支持向量机在地铁车站深基坑围护结构变形预测的应用

• 改进的隧道监测系统(TMS)在隧道围岩变形监测中的应用
• 我国岩土工程在可持续发展中的新使命及其实现问题
• 矿山地质环境治理问题研究
• 岩土工程勘察中常见的技术问题及解决措施探讨
• RTK-GPS在广州新电视塔变形监测中的应用研究
• 既有建筑物加固修缮勘察与地基基础加固方案选择
• 现场测量建筑围护结构节能特性的问题分析
• 文物保护建筑勘察特点及工程实例分析
• 旁侧荷载对复合地基性状的影响
• 从工程实例分析谈顺层岩质边坡的勘察与参数选取

• 2013年中国建筑业前三季度分析简报
• 我对工程监理行业若干问题的思考
• 大学与建筑
• 从日本直岛的建设过程联想中国当代建筑发展
• 建筑服务业发展现状及营改增税制设计研究
• 椰子废弃物资源综合利用问题与对策
• 建筑生命周期环境管理与信息化解决方案
• 东莞至惠州城际铁路隧道安全风险评估与管理
• 工程爆破行业的信息化发展现状、实施问题和建议
• 改进的隧道监测系统(TMS)在隧道围岩变形监测中的应用

内容提示：利用支持向量机理论对深基坑支护结构的变形量进行分析和预测,建立了预测支护结构最大变形量的支持向量机预测模型。预测结果表明,该预测模型有很高的预测精度,并应用于南京市某地铁站实际工程。

延伸阅读：变形预测 基坑开挖

    摘要:利用支持向量机理论对深基坑支护结构的变形量进行分析和预测,建立了预测支护结构最大变形量的支持向量机预测模型。预测结果表明,该预测模型有很高的预测精度,并应用于南京市某地铁站实际工程。（参考《建筑中文网》）

    关键词:基坑开挖 变形预测 支持向量机(SupportVectorMachine)
   
    0 引言
    目前,在城市基坑工程设计与施工中,对基坑变形控制要求越来越严格。基坑围护结构变形使外侧地层发生损失而引起地面沉降,增加了外侧土体向坑内的位移和相应的坑内隆起。同样的地质和埋深条件下,深基坑周围地层变形范围及幅度,因围护结构的变形不同有很大差别,围护结构变形往往是引起周围地层移动的重要原因。能否比较准确的预测出围护结构的变形对基坑工程的设计与施工都有极其重要的意义。但是在地铁车站深基坑开挖过程中,支护结构的变形与其影响因素之间存在极其复杂的非线性关系。对于这一非线性关系的模拟和识别,有很多种方法,如模糊数学、BP神经网络和遗传算法等。这些方法都有一些不令人满意的地方,如BP神经网络则有过拟合、大样本和易陷入局部极值等问题。近年来,基于统计学习理论的支持向量机算法具有完备的理论基础和严格的理论体系,在很多领域获得成功的应用。其良好的小样本、非线性及升维及泛化性好等许多优良的特性引起了岩土工程界的重视。本文应用支持向量机算法,建立预测模型来预测支护结构的变形量,并将之应用到南京地铁二号线逸仙桥站深基坑西侧端头井围护结构变形值的预测中。
    1 支持向量机原理[1,2]
    SVR算法的基础主要是ε不敏感函数(ε-insensitivefunction)和核函数算法。若将拟合的数学模型表达为多维空间的某一曲线,则根据ε不敏感函数所得的结果,就是包括该曲线和训练点的“ε管道”。在所有样本点中,只有分布在“管壁”上的那一部分样本点决定管道的位置。这一部分训练样本称为“支持向量”(supportvectors)。为适应训练样本集的非线形,传统的拟合方法通常是在线性方程后面加高阶项。此法诚然有效,但由此增加的可调参数未免增加了过拟合的风险。SVR采用核函数解决这一矛盾。用核函数代替线形方程中的线性项可以使原来的线性算法“非线性化”,即能作非线性回归。引进核函数达到了“升维”的目的。
    支持向量机理论只考虑高维特征空间的点积运算K(xi,xj)=Φ(xi)·Φ(xj),而不直接使用函数Φ,从而巧妙地解决了因Φ未知而w无法显式表达的问题,称K(xi,xj)为核函数。已经证明,只要满足Mercer条件的对称函数即可作为核函数,常用的核函数有:
    1)多项式核函数K(xi,xj)=(xi·xj 1)d,d=1,2,…;

