共查询到20条相似文献，搜索用时 125 毫秒
1.
盾构隧道施工引起地表下土体变位的分析评估 总被引：2，自引：0，他引：2
目前对盾构隧道施工引起的地表下土体变位进行预测分析的研究还相对较少,尤其是缺乏简单实用的工程估算方法。在深埋隧道周围土体弹性位移计算方法及盾构间隙参数研究成果的基础上,通过相应的分析和假设提出了一种预测盾构隧道施工引起地表下土体水平变位的简便估算方法。另外,在已有研究成果基础上,提出了一种新的盾构隧道沉降槽的描述方法,并结合Mair等提出的计算公式对盾构隧道施工引起的地表下土体沉降变位进行预测。通过与有限元计算结果及一些典型盾构隧道监测数据的对比分析,证明提出的估算方法能够较好地预测实际工程中盾构隧道施工引起的地表下土体的变位情况。 相似文献
2.
软土地区盾构隧道建成后往往伴随有明显的长期沉降,较大的隧道沉降会严重影响地铁系统的运营及安全。然而,目前对于软土地区隧道长期沉降机制的认识尚不明确。以上海地区地铁盾构隧道1999－2007年间的隧道沉降为例,通过室内试验及现场监测对引起隧道长期沉降的因素,特别对地下水开采引起的软土及砂土层次压缩进行了研究。结果表明,第4含水砂层具有明显的次压缩特性,抽取地下水引起的第4含水层的压缩,特别是其次压缩变形,是引起隧道长期沉降的主要原因之一。因此,严格控制该承压含水层地下水开采是目前缓解上海地铁隧道长期沉降的主要措施。 相似文献
3.
基于Peck公式的双线盾构引起的土体沉降预测 总被引：1，自引：0，他引：1
基于Peck公式,对双线水平平行盾构隧道施工中土体损失引起的三维土体沉降计算方法进行研究。考虑先行隧道施工对后行隧道的影响和两条隧道开挖面的不同位置,建立修正的三维Peck公式;通过分别计算先行盾构隧道和后行盾构隧道施工引起的土体沉降,叠加得到双线水平平行盾构施工引起的总的三维土体沉降。算例分析结果表明：预测值与实测值比较吻合;随着两条隧道开挖面前后距离的逼近,地面最大沉降量会逐渐增大;随着土体深度z的增大,沉降略增大、沉降槽宽度则略减小;当两条隧道轴线水平距离L较小时,地面沉降量较大,符合正态分布规律;随着L的增大,最大地面沉降量会逐渐减小,沉降曲线形状慢慢由V型转变成W型。 相似文献
4.
随着城市内地铁盾构区间隧道临近城市道路桥桩工程的增多,急需研究盾构隧道临近桥桩施工对桥桩的变形影响问题。采用有限元数值计算方法,结合盾构隧道穿越桥桩实际工程,建立了盾构隧道施工对临近桥桩影响的数值分析模型,模拟盾构隧道施工,对盾构隧道穿越临近桥桩的桩体沉降、桩体侧移、地表沉降进行了数值分析研究,盾构隧道穿越时及穿越后桩体沉降、桩体侧移、地表沉降控制结果较为理想,桩体处于稳定状态。结合现场监测成果,对数值计算结果和监测结果进行对比分析,表明采用的数值分析计算模型、参数取值对盾构隧道施工对临近桥桩影响的模拟是可靠的,可以运用文中的数值计算方法预测后续盾构隧道施工引起临近桥桩沉降、桩体侧移和地表沉降结果。 相似文献
5.
违规临时地表堆载将引起地层附加应力,对既有盾构隧道产生不利的影响,严重者将导致隧道结构破坏。现有方法多是将隧道简化为搁置于Winkler地基的Euler-Bernoulli梁,不能考虑隧道的剪切变形和隧道埋深对基床反力系数的影响。针对既有研究的不足,提出考虑隧道剪切效应和隧道埋深的地表堆载下既有盾构隧道变形和受力的简化解析解。将既有盾构隧道简化为搁置于Winkler地基的Timoshenko梁,地基反力系数考虑隧道埋深的影响。通过三维有限元模型和已发表工程案例的实测数据,验证所提方法的正确性及适用性。通过参数分析发现,在荷载中心与隧道中心距离较近情况下,浅埋盾构隧道将发生较大的沉降变形;提高等效抗弯刚度和基床反力系数可以减少隧道沉降变形。而增大等效剪切刚度对隧道的沉降变形贡献较小,但是可以明显减小管片之间的错台变形。该研究成果可为合理预测地表堆载对既有盾构隧道的影响提供一定的理论支持。 相似文献
6.
