共查询到19条相似文献，搜索用时 125 毫秒
1.
以沈阳地铁一号线重工街站至启工街站区间土压平衡盾构法施工为研究对象,利用FLAC3D软件对隧道工程进行三维模拟,对施工前后地表、围岩及支护结构的应力应变进行了分析,得出了地表沉降及支护结构应力变化的规律。结果表明,基于FLAC3D的盾构法开挖过程数值模拟结果直观、可靠,为盾构技术在沈阳地铁工程中的应用提供经验和依据。 相似文献
2.
对基坑开挖期间近邻地铁车站和隧道变形等进行分析,总结基坑开挖期间近邻地铁车站、隧道变形的发展规律。以量化的形式定义表征隧道不均匀变形程度的不均匀变形参数 ,并对地铁车站引发的隧道近站部分不均匀变形分布及其大小预测进行研究。研究表明,基坑开挖期间地铁车站表现为上浮而近站隧道表现为沉降;基坑开挖期间地铁车站和近站隧道之间的位移差显著,对隧道结构的损伤严重;基坑开挖对近站隧道的影响范围约为基坑开挖深度的4倍;地铁站引发的近站隧道不均匀变形主要分布在距地铁站1倍基坑挖深的范围内,得到的 分布预测公式可对隧道近站部分不均匀变形的大小和分布进行预测。所得结论及某工程参数A、B的取值可供类似工程参考。 相似文献
3.
贾夫子王立峰逯武全杨开放 《岩土力学》2016,(S2):673-678
对基坑开挖期间近邻地铁车站和隧道变形等进行分析,总结基坑开挖期间近邻地铁车站、隧道变形的发展规律。以量化的形式定义表征隧道不均匀变形程度的不均匀变形参数g_i,并对地铁车站引发的隧道近站部分不均匀变形分布及其大小预测进行研究。研究表明,基坑开挖期间地铁车站表现为上浮而近站隧道表现为沉降;基坑开挖期间地铁车站和近站隧道之间的位移差显著,对隧道结构的损伤严重;基坑开挖对近站隧道的影响范围约为基坑开挖深度的4倍;地铁站引发的近站隧道不均匀变形主要分布在距地铁站1倍基坑挖深的范围内,得到的g_i分布预测公式可对隧道近站部分不均匀变形的大小和分布进行预测。所得结论及某工程参数A、B的取值可供类似工程参考。 相似文献
4.
5.
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
6.
本文对地铁隧道施工中地面沉降模型进行了研究,并且应用这些模型,结合数值分析软件,对具体工程的地面沉降进行了预测。预测结果对于后续施工工艺的选择起到了指导性的作用,取得了良好的经济效益。 相似文献
7.
灰色-进化神经网络模型在深埋隧道围岩变形预测中的应用 总被引：4，自引：0，他引：4
由于深埋隧道围岩的变形受到构造、应力场、地下水、开挖方式等复杂因素的综合影响,具有位移时间序列的单调增长的特殊性和非线性,运用响应成分模型将隧道围岩位移量分解成具有确定性的趋势项和具有不确定性的随机项。建立灰色–进化神经网络模型对趋势项和随机项进行预测,既结合GM（1,1）模型较好预测序列增长趋势的特点,又结合神经网络利用自适应实现网络总体误差最小的特点,进而解决了单一利用GM（1,1）模型时预测值的随机偏离量较大的问题,保证了预测的精度。将该模型应用于基于实测位移资料的堡镇隧道围岩水平收敛位移短期预测,较好地揭示了隧道围岩收敛位移演化的规律,为合理选取二次衬砌时机提供了参考。 相似文献
8.
基于MATLAB的BP神经网络在砂土液化评价中的应用 总被引：6，自引：0，他引：6
本文运用MATLAB的神经网络工具箱(NNT)建立砂土液化BP网络预测模型,并以南京地铁1#线玄武门站—南京站区间隧道砂土液化评价为例,阐述了基于MATLAB的BP网络应用于砂土液化分析的可行性和应用价值。 相似文献
9.
西藏南路越江隧道施工须穿越运营中的M8地铁下行线下方,对地铁隧道上方的土体产生扰动,从而造成地铁隧道的变形。施工中建立了越江隧道顶管穿越地铁隧道的三维数值计算模型,通过现场监测地铁隧道的沉降变形,并对其进行对比分析,得出盾构穿越过程中地铁隧道的变形规律,为今后此类工程提供了借鉴。 相似文献
10.
通渝隧道围岩变形的神经网络预测 总被引：4，自引：0，他引：4
隧道新奥法施工中 ,常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。公路隧道围岩变形量是随时间而变化的数据序列 ,因而可以建立一些实时跟踪预测模型和方法。根据通渝隧道围岩拱顶下沉位移变形的特性 ,采用神经网络技术来预测其变形量 ,结果表明该方法简易、有效 相似文献
11.
