栓抗滑移性能。参考文献 1 郑宝锋，顾悦言，王嘉昌，等.不锈钢板摩擦面抗滑移系数试验研究J.建筑结构学报，2021，42（12）：154-161.2 宋明志，徐觉慧，吕恒林，等.摩擦型高强度螺栓连接件抗滑移系数试验研究J.工业建筑，2009（12）：102-104.3 王姗.钢结构高强螺栓摩擦面涂装体系的实践研究J.住宅与房地产，2021（9）：139-140.4 陈学森，施刚，陈玉峰.高强钢螺栓连接电弧热喷铝接触面抗滑移系数试验研究J.建筑结构，2021，51（13）：87-92.5 张树勋，崔萌，韩彬.建筑钢结构抗滑移系数试验中的注意事项J.工程技术研究，2021，6（10）：8-9.6 邓宗梁.高强度螺栓连接摩擦面抗滑移系数试验介绍及其影响因素J.福建建材，2020（9）：19-22.（上接第93 页）行业资讯两部门组织开展第一批低噪声建筑施工设备推荐工作为切实做好噪声污染控制，降低因施工产生的噪声对人民群众日常生活、现场工作人员身体健康的影响及伤害，促进建筑施工设备行业高质量发展，1月6日，工信部发布通知组织开展第一批低噪声施工设备推荐工作。通知要求，聚焦建筑施工噪声产生源头，分批分次遴选噪声检测技术相对成熟、噪声较小的施工设备，加快低噪声施工设备的研发和应用推广，引导施工设备技术进步，不断降低施工过程中产生的噪声，减少对噪声敏感建筑物集中区域的干扰。来源：工信部南开大学提出低碳水泥生产新方法近日，南开大学电子信息与光学工程学院光电子薄膜器件与技术研究所罗景山教授课题组，针对水泥生产过程中大量碳排放问题，结合课题组在电化学水分解和二氧化碳还原反应方面的研究基础，提出了一种基于电化学的石灰石（CaCO3）转化生产消石灰（Ca(OH)2）和有价值碳质产物的方法。在众多工业生产过程中，建筑材料水泥的生产是最大的二氧化碳排放源之一。2020年水泥行业碳排放占我国碳排放总量的13.5%，水泥行业绿色低碳发展对我国实现“双碳”目标至关重要。统计报告显示，生产1 吨水泥约排放0.6 吨二氧化碳，其中约60%排放来自于石灰石的热分解，其余约40%排放来自于加热过程中化石燃料利用及相关设备的电力消耗。化石燃料利用和电力消耗产生的二氧化碳排放可以通过使用可再生燃料和可再生能源来减排，但消除石灰石热分解生成生石灰过程中排放的二氧化碳仍然面临巨大挑战。有别于传统水泥生产制备工艺石灰石高温热解释放二氧化碳同时得到生石灰（CaO）的方法，该方法不排放二氧化碳，而是将石灰石中的碳元素转化成有价值的碳质产物，可以用作燃料和化学品生产，未来有望用于水泥行业脱碳，助力我国实现“双碳”目标。该研究已发表在国际学术期刊 iScience上。来源：南开大学新闻网