GM(1，1) 模型在变形预测中的应用——以徐州地铁庆丰路基坑为例

杨松勇 余培永 江西理工大学建筑与测绘工程学院

GM(1，1) 模型在变形预测中的应用
——以徐州地铁庆丰路基坑为例

杨松勇 余培永 江西理工大学建筑与测绘工程学院

以徐州轨道交通1号线一期工程庆丰路站基坑的监测数据为背景构造了沉降变形的GM(1，1)模型，进而对庆丰路站基坑未来一段时期沉降变形进行预测，与实测数据预测数据对比表明，利用灰色模型GM(1，1)模型对该沉降变形趋势的符合度比较高，精度能够满足实际建设要求。

地铁基坑监测 数据分析 变形预测

随着城市建设的发展与进步，由于城市地面上可利用的土地越来越少以及人口的众多而导致的交通拥堵，从而越来越多的城市都在进行地铁施工建设。我国近几年的地铁车站基坑工程事故分析可知，由于有些单位不够重视基坑施工过程的监测，导致了一些工程事故的发生，甚至造成了人员的伤亡。近几年，我国的地铁建设在如火如荼的进行中，但是在基坑工程处于边摸索边实践阶段，缺乏合理规范的约束，实际设计和施工中经验成分较多、理论不甚完善，因此地铁施工监测已成了地铁工程建设必不可少的重要环节。

1 工程概况

徐州轨道交通1号线一期工程，庆丰路站位于和平东路与庆丰路交界处。车站有效站台中心里程DK16+497，车站长度为505.12m，标准段宽度为19.7m，局部位置有加宽。车站标准段基坑深度为14.86～15.58m，东端头盾构井段基坑深度为17.08m，西端头井基坑深度15.571m。车站采用明挖法施工。

2 GM(1，1)模型的建立

建立GM(1，1)模型的主要的目的是为了预测变形监测数据。

①选择地表沉降数据为等间距原始观测数据序列即，序列长度为10。

②对进行一次累加生成，就可以得到一个生成序列，序列长度也为10。

③对②生成的序列建立一阶微分方程：

④输入不同的数字K，计算出第K次预测值。

⑤对模型精度即模型拟合程度评定的方法有残差大小检验，关联度检验和后验差检验三种。

然后，计算后验差比值C和小误差概率P：C=S2/ S1=0.3124 P=0.9643

⑥模型的预测精度由C和P共同描述。C越小，P越大越好。

3 GM(1，1)模型预测数据分析

在徐州轨道交通1号线一期工程庆丰路站进行地表沉降监测，并根据前十天的观测数据进行GM(1，1)模型分析，而且预测之后五天的数据。

当利用灰色GM(1，1)模型进行地表沉降数据预测时，预测短时期内的沉降量数据与原始观测数据相比较，其相差较小，其预测比较可靠。

4 结语

由于基坑开挖过程中影响变形的因素众多，用GM(1，1)模型进行预测，有时不可靠，因此希望对GM(1，1)模型进行改正，以提高预测的精度，或者能用其他不同的模型，甚至几种模型进行综合来预测数据。

[1]郑松,苏华友.地铁车站软土地层基坑施工中的监测分析[J].硅谷,2011,(第23期)

[2]陈泽昌,毛坚强,刘建国.成都某地铁车站排桩支护结构受力变形规律研究[J].隧道建设,2012,(第3期)

杨松勇（1994—），男，汉族，江西吉安人，硕士研究生，江西理工大学建筑与测绘工程学院，测绘工程。