一种基于阶段沉降的盾构施工地表沉降控制优化方法与流程

1.本发明涉及盾构施工地表沉降控制技术领域，特别是涉及一种基于阶段沉降的盾构施工地表沉降控制优化方法。


背景技术：

2.盾构法施工由于在掘进过程中稳定性高、速度快等特点，在地下工程中广泛应用。由于盾构施工环境复杂、不确定因素多，工程质量和安全问题突出。盾构掘进引起的地表沉降是施工过程中的主要风险之一，在实际施工过程中，地表沉降受隧道几何参数、地质参数和掘进参数各因素的综合影响，问题研究极其复杂。如果参数设置不合理，沉降过大，将会引发地面塌陷、房屋倒塌等一系列事故。特别是盾构穿越周边建筑物和管线林立繁华城区时，对地面变形控制要求更高。因此，对盾构施工过程的不同阶段进行地面沉降的精准预测和控制具有重要的意义。
3.目前对于地表沉降研究主要是以参数预测为主，对参数的优化并没有一个完整的体系，优化效果也不是非常显著。鉴于此，本发明围绕工程安全、质量、成本和效率，形成了盾构掘进关键施工参数优化方法。在对不同阶段的施工关键影响因素分析基础上，分别建立了盾构掘进参数与前期阶段沉降的关系模型、盾构掘进参数与盾尾离开阶段沉降的关系模型。以安全、效率和成本综合最优为目标，构建以土压力、注浆量和推进速度为关键参数的优化模型，并采用粒子群算法进行参数优化，以实现工程综合效益最佳的目标。
4.因此，设计一个地表沉降控制优化模型，实现基于阶段沉降的盾构施工地表沉降的控制优化，对提升工程安全水平、提高工程管理能力具有技术支撑作用。


