智能监测与数据预测技术在地铁隧道中的应用

巩 森 王 赟 葛素刚 付博学 张东明

(1.重庆大学资源与安全学院 重庆 400045；2.中铁二十三局集团第六工程公司 重庆 401121)

1 引言

随着我国国民经济飞速发展，对出行的需求也越来越大，隧道修建数量也随之增加，从而引发了一系列工程灾难。2002年至2016年以来，我国大型地铁线路隧道建设施工工程中的246起技术事故相关统计数据经李皓燃等[1]总结分析，得出我国地铁线路隧道建设工程施工技术事故主要构成及发生的基本特征。汪成兵、朱合华[2]特别分析某隧道工程施工质量事故，并总结提出其两个影响质量的主要因素。胡永利[3]研究了我国隧道暗挖工程施工中工程地质灾害主要发生机理并总结提出其具体应对控制措施。隧道工程施工安全事故调查中的十大致命火灾危险因素由宋宁强等[4]通过渝宜16条高速公路隧道的调查研究结果总结分析而来。近年来，随着隧道施工量基数的增加，导致这类事故频发，严重危害人们的生产生命。

通过监测数据，建立灰色模型来预测数据的变化，再进行数据拟合和精度修复，从而得到具体对应的岩石形变情况及以后的大体趋势，为后续具体施工和方案设计提供支持[5-6]。

2 工程概况

重庆市轨道交通九号线中丛TBM区间工程位于兰桂大道，本工程两台TBM区间线路自南向北为丛岩寺站始发到中央公园东站。TBM区间左线:ZDK38+137.576～ZDK36+192.363，长1 949.047 m；TBM区间右线:YDK38+164.3～YDK36+175.953，全长为1 949.086 m。区间掘进长度3 898.133 m，共计2 617环。该项目主要工程包括4个洞门和3个联络通道。TBM工程范围卫星图片见图1。

图1 TBM工程范围卫星图片

3 智能化监测设计

地表沉降监测:主要采用精密水准仪、铟尺等来测量各测点和基准点之间的相对高度差[7]。隧道监测断面安装1个单点沉降计和两个隧道收敛计，见图2、图3。单点沉降计布置于拱顶位置，两个收敛计在距离台阶开挖线1.5 m位置上，水平对齐，左右各1个[8]，每个监测断面布置均相同。这些测量装置和智能信息收集设备相连接，能够快速便捷地收集相关监测数据[9]。

图2 单点沉降计和测点布置

图3 收敛计安装示意

4 监测结果及分析

地表沉降监测项目分为左线地表沉降和右线地表沉降，测点数左线12个，本文主要阐述左线地表沉降情况；净空收敛和拱顶沉降以隧道人防段数据进行分析。采用无线智能数据收集模式，数据收集频率可根据实际工程现场需求进行调整。隧道项目的数据收集频率为每24 h采集1次。

4.1 地表沉降

在重庆地铁9号线中丛区间外围布设沉降测点，本文选择左洞桩号为 ZDK36+190、ZDK36+230、ZDK36+250的监测点数据进行分析。

图4为地表测点沉降累计值，ZDK36+250桩点到第66天时数据中断；ZDK36+230桩点数据显示范围为第50天到第47天、第51天到第72天、第79天到103天；ZDK36+190桩点数据显示范围为第50天到第97天、第104天到第144天之间的数据。但随着时间的增加，3个桩点地表沉降累计值整体呈下降趋势，即随着时间的增加地表下沉明显，在第144天时地表沉降值达到最大8.07 mm。

图4 地表沉降监测(累计变化)时程曲线

4.2 拱顶沉降

由图5可知，人防段拱顶沉降最大累计变化量出现在6月24日，最大累计变化值为2.3 mm，未超过累计变化预警值20 mm。

图5 拱顶沉降监测(累计变化)时程曲线

4.3 净空收敛

由图6可知，人防段净空收敛最大累计变化量出现在6月23日(YK36+185_1S)，最大累计变化值为1.99 mm，未超过累计变化预警值20 mm。

图6 净空收敛监测(累计变化)时程曲线

5 监测数据预测分析

灰色系统计算理论经过长期研究少量统计数据和通过对颜色灰数的不同定义生成计算方式、数据的分析选取、残差的等级对模型的修正，由此建立的GM(1，1)广泛应用于各种领域[10-13]。灰色模型的最大优点是不需要大量原始数据。缺点也很明显，简单的灰色模型，不能够很精确地预测岩石形变数据。为了改善这一点，将加权灰色回归组合模型进行沉降监测预测，与灰色模型和普通灰色回归模型的相对误差和残差相比较，验证加权灰色线性模型在隧道沉降监测预报中的可行性。

5.1 GM(1，1)模型在地表沉降预测中的应用

原始序列选取累计沉降量原始数据，即:

5.2 灰色线性回归组合模型

式(10)即GM(1，1)模型的时间影响函数可记为:

5.3 灰色加权线性回归组合模型

加权时间组合函数模型的设计方法基本上与通常的加权组合函数模型相同，而最大的不同之处在于前者会对根据时间权重序列、可靠性、时间权重比例值的变化等数据分配不同的时间权重，即:

精度递增因子R通常取1.5，而分析计算得出R值不太适合本工程实例，故经过多次调整，发现R值取1.35较为适合，故本工程R取为1.35。

5.4 模型精度检验

在进行数据预测时，首先创建一个GM(1，1)预测模型。灰色模型的试验精度测量检验一般主要有3种方法:后续试验差测量检验、关联度测定法测量检验、残差测量法精度检验，本文适用于前者。

6 实例分析

以工程中丛段左线地表沉降观测点ZDK36+230为预测对象，预测时间为6月19日到6月30日。

(1)地表沉降灰色预测模型

建立灰色模型GM(1，1)，经过 MATLAB建模计算得:p＝ -0.019 1、q＝2.081 1。 公式为:

(2)组合模型

按照上述模型步骤，得到计算参数:

C1＝9.376 7，C2＝0.425 8，C3＝ -9.399 5，v＝0.069 2。

求解可得:

做累减和平移，即可得到原始序列x(0)的组合预测模型。

后验差比:c＝0.218 6；小概率误差:p＝1。

(3)加权灰色线性回归组合模型

计算后验差c＝0.221 2，小概率误差p＝1。

结果对比如图7所示。

由图7和表1可知，三种预测模型的拟合度都很好，预测精度也均达到了一级精度。但是线性回归组合模拟和加权组合模拟的精准度都比GM(1，1)高。将预测模型进行修改后，精度明显有所提高，且可行性和精度均达到要求。

图7 测点ZDK36+230结果对比

表1 观测点ZDK36+230预测分析结果

7 结论

通过监测数据异常变化和预测数据发展趋势的应用情况研究得出以下结论:

(1)智能监测的优越性

智能监测的可靠性:通过智能监测技术实时对各测点的数据变化进行记录，根据结果发出预警，使施工单位及时做出调整，确保安全。

智能监测的全面性:通过智能自动化监测，无论是隧道，还是周围的边坡以及上方的建筑物，可做到全方位、全时段覆盖整个施工区域。

(2)灰色模型

灰色沉降数据预测模型的拟合和预测效果良好，不需要大量原始数据，计算过程简单。可为地铁安全监测提供有效的分析方法和可靠保证，确保隧道正常施工。

但缺点也很明显，即不能将地表沉降数据中的线性关系表达出来，而且精准度也不高；本文使用灰色加权线性回归组合模型解决了这一问题。