基于贝叶斯更新的盾构掘进经验模型可靠性分析

摘要

cqvip:利用一种能够考虑经验模型不确定性的贝叶斯更新方法,将模型偏差系数视为随机变量,并根据现场观测数据对其进行不断更新,所得更新结果可用于后续阶段盾构掘进最大地表沉降和失效概率的预测。以福州地铁某区间隧道掘进为例,将本文所提方法应用于Peck模型、O′Reilly-New模型和刘建航修正的Peck模型等3种经验模型。研究结果表明:3种模型一般都会高估最大地表沉降,其中Peck模型偏差最大,刘建航修正的Peck模型次之,O′Reilly-New模型最小,而刘建航修正的Peck模型偏差比O′Reilly-New模型的变异性更小,通过所提方法可以有效考虑模型不确定性的影响;盾构掘进过程中,与另外2个模型比较,利用刘建航修正的Peck模型进行计算得到的结果更加准确;在本文所研究的算例中,盾构掘进过程中,检测数据不断增加,降低了模型偏差系数和土体参数的波动概率,从而使隧道失效概率的预测值降低。