大粒径卵石层地铁换乘站地表沉降预测

摘要

地铁换乘站作为地下轨道交通运营线路中的主要枢纽,其开挖和施工造成的失稳变形将会直接影响到车辆运行、人员安全、地下管线设施和既有线路与建筑物。以成都地铁17号线换乘站为例,研究了卵石地层的地铁换乘站在深基坑开挖后沉降变形的发展趋势。通过相关性分析,从15项监测数据中分别选择出适合深基坑挖掘阶段和盾构施工阶段的沉降监测相关影响因素。分别借助径向基函数神经网络(radial basis function,RBF)、小波神经网络(wavelet neural network,WNN)、非线性回归模型(nonlinear autoregressive exogenous model,NARX)和极限学习机(extreme learning machine,ELM)四种智能算法对不同监测参数与监测点位在开挖阶段及盾构施工阶段的地表高程变形进行预测。研究表明:以上算法中在深基坑开挖阶段,WNN模型的预测结果最为精确,预测值和实测值最为接近;当后期预测的参数类别减少时,NARX模型在预测中表现最好,预测值的范围在单个数据点的误差为-0.4~0.3 mm;且监测数据表明在深基坑开挖的第三、四层阶段施工对沉降变形的影响最大,需要着重监测。由此,证实了智能算法在分析和预测卵石地层的地铁换乘站周边地表沉降变形有着较高的可行性,通过对比分析也得到算法模型在相似工程的研究中具有优势。