地铁行车速度对盾构隧道运营沉降的影响分析 总被引：1，自引：0，他引：1
地铁行车荷载经轨道-道床-隧道结构传至地基,在土体内部产生循环动应力以及超孔隙水压力是引起盾构隧道沉降的重要原因。通过车-轨-隧道-地基竖向耦合动力模型分析隧道差异沉降对列车运行荷载的影响,以上海地铁一号线体育馆站附近区间隧道为工程背景建立三维数值模型,结合塑性累积应变及累积孔压经验公式进行计算,对比分析软土盾构隧道下卧土层有、无纵向差异沉降两种情况下,地铁行车速度对隧道运营沉降的影响。结果表明：列车运行速度越快,下卧土体波动越大,但衰减越快。地基差异沉降对其长期运营存在明显不利影响,随着列车速度增大,这种影响也愈加明显。当地基差异沉降小,轨道平顺条件好时,隧道长期沉降随地铁行车速度的增大而减小;当地基差异沉降突出,轨道存在明显不平顺时,隧道运营沉降随行车速度增大而显著增加。 相似文献
7.
8.
交叉隧道施工中新建隧道周围复合地层与间距对既有隧道的沉降影响研究 总被引：1，自引：0，他引：1
沿海地区特别是广州地区地铁建设多在复合地层中进行盾构施工,开挖引起的地层沉降很难控制,如何防止大面积的地层沉降,保证既有建(构)物安全成为施工难题。基于此,本文提出了复合地层盾构施工的地质概化模型,运用三维有限元方法对交叉隧道盾构施工进行了建模分析,研究了不同的复合地层类型及不同的覆土厚度与间距下,新建隧道盾构正交下穿施工对既有隧道沉降的影响。结果表明,新建隧道在近似均一土层中下穿施工引起的既有隧道沉降最大,上软下硬地层次之,长距离硬岩段最小,沉降随土层弹性模量的增加而减小;同时,既有隧道沉降随覆土厚度的增加而增大;随隧道间距的增大而减小,当间距小于2倍衬砌外径时,既有隧道沉降较大,存在损坏的危险。最后,提出了相应的沉降控制对策。 相似文献
9.
软土中盾构隧道施工不可避免地扰动周围地层,进而引起地面沉降,沉降过大时将危及邻近建（构）筑物的正常使用和结构安全。全面理解盾构隧道施工引起的地面沉降的影响因素及对沉降的准确预测,对于减少施工环境危害十分重要。考虑盾构压重后,引入Mindlin解计算盾构下卧土层中的附加应力,采用单向压缩分层总和法计算盾构下卧土层的总固结沉降,由盾构掘进速度及停机时间确定附加应力作用时间后,应用太沙基一维固结理论计算在该作用时间内的固结沉降,应用Peck公式建立了盾构下卧土层沉降与地面沉降的关系,并以杭州庆春路过江隧道地面沉降的实测验数据对上述理论进行了验证。分析表明,考虑盾构掘进速度及停机时间的地面沉降计算理论基本合理;盾构掘进速度及停机时间会对隧道施工引起的地面沉降产生显著影响;在其他施工条件相同的前提下,提高盾构掘进速度和减少停机时间有利于减少地面沉降。 相似文献
10.
HTSS以大连地铁2号线香沙区间盾构隧道下穿铁路桥特殊地段为依托,通过三维有限元程序仿真模拟以及工程现场动态监测,研究盾构施工法对周围地层变形的影响和盾构下穿铁路桥造成的沉降特征。结果表明:盾构开挖引起的地表沉降经历了5个阶段,即初期扰动沉降、开挖面前部沉降、盾构机正上方沉降、盾构通过沉降、后期固结沉降;地表沉降整体为一个凹槽形,即隧道中心线地表沉降大,隧道两边沉降较小,按隧道横截面轴线左右对称,符合地表沉降机理,并与现场监测数据一致;距离开挖隧道越近,总体沉降位移越大,盾构开挖小于20 m时,其沉降位移沿着横向与纵向都有扩展,隧道开挖至40 m时,沉降位移主要沿着纵向扩展,横向扩展不明显;不同深度的上部土体沉降呈漏斗形,即隧道正上方沉降最大,两边沉降递减,沉降曲线基本对称,地表右侧受右线隧道开挖影响,沉降量略大于左侧;桥桩底端处于隧道拱顶上,且整个桩身处于破裂面之上,属于短桩范畴,桥桩变形主要以受土体作用而产生的竖向沉降变形为主。 相似文献
11.
BP神经网络-灰色系统联合模型预测软基沉降量 总被引：24，自引：1，他引：23
目前软基沉降预测多采用指数曲线和双曲线延伸法,其结果不够理想,神经网络在此方面的运用也存在一定的局限,虽然GM(1,1)模型在软基沉降预测领域已得到运用,但在已有的案例中所使用的等时距模型都没有明确说明所采用的插值方法。以深圳湾西部通道填海软基沉降预测分析为例,建立BP神经网络-灰色系统联合模型来探讨解决这一问题的方法。采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,在此基础上建立沉降变形时间序列的GM模型,并建立相应的时间响应函数,预测沉降量。计算实例表明,该模型短期沉降预测结果比较准确,其最终沉降预测结果具有一定的工程参考价值。 相似文献
12.