崇文门站施工允许地表沉降及三维有限元模拟分析 总被引：4，自引：3，他引：4
建设中的北京地铁五号线崇文门站下穿既有地铁一号线区间隧道,为保证既有地下铁道正常运营和地下结构的安全,需严格控制新建车站施工引起的地层位移。结合新建车站暗挖施工及既有线地铁的实际情况,分析和计算穿越既有隧道施工地表允许沉降值。为了控制地表沉降,确保施工安全,拟采用小刚度管棚或大刚度顶管作超前预支护,用3D-S igm a三维有限元软件进行施工效应的计算模拟,掌握大管棚和顶管预支护洞室的力学效应,预测车站施工引起既有隧道的沉降量。最后分析比较两种预支护的支护效果,为选择合理的预支护方案提供参考。 相似文献
12.
13.
管幕预筑隧道地表沉降分析 总被引：4，自引：0，他引：4
沈阳地铁2号线某暗挖车站是国内首个采用管幕预筑法施工的地下工程,对该工法施工引起的地面沉降进行了监测,并建立了修正的Peck模型对沉降进行预测,结果表明：(1)管幕预筑隧道施工引起的地表沉降预测值与实测值基本吻合;(2)管幕预筑浅埋大断面隧道施工地表沉降表现为整体下沉特点,沉降值与地下结构基础的沉降值基本相等,控制管幕预筑隧道结构的墙脚下沉可以有效控制地表的沉降;(3)管幕预筑法隧道施工预先施作的地下永久结构对隧道围岩的约束作用明显,砂土地层中地层损失率为0.000 5%～0.002 0%,沉降槽宽度系数为0.5;(4)管幕预筑法建造地下空间,引起的地表沉降较常规施工方法小得多,环境效益和社会效益明显,该施工方法适用于修筑中心城区软土地层中地下交通枢纽工程及下穿交通干线的隧道工程,值得进一步研究和推广 相似文献
14.
Prediction of ground subsidence in Samcheok City,Korea using artificial neural networks and GIS 总被引：4，自引：0，他引：4
This study shows the construction of a hazard map for presumptive ground subsidence around abandoned underground coal mines
(AUCMs) at Samcheok City in Korea using an artificial neural network, with a geographic information system (GIS). To evaluate
the factors governing ground subsidence, an image database was constructed from a topographical map, geological map, mining
tunnel map, global positioning system (GPS) data, land use map, digital elevation model (DEM) data, and borehole data. An
attribute database was also constructed by employing field investigations and reinforcement working reports for the existing
ground subsidence areas at the study site. Seven major factors controlling ground subsidence were determined from the probability
analysis of the existing ground subsidence area. Depth of drift from the mining tunnel map, DEM and slope gradient obtained
from the topographical map, groundwater level and permeability from borehole data, geology and land use. These factors were
employed by with artificial neural networks to analyze ground subsidence hazard. Each factor’s weight was determined by the
back-propagation training method. Then the ground subsidence hazard indices were calculated using the trained back-propagation
weights, and the ground subsidence hazard map was created by GIS. Ground subsidence locations were used to verify results
of the ground subsidence hazard map and the verification results showed 96.06% accuracy. The verification results exhibited
sufficient agreement between the presumptive hazard map and the existing data on ground subsidence area.
An erratum to this article can be found at 相似文献
15.
通过对太原市地面沉降资料、气象水文和地质条件以及地下水等大量资料的分析与整理,考虑到太原市各个沉降中心的沉降趋势不尽相同,对太原市吴家堡、西张、万柏林和下元4个沉降中心分别建立BP神经网络模型,并基于训练好的BP神经网络模型,在太原市地下水开采量的规划方案下,预测了在不同降水保证率下2009-2015年地面沉降的趋势,... 相似文献
16.
地面沉降是指地面标高降低的一种缓变地质灾害现象,严重时对城市建设和人民生活会构成威胁。为评价地面沉降交通载荷程度,利用永久散射体干涉测量(PS-InSAR)技术提取北京东部地区沉降信息,利用数据场模型,以地铁站信息和道路节点信息为指标,采用因子贡献权重方法,获取北京地面沉降交通载荷程度分区图。研究结果表明:PS-InSAR方法可以获取区域地面沉降的空间分布趋势,研究区内最大沉降速率达到77.69 mm/a;地面沉降交通高载荷主要分布在北京市朝阳区北部与中部区域,而交通低载荷区域主要位于远离城市重要交通道路和地铁线路不发达乡镇。 相似文献
17.
18.
19.
径向基神经网络在地面沉降预测中的应用 总被引：1，自引：0，他引：1
基于MATLAB6.5平台编程,利用前四年的沉降量作为输入神经元,后一年的沉降量作为输出神经元,重复此过程,构建了上海高桥地区地面沉降预测径向基神经网络.以历史沉降数据为训练样本,并对其进行归一化处理,在此基础上,采用未归一化及归一化后的训练样本进行网络训练与检验.结果表明,归一化后的训练样本训练得到的径向基网络具有良好的预测性能.最后利用该网络对1990-2010年的地面沉降量进行了预测. 相似文献