   
    2 基坑支护结构变形预测的支持向量机模型
    2.1 支护结构变形与位移的影响因素
    影响地铁车站深基坑支护结构变形的因素是多方面的[4,5]。根据施工经验及相关文献资料分析,除围护结构本身及周围土体特性外,支护结构变形值也较多地受施工因素的影响,主要有以下几方面的因素。
    1)围护结构的刚度。地下连续墙一般刚度较大,其次是人工挖孔桩及直径较大的钻孔桩,钢板桩与预制的钢筋混凝土桩刚度较小。一般说来,围护墙的刚度越大,墙体变形也越小。
    2)围护墙在坑底以下的入土深度。围护墙的入土深度越大,则位移与变形将越小。
    3)土层强度。土体的C、Φ值越大,则主动土压力越小,被动土压力越大,围护墙的位移将越小。对于墙前土如用深层搅拌法或高压喷射注浆加固,也能显著减小围护墙的位移,同理在墙后用同样的方法加固,在起止水作用的同时,也对增大维护墙整体刚度起一定的作用,从而可减小墙体的位移。
    4)地下水的影响。墙后地下水位高时,土压力增大,将增大墙体的位移,特别是出现流沙与管涌的渗流破坏时,更将增大墙体的位移。
    5)支撑方式。当墙厚已定时,加密支撑可有效控制位移。其中减少第一道支撑前的开挖深度以及减少开挖过程中最下一道支撑距坑底面的高度,对减少墙体位移尤有重要作用。多撑多锚采用支撑间距表征支撑方式;单撑单锚采用支撑点到开挖深度的距离来表示。另外所用支撑的弹性系数也是需要考虑的因素。

    2.2 支护结构变形的支持向量机预测模型
    建立基坑支护结构变形的支持向量机预测模型的步骤。
    1)选择影响基坑支护结构变形的相关变量作为学习样本(xi,yi)。其中,xi是7维向量,用来表示基坑围护结构最大变形的影响因素,分别代表支撑方式h(m)、支撑的弹性系数(MN/m)、围护结构的刚度(MN·m2)、土体的黏聚力C(kPa)和摩擦角、基坑的开挖深度(m)、围护结构的入土深度(m);yi是一维向量,其值为基坑围护结构的最大水平位移(mm)。
    2)选择核函数及参数值。常用的核函数有多项式核函数、径向基函数(RBF)核函数和sigmoid核函数。
    3)利用MATLAB语言所带的优化工具箱训练模型样本是否满足精度要求,若达不到精度可转到步骤(2)重新选择核函数及参数。
    4)模型预测精度达到要求后即进行基坑支护结构的变形预测。

   
   
    3 结论
    1)由于支持向量机的优良特性,特别适合于地铁基坑施工中那些模糊、随机、不确定性、样本数有限和非线形的复杂问题。因此,基于统计学习理论的支持向量机方法在岩土工程中具有广泛的应用前景。
    2)支持向量机具有完备的理论基础和严格的理论体系,SVM算法最终转化为二次寻优问题。从理论上说,得到的将是全局最优解,有效避免了神经网络易陷入的局部极值问题。同时通过非线性变换和核函数巧妙解决了高维数问题,使得其算法复杂度与样本维数无关,加速了训练学习速度。另外,它能根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,保证其有较好的泛化性能。
    3)支持向量机的核函数参数以及惩罚参数C的选择,将直接影响到支持向量机的学习效率和推广能力。但支持向量机算法并没有给出易实现的选择内积核函数参数的一般办法。本文通过对核函数参数和惩罚参数C的测试,可以得到较合适的参数值。
    4)无论是SVM方法还是BP神经网络方法都属于参数预报方法,其预测精度在很大程度上依赖于预测模型的输入和输出参数的代表性。基坑围护结构最大变形的支持向量机预测模型的可靠性和准确性,依赖对其各种影响因素的准确分析。
   
    参考文献
    [1]张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,(1):32-42.
    [2]SteveGunn.SupportVectorMachinesforClassificationandRegression[R].ISISTechnicalReport,1998,5.
    [3]SchlkopfB,SmolaA.ATutorialonSupportVecdorRegression[R].NeuroCOLT2TechnicalReportSeriesNC2-TR-1998-030,1998,10.
    [4]刘建航,侯学渊.基坑工程手册[M].北京:中国

原文网址：http://www.pipcn.com/research/200808/8986.htm

也许您还喜欢阅读：

地铁深基坑支护结构变形预测分析与应用

动态灰色模型在变形预测中的应用

浅谈深基坑开挖支护现状分析及其对策

基坑开挖引起下方地铁隧道位移的控制措施

运行中的地铁隧道变形动态监测

SMW搅拌桩围护基坑的时空效应分析

基坑施工对运营地铁隧道变形影响及控制研究

地铁站工程深基坑的施工监测方法