吹填土围海造陆技术能有效缓解土地资源紧张的问题,所以提高此项技术水平刻不容缓。但是吹填土中,黏粒含量高,有机质含量高,含水率和压缩性大,强度低,导致固结效率低,沉降速度慢。进行长期沉降观测需要耗费较多的资源,故大部分工程并不进行观测。吹填土土体表面形成硬壳的时间一般需要耗费2～3a之久,工期长,加固效果不理想,工后实际沉降与预期沉降相差很大。因此,为工程达到规定变形的要求,如何结合沉降的观测数据进行长期沉降量的预测,以及针对预测得到沉降量,对吹填土采用哪种处理方式成为我们亟待解决的问题。本文通过自编程序建立了时间序列动态神经网络的非线性方法,并将其运用于吹填土沉降的预测中并分析结果。结果表明,动态神经网络的方法可较为合理准确的运用于软土的固结沉降预测中,误差小,可行性强,预测结果具有较高的精度和稳定性。 相似文献
13.
小波分析和RBF神经网络在地基沉降预测中的应用研究 总被引：4，自引：2，他引：2
地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与RBF神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数（RBF）神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次B样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。 相似文献
14.
15.
Based on the existing monitoring data, this paper uses the matured data method to analyze, predict the long-term settlement of the subway shield tunnel, and comprehensively analyzes the long-term settlement of the subway shield tunnel in the saturated sand layer of Zhengzhou. Logical curve model, etc. is used to separately predict the long-term settlement of the Zhengzhou metro shield tunnel. Combining the prediction results to summarize the characteristics of the prediction model, a prediction model suitable for the long-term settlement of the subway shield tunnel in the sandy soil area represented by Zhengzhou is obtained, which can be used for the operation of the Zhengzhou subway tunnel. Management and similar engineering projects provide a certain reference basis.
相似文献16.
基坑工程施工过程中的周边地面沉降直接关系到周围建筑物的安全,本文根据上海前滩地区某基坑工程的历史监测数据、施工工况和周边地层参数等多源数据对基坑周边地面沉降进行监测和预测。以PSO-BP神经网络为基础,通过将基于时序和基于沉降影响因素的网络模型对比发现：二者预测结果误差较小且基于时序的神经网络预测精度更高,说明利用PSO-BP神经网络能够很好地对基坑周边地面沉降进行分析与预测。为了综合考虑时间效应和空间效应的影响,在基于沉降影响因素的预测模型的基础上加入历史监测数据作为模型输入层进行优化,结果表明：优化后的PSO-BP神经网络模型具有更小的相对误差范围和更高的预测精度,在基坑周边地面沉降预测中有很好的应用前景。 相似文献
17.
18.
针对目前软基沉降预测中最常用的生长曲线模型以及人工神经网络模型的不足,提出将自适应神经模糊推理系统(ANFIS)应用于软基沉降预测。ANFIS将专家的模糊推理过程蕴含于神经网络结构中,使神经网络的结点和权值具有明确的物理意义,避免了传统神经网络工作过程的"黑盒"性。同时该系统可以采用最小二乘法和梯度下降法相结合的混合算法,既具有神经网络的自适应性和学习能力,又克服了它的局部极小值等缺点,预测精度也远高于生长曲线模型。最后用工程实例与生长模型和神经网络模型进行了对比,结果表明:ANFIS模型优于这两种模型,特别是在模拟多输入变量、高维数下软基沉降预测问题时有着独特的优势,具有一定的推广应用价值。 相似文献
19.
Nowadays, the issue of predicting soil settlement has gradually become an important research area. The theory of predicting soil settlement under static load is comparatively mature, while the method of predicting soil settlement under dynamic loading is still at the exploratory stage. This paper aimed to find a suitable model to satisfy the prediction of long-term settlements of subway tunnel. The settlement monitoring data of Subway Line 1 in Shanghai were taken as the case. In this paper, current nonlinear prediction methods of settlement were summarized. The fitting method was introduced and applied in the settlement data of Shanghai subway tunnel; correlation coefficient r of the fitting results can keep a high level in most cases, illustrating the validity of segmentation simulation. Two kinds of prediction methods and its utilizing methods were introduced in this paper, i.e., Grey Model (1, 1) and Auto-Regressive and Moving Average Model (n, m). The settlement trend of Subway Line 1 in Shanghai was predicted by GM (1, 1) and ARMA (n, m) model. The results show that ARMA (n, m) model is more precise than the GM (1, 1). As a new method in settlement prediction field, ARMA (n, m) model is prospective in the future. 相似文献
20.
为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型（SFLA-GRNN模型）。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法（SFLA）对广义回归神经网络模型（GRNN）的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。 相似文献