变质软岩隧道衬砌结构力学行为推演方法研究

摘要

西南山区变质软岩隧道广泛分布，受高地应力、围岩蠕变等不良地质因素的影响，隧道支护结构易出现病害。为了保障变质软岩隧道在运营过程中的安全，需要对隧道衬砌结构的力学状态进行监测。大量调研结果显示，目前常用的埋入式元器件在恶劣工作环境中的损坏率较高且难以修复或更换，而针对表贴式元器件所采集数据的应用分析研究还不成熟，不能准确的反应隧道结构的受力状态。因此本文以汶马高速公路沿线隧道群为依托，基于既有的振弦式和表贴式元器件的监测数据，对变质软岩隧道衬砌结构力学行为的推演方法进行研究，开展的研究工作与取得成果如下：　　(1)利用弹性力学理论中的匀质圆环模型，基于平面应变假设，推导了在不同侧压力系数下，隧道二次衬砌表面应变与衬砌结构内部应力之间的映射关系，并通过有限元软件建立了荷载-结构模型对理论计算结果进行验证。推导出的映射关系模型在与有限差分软件的马蹄形断面静力计算结果对比修正后，应用于鹧鸪山隧道安装表贴式应变监测传感器的断面。　　(2)分析了汶马高速公路典型变质软岩隧道在运营过程中的围岩压力、初期支护-二次衬砌接触应力和二次衬砌轴力、弯矩及安全系数等监测数据随时间的演化趋势。　　并通过数值模拟方法，结合拱顶、拱腰位置的轴力监测数据采用遗传-模拟退火(GA-SA)算法，反演了cvisc蠕变本构模型中的蠕变参数。根据反演得到的蠕变参数开展针对变质软岩隧道的长期蠕变计算，研究了隧道衬砌结构运营40年内的内力、位移和安全系数的演化规律。　　(3)采用人工智能算法，以汶马高速公路沿线6个典型变质软岩隧道监测断面648天的监测数据与对应断面位置的地质参数作为样本集，训练RBF神经网络。利用训练完毕的神经网络，在输入层输入待推演监测断面的相关参数，对该断面的拱顶轴力进行推演并与现场实测结果进行对比，验证了RBF神经网络的适用性。　　(4)考虑隧道监测数据的的时间连续性，利用汶马高速公路监测断面实测数据对LSTM神经网络进行训练，将推演得到的数据与未参与训练的实测数据进行对比。结果显示，两者之间的均方根误差为680.23优于RBF神经网络的预测结果。为了进一步提升LSTM神经网络的推演精度，将前期通过蠕变数值计算获取的隧道二次衬砌内力随时间变化数据新增为LSTM神经网络输入层参数，对监测断面5年内的拱顶、拱腰轴力进行推演，与RBF神经网络和单输入LSTM神经网络相比，均方根误差分别降低了60.55%和16.01%，有效的提升了基于LSTM神经网络的推演精度。

目录

声明

第1章绪 论

1.1研究背景及意义

1.2国内外研究现状

1.2.1隧道衬砌结构现场监测

1.2.2岩土力学参数反演优化方法

1.2.3基于人工智能算法的数据预测和分析

1.2.4现有研究的不足和待解决的问题

1.3.1研究内容

1.3.2技术路线图

1.4依托工程

第2 章基于隧道二次衬砌表面应变的隧道力学行为推演研究

2.1.1 支护结构内部应力理论研究概述

2.1.2 映射关系的理论推导

2.2 映射关系理论的数值验证

2.2.1 映射关系的求解

2.2.2 有限元模型的建立与计算

2.3 修正系数的标定

2.3.1 山岭隧道数值有限差分模型的建立

2.3.2 数值计算结果分析

2.4 工程算例分析——以鹧鸪山隧道为例

2.4.1 隧道二次衬砌表贴式监测元件的安装与数据采集

2.3.2 表贴式元件监测数据分析

2.5 本章小结

第3 章基于蠕变参数反演的隧道力学行为推演研究

3.1.1 汶马高速公路隧道围岩蠕变特性现场调研

3.1.2 区域隧道典型监测断面选型原则

3.1.3 隧道结构力学行为长期监测元器件的选择与安装

3.1.4 现场监测的数据处理与分析

3.2.1 蠕变本构模型的选取和数值模型的建立

3.2.2 蠕变参数的反演标定

3.3.1 二次衬砌内力

3.3.2 隧道支护结构位移

3.3.3 隧道二次衬砌安全系数演化规律

3.4 本章小结

第4 章基于人工智能算法的隧道力学行为推演研究

4.1 时间序列概论及神经网络的选定

4.1.1 多层单向传播神经网络

4.1.2 循环神经网络

4.2 神经网络训练样本集选取

4.2.2 典型软岩隧道断面工况样本汇总

4.2.3 断面长期监测数据样本汇总

4.3 神经网络模型的建立及应用

4.3.1 传统多层RBF神经网络

4.3.2 考虑时间序列的LSTM神经网络的建立

4.3.3 RBF神经网络与LSTM神经网络推演结果对比

4.4.1 相关性分析

4.4.2 数据预测与现场验证

4.5 本章小结

第5 章结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果