变形预测是隧道信息化施工的重要依据,能有效判断隧道围岩的稳定性。为此,在传统组合预测的基础上,提出了基于局部权值和整体权值的改进组合预测方法,该方法既不失传统组合预测的简单实用特点,还能反映样本数据至预测节点长度对组合权重的影响,实现了对传统组合预测的改进;同时,针对局部权值和整体权值的叠加问题,提出了累加叠加和累乘叠加的思路,有效考虑了局部和全局因素对组合权值的影响;最后,将改进后的组合预测模型应用于工程实例,以探讨其可行性及有效性。结果表明:该组合预测模型较传统组合预测模型具有更高的预测精度,预测结果的相对误差均<2%;同时,在局部权值和整体权值的叠加过程中,累乘叠加的效果要略优于累加叠加的效果,累乘叠加具有相对更高的精度和稳定性。研究成果可为铁路隧道的变形预测研究提供一种新的思路。
Abstract
The stability of surrounding rock of tunnel can be effectively identified by deformation prediction, which is a crucial basis for informatized tunnel construction. An improved prediction method combining local weights and global weights is proposed to improve traditional methods. The proposed method is simple, practical, and also reflects the impacts of sample data and node length on combinatorial weights. Meanwhile, ideas of cumulative superposition and multiplicative superposition are put forward in consideration of the influences of local and global factors on the combinatorial weights. Engineering case study verifies that the proposed combinatorial forecasting model is of higher prediction accuracy than traditional forecasting model, with the relative error less than 2%; in addition, multiplicative superposition is of better effect, higher accuracy and stability than cumulative superposition.
关键词
铁路隧道 /
局部权值 /
整体权值 /
组合预测 /
变形预测
Key words
railway tunnel /
local weight /
global weight /
combinatorial forecasting /
deformation prediction
{{custom_sec.title}}
{{custom_sec.title}}
{{custom_sec.content}}
参考文献
[1] 徐昌茂, 吴立, 吴双兰,等. 超大断面高速铁路隧道围岩变形预测分析[J]. 现代隧道技术, 2013, 50(6):80-84.
[2] 黄鸿健. 堡镇隧道高地应力软弱围岩段施工大变形数值模拟预测研究[J]. 铁道标准设计, 2009,(3):93-95.
[3] 孙钧, 潘晓明, 王勇. 隧道围岩挤入型流变大变形预测及其工程应用研究[J]. 河南大学学报(自然版), 2012, 42(5):646-653.
[4] 吴涛, 彭立敏, 施成华,等. 高速铁路隧道线下工程变形监测系统的开发与应用[J]. 铁道标准设计, 2009,(1):69-72.
[5] 彭仪普, 张盼, 薛一奇. 高速铁路隧道沉降变形分析方法的研究[J]. 铁道科学与工程学报, 2016, 13(10):1879-1885.
[6] 曹文贵, 印鹏, 贺敏,等. 基于数据新旧程度和预测取值区间调整的沉降组合预测方法[J]. 岩土力学, 2017,38(2):534-540.
[7] 曹文贵, 印鹏, 贺敏,等. 考虑实测数据新旧程度的工后沉降单项模型预测方法[J]. 水文地质工程地质, 2015, 42(6):65-70.
[8] 殷春武. 组合预测中新旧历史数据对组合权重影响仿真分析[J]. 科学技术与工程, 2012, 12(27):6960-6962.
[9] 马永驰, 刘志斌. 基于新鲜度函数的油气产量组合预测方法[J]. 石油学报, 2005, 26(1):87-90.
[10] 林大炜, 林从谋, 黄逸群,等. 小净距2扩4隧道变形规律的BP小波神经预测[J]. 华侨大学学报(自然科学版), 2014, 35(2):207-211.
[11] 胡纪元, 鸿雁, 周吕,等. 基于小波神经网络的隧道变形预测模型研究[J]. 公路工程, 2014,(4):26-29.
[12] 周奇才, 范思遐, 赵炯,等. 基于改进的支持向量机隧道变形预测模型[J]. 铁道工程学报, 2015, 32(3):67-72.
[13] 朱彬, 王明明. 偏压荷载下地铁隧道变形特征及预测研究[J]. 西安科技大学学报, 2015,(4):458-466.
[14] 王树栋, 刘开云. 长大隧道软弱围岩施工大变形智能预测方法[J]. 中国铁道科学, 2008, 29(2):82-87.
[15] 肖本职, 罗超文, 刘元坤. 鄂西地应力测量与隧道岩爆预测分析[J]. 岩石力学与工程学报, 2005, 24(24):4472-4477.
PDF(5315 KB)
