黄土区隧道施工对既有隧道的影响及稳定性分析平台研发
发布时间:2023-08-20 09:45
随着我国地下空间不断开发利用,众多功能不同的地下结构分布在城市各个区域,当在建工程毗邻既有地铁线路,不可避免地对既有构筑物造成一定影响。本文研究了地铁盾构施工对既有地铁线路的影响规律,并使用MATLAB GUI研发了精确度高、使用方便的多组合地下空间稳定性自动化分析平台,对既有地铁线路做出有效、准确的安全性评价,做到事先预防,为地下工程信息化施工的发展和应用提供技术支持。本文研究工作的主要内容可以分为以下三个方面:(一)选取洞室跨度、埋深、隧道间距、角度以及围岩强度作为影响因素,运用FLAC 3D数值模拟了圆形隧道盾构施工对既有地铁隧道的影响规律。结果表明各因素对既有隧道变形和管片衬砌受力影响显著,围岩强度越低,间距越小,新建隧道埋深与跨度越大,既有隧道周关键点位移越大;当新建隧道处于既有隧道水平方位时,两者间距大于0.5D有利稳定;处于既有隧道-45。侧下方时,两者间距大于l.0D有利稳定;处于既有隧道-90°正下方时,两者间距大于1.5D有利稳定。当埋深和洞径增大,围岩强度较低时,以上安全距离应增大1.0D左右。(二)应用遗传算法优化BP神经网络,以数值数试验结果为训练样本,选取新...
【文章页数】:86 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 选题意义
1.2 国内外研究进展
1.2.1 地下结构相互影响研究
1.2.2 人工智能方法研究
1.2.3 既有隧道稳定性影响因素
1.2.4 接近程度划分及既有隧道变形控制标准
1.3 本文研究目的与内容
1.3.1 研究目的
1.3.2 研究内容
1.3.3 研究技术路线
2 新增隧道对既有隧道影响的数值试验方案设计
2.1 隧道空间关系
2.2 本构模型选取及模型建立
2.3 等代层的模拟
2.4 盾构施工过程模拟
2.5 模型参数选取
2.6 监测断面及关键点选取
3 新增隧道对既有隧道影响特征分析
3.1 黄土三计算结果分析
3.1.1 0°水平方向位移分析
3.1.2 -45°侧下方位移分析
3.1.3 -90°正下方位移分析
3.1.4 变形特征分析
3.2 黄土二计算结果分析
3.2.1 0°水平方向位移分析
3.2.2 -45°侧下方位移分析
3.2.3 -90°正下方位移分析
3.2.4 变形特征分析
3.3 黄土一计算结果分析
3.3.1 0°水平方向位移分析
3.3.2 -45°侧下方位移分析
3.3.3 -90°正下方位移分析
3.3.4 变形特征分析
3.4 本章小结
4 新增隧道对既有隧道影响的智能分析
4.1 人工神经网络概述
4.2 BP神经网络
4.3 遗传算法优化神经网络
4.3.1 遗传算法的基本原理
4.3.2 遗传算法优化BP神经网络的实现过程
4.4 基于神经网络技术的洞室稳定性预测系统的实现
4.4.1 样本准备
4.4.2 网络训练参数确定
4.4.3 网络训练
4.4.4 网络测试
4.5 本章小结
5 多组合地下空间稳定性自动化分析平台研发
5.1 单洞稳定性评价方法与标准
5.2 系统假设条件
5.3 软件开发平台
5.4 系统模块开发
5.5 系统测试
5.6 本章小结
6 结论与展望
6.1 主要研究成果及结论
6.2 展望
致谢
参考文献
攻读硕士学位期间主要研究成果
本文编号:3842978
【文章页数】:86 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 选题意义
1.2 国内外研究进展
1.2.1 地下结构相互影响研究
1.2.2 人工智能方法研究
1.2.3 既有隧道稳定性影响因素
1.2.4 接近程度划分及既有隧道变形控制标准
1.3 本文研究目的与内容
1.3.1 研究目的
1.3.2 研究内容
1.3.3 研究技术路线
2 新增隧道对既有隧道影响的数值试验方案设计
2.1 隧道空间关系
2.2 本构模型选取及模型建立
2.3 等代层的模拟
2.4 盾构施工过程模拟
2.5 模型参数选取
2.6 监测断面及关键点选取
3 新增隧道对既有隧道影响特征分析
3.1 黄土三计算结果分析
3.1.1 0°水平方向位移分析
3.1.2 -45°侧下方位移分析
3.1.3 -90°正下方位移分析
3.1.4 变形特征分析
3.2 黄土二计算结果分析
3.2.1 0°水平方向位移分析
3.2.2 -45°侧下方位移分析
3.2.3 -90°正下方位移分析
3.2.4 变形特征分析
3.3 黄土一计算结果分析
3.3.1 0°水平方向位移分析
3.3.2 -45°侧下方位移分析
3.3.3 -90°正下方位移分析
3.3.4 变形特征分析
3.4 本章小结
4 新增隧道对既有隧道影响的智能分析
4.1 人工神经网络概述
4.2 BP神经网络
4.3 遗传算法优化神经网络
4.3.1 遗传算法的基本原理
4.3.2 遗传算法优化BP神经网络的实现过程
4.4 基于神经网络技术的洞室稳定性预测系统的实现
4.4.1 样本准备
4.4.2 网络训练参数确定
4.4.3 网络训练
4.4.4 网络测试
4.5 本章小结
5 多组合地下空间稳定性自动化分析平台研发
5.1 单洞稳定性评价方法与标准
5.2 系统假设条件
5.3 软件开发平台
5.4 系统模块开发
5.5 系统测试
5.6 本章小结
6 结论与展望
6.1 主要研究成果及结论
6.2 展望
致谢
参考文献
攻读硕士学位期间主要研究成果
本文编号:3842978
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3842978.html