兰州市中央商务区深基坑开挖监测与预测研究

发布时间：2020-10-14 20:17

　　 深基坑工程由于涉及到复杂的地质条件、繁杂的施工技术以及复杂多样的施工现场条件,经常发生各种基坑施工安全事故,造成一定的经济损失和不良的社会影响。为了避免一系列基坑安全事故的发生,在深基坑施工全过程中必须进行深基坑变形监测,而建立适当的预测模型进行基坑变形预测,对基坑的安全施工有重要的指导意义。本文以兰州市轨道交通1号线一期工程省政府站及中央商务区基坑监测项目为依托,以现场采集的各项监测数据为基础,理论联系实际,根据实际监测数据建立时间序列模型和NAR(Nonlinear Auto Regressive models)人工神经网络模型,对基坑未来的变形趋势进行预测。由于数据采集过程中受外界干扰因素较多,引入了卡尔曼滤波对其原始时间序列进行了滤波处理,并在结合两种模型优势的基础上提出了一种基于卡尔曼滤波的时间序列-NAR人工神经网络模型进行基坑变形预测分析,最后将三种模型的预测结果进行对比分析。本文的主要研究内容如下:(1)通过对兰州市轨道交通1号线一期工程省政府站及中央商务区基坑监测项目进行监测,分析各监测项目的实际监测数据结果,发现基坑在监测期内各监测项目未出现监测报警,基坑开挖过程基本处于安全稳定状态。(2)通过对基坑支护桩多期沉降监测数据进行IDW(Inverse Distance Weighted)插值处理及基于R软件平台采用最小二乘方法对基坑支护桩沉降坡度进行提取分析,确定基坑支护桩沉降变形趋势最大区域为ZJ52监测点附近区域,后期预测分析将以该点的监测数据为重点。(3)通过对三种模型的预测结果对比可知:基于Kalman滤波的ARIMA-NAR组合模型的预测精度最高,其精度指标平均绝对误差MAE、均方根误差RMSE、平均绝对百分误差MAPE和拟合优度R~2分别为0.2787、0.5279、3.9150和0.9972,均优于单一的ARIMA和NAR神经网络模型,NAR人工神经网络模型的预测精度次之,时间序列ARIMA模型的预测精度最低。(4)验证了所提出的基于卡尔曼滤波的时间序列-NAR组合模型在基坑监测预测领域的实用性,将其应用于基坑支护桩水平位移和支护桩深层(测斜)位移等监测点进行变形预测分析。根据预测结果可知:时间序列模型和NAR人工神经网络模型均能够得到较为准确的预测结果。而基于卡尔曼滤波的时间序列-NAR人工神经网络组合模型,在经过卡尔曼滤波去噪的基础上,得到的结果精度更高,适用性更强,能够为基坑的安全施工提供更可靠的数据支撑。
【学位单位】：兰州理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TU753
【部分图文】：

技术路线

全日制工程硕士学位论文中 X、Y 为观测点坐标，X0、Y0为测站点坐标，D 为测站点至观测A 为测站点至观测点直线方位角。移量计算： d= （Xi-X0）2+（Yi-Y0）2中X0、Y0为观测点初始坐标，Xi、Yi为第 i 次坐标。) 轴线投影法用全站仪或者经纬仪观测，在某条测线的两端远处各选定一个稳固，经纬仪架设于 A 点，定向 B 点，则 A、B 连线为一条基准线。观测线上的各监测点设置觇板，由经纬仪在觇板上读取各监测点至 A距 E,某监测点本次 E 值与初始 E 值的差值即为该点累计位移量，各始 E 值均为取两次平均的值。

测线上的各监测点设置觇板，由经纬仪在觇板上读取各监测点至 A距 E,某监测点本次 E 值与初始 E 值的差值即为该点累计位移量，各始 E 值均为取两次平均的值。图 2.1 视准线法观测示意图中：A、B 为基坑两端的工作基点。 a、b、c、d 为位移观测点。) 小角度法选定的水平位移监测控制点上安置全站仪，精确整平对中，瞄准另移监测控制点作为起始方向，依次按方向观测法测定两监测控制点监测点与测站连线偏离起始方向的角度，以所测角值和测站点到后的水平距离值（由全站仪测出）作为计算变量，从而计算出监测点方向的位移。
【相似文献】

相关期刊论文 前10条

1 贺春雷;季强;;深基坑公路施工技术研究[J];低碳世界;2017年36期

2 王站;;深基坑变形监测体系研究[J];山西建筑;2018年22期

3 朱龙镯;;关于软土地区深基坑变形特性分析[J];四川建材;2017年03期

4 谢翡;唐玲玉;;明挖隧道深基坑变形机理及其控制技术研究[J];江西建材;2017年07期

5 张哥其;;膨胀泥岩地层深基坑变形控制技术措施[J];山西建筑;2017年14期

6 朱厉阳;;浅析深基坑变形观测的方法及改进措施[J];城市建设理论研究(电子版);2017年12期

7 杨哲;;深基坑变形监测及变形规律的分析[J];低碳世界;2016年15期

8 潘朝勇;;深基坑变形监测的分析和研究[J];世界有色金属;2016年13期

9 郭东东;;深基坑变形监测探析[J];山西建筑;2016年23期

10 顾传胜;;深基坑变形监测体系分析及其在工程中的应用[J];江西建材;2015年04期

相关博士学位论文 前7条

1 沈细中;深基坑工程基本过程数值模拟及实时优化研究[D];武汉大学;2004年

2 许婷华;青岛沿海地区深基坑支护施工方案优化与质量控制研究[D];中国海洋大学;2006年

3 徐中华;上海地区支护结构与主体地下结构相结合的深基坑变形性状研究[D];上海交通大学;2007年

4 李连祥;冲积地层的开挖与支护设计及工程决策研究[D];山东科技大学;2007年

5 徐青;武汉地铁站深基坑开挖涌水风险与控制研究[D];中国地质大学;2017年

6 魏道江;邻近既有建筑的地铁深基坑支护方案优化与变形风险控制[D];西安建筑科技大学;2016年

7 郭健;基于智能算法的非线性模型研究及预测控制[D];华中科技大学;2008年

相关硕士学位论文 前10条

1 王帅栋;深基坑土钉墙—桩锚复合结构工作性能分析[D];中国地质大学(北京);2019年

2 李嵩;深基坑组合支护体系变形规律及设计研究[D];成都理工大学;2019年

3 刘剑楠;邯郸市某深基坑桩锚支护结构设计与优化[D];河北工程大学;2019年

4 王海珍;兰州地区桩锚支护某深基坑的变形监测与数值模拟分析[D];兰州理工大学;2019年

5 李月锋;兰州市中央商务区深基坑开挖监测与预测研究[D];兰州理工大学;2019年

6 谢乐;地铁车站深基坑开挖对周边建筑物的影响研究[D];合肥工业大学;2019年

7 阚浩钟;合肥地铁长宁大道站T形深基坑稳定性分析及设计优化[D];安徽理工大学;2019年

8 许宁;基于LSTM的深基坑变形预测模型研究与应用[D];江西理工大学;2019年

9 刘明;紧邻建（构）筑物地铁车站深基坑爆破开挖技术及开挖变形特性研究[D];广西大学;2019年

10 钱铭;温州深厚软土地层市域铁路明挖深基坑施工环境效应研究[D];温州大学;2019年

本文编号：2841139