技术实现要素：

5.本发明揭示了一种基于阶段沉降的盾构施工地表沉降的控制优化方法。本发明通过以下技术方案来实现上述目的：
6.一种基于阶段沉降的盾构施工地表沉降的控制优化方法，包括地层特性的研究，用于不同工况下的沉降特征讨论；多阶段沉降目标值划定，分析前方沉降和后方沉降与累计沉降量的关系，并给出不同工况下不同阶段的沉降控制目标值；多阶段沉降预测模型构建，分别从隧道几何参数、地质参数和掘进参数出发，建立前方阶段沉降和后方阶段沉降预测模型；优化模型的建立和工程效益指标的评价，以安全、效益和成本综合最优为目标，构建粒子群优化模型，对土压力、注浆量和推进速度关键参数进行优化。
7.具体的，该基于阶段沉降的盾构施工地表沉降的控制优化方法包括下列步骤：
8.s1、工况分类，包括地质特征提取和工程特征提取，通过对地质特征和工程特征的综合分析，得到与盾构掘进特征关联的不同工况，进而确定对不同地质工况的分类。
9.s2、阶段沉降控制目标决策，包括建立阶段沉降预测模型、敏感性分析和控制目标设计；
10.其中，建立阶段沉降预测模型的方法为：采用bp神经网络建立第一阶段、第二阶
段、第三阶段的极值特征值与施工期累计沉降的关系模型和变化量特征值与施工期累计沉降的关系模型，用均方误差mse和决定系数r2作为评价指标评价模型预测准确率。其中，均方误差表示预测参数估计值与真实值差值平方和的期望，数值越小，模型的预测效果越好；反之越差。r2是用来衡量模型选取的自变量与预测结果的相关程度，决定系数越高，表示可解释的程度越高，回归模型的效果越好；
11.s3、阶段模型预测，包括：
12.s31、建立第一阶段参数与沉降关系模型：采用xgboost算法建立第一阶段沉降预测模型fs-xgb(xgb for front stage settlement)。fs-xgb模型的输入量由地质参数和掘进参数组成，包括：上载荷、正面土压力、推进速度、刀盘转速、粘聚力、内摩擦角和埋深。输入值以环号为单位取值，第i环的数据分别为：{z(i)，p(i)，vv(i)，r(i)，c(i)，n(i)，h(i)}，输出向量为第一阶段沉降值s1(i)。粘聚力、内摩擦角和埋深按照地勘报告取值，正面土压力、推进速度、刀盘转速以环为单位进行取均值。用均方误差mse和决定系数r2作为评价指标评价模型预测准确率。其中，均方误差表示预测参数估计值与真实值差值平方和的期望，数值越小，模型的预测效果越好；反之越差。r2是用来衡量模型选取的自变量与预测结果的相关程度，决定系数越高，表示可解释的程度越高，回归模型的效果越好。
13.s32、建立第三阶段参数与沉降关系模型：采用xgboost算法建立第三阶段沉降预测模型rs-xgb(xgb for rear stage settlement)。rs-xgb的输入量由地质参数、前期地面沉降和掘进参数组成，包括：上载荷、粘聚力、内摩擦角、埋深、前方沉降量、壳体上方沉降量和盾尾注浆量。其中，上载荷、粘聚力、内摩擦角和埋深取值与上述取值相同，前方沉降量为开挖面前方5环的沉降均值，上方沉降量为通过阶段的沉降均值，注浆量为第i环的注浆量，第i环的输入向量为{z(i)，c(i)，n(i)，h(i)，s1(i)，s2(i)，vv(i)}。输出向量为第三阶段沉降值s3(i)。用均方误差mse和决定系数r2作为评价指标评价模型预测准确率。其中，均方误差表示预测参数估计值与真实值差值平方和的期望，数值越小，模型的预测效果越好；反之越差。r2是用来衡量模型选取的自变量与预测结果的相关程度，决定系数越高，表示可解释的程度越高，回归模型的效果越好。
14.s4、控制优化模型，包括第一阶段优化参数和第三阶段优化参数。
15.优选的，所述步骤s1中，地质特征提取：选择长三角区域的典型工程，对盾构穿越的主要土层，进行统计整理分析；
16.工程特征提取：基于文献初选与沉降特性相关的盾构施工参数作为候选集，采用随机森林算法进行特征排序，确定与沉降高相关性的施工参数集作为进行工程特性划分的依据，通过k-均值聚类算法对盾构隧道施工数据进行分类。
17.优选的，所述步骤s2中，敏感性分析包括：对各个输入变量分别独立添加白噪声的方式，分析预测模型中输出值的变化，计算输出变化均值和输入变化均值的比值测其敏感性，比值越大，敏感性越高，比值越低，敏感性越低；
18.控制目标设计包括：通过数理统计的方法对阶段沉降目标量与累计沉降量的关系进行分析，得到以施工期累计沉降0mm为假设理想值时，各阶段沉降的理想控制区间。
19.优选的，步骤s4控制优化模型的方法包括：
20.s41、将目标函数分成四个部分，分别是：
①
质量，基于累计沉降量计算；
②
进度，基于推进速度计算；
③
成本，基于注浆量计算；
④
安全，采用惩罚因子方式对沉降超标情况加
以约束；当沉降超过工程安全标准后，p值就变得很高，以确保不出现此类状态；优化目标函数见下式所示，目标值以最小值为佳。
[0021][0022]
式中：
[0023]gmin
——综合目标函数最小值；
[0024]
s——累计沉降量；
[0025]
sm——工程允许得最大变形值；
[0026]
v——推进速度；
[0027]
vm——盾构机额定最大推进速度；
[0028]
q——注浆量；
[0029]
qm——盾构理论空隙量的150％；
[0030]
p为惩罚因子，当第一阶段沉降、第三阶段沉降或累计沉降超过规范要求时，取1000，否则取0；
[0031]
α1、α2、α3为权重系数，可根据项目部对安全、效率、成本侧重点不同进行设置。
[0032]
s42、第一阶段优化参数：第一阶段沉降模型中涉及到的施工参数包括切口压力、推进速度、刀盘转速、总推力和刀盘扭矩；其中，总推力与推进速度、刀盘扭矩、刀盘转速有关，刀盘扭矩与土体物理性质尤其是土体强度有关，无法直接控制。考虑到本发明研究的掘进土质为软土，刀盘转速一般保持不变，很少调整。因此在第一阶段沉降模型中，主要对土压力、推进速度两个参数进行优化。
[0033]
s43、第三阶段优化参数：在第三阶段沉降模型中，注浆量与注浆压力对沉降影响最大，但注浆压力与注浆量密切相关，且注浆压力很难直接控制，所以选择注浆量进行优化；
[0034]
优选的，步骤s4中，采用粒子群算法对土压力、推进速度和注浆量进行参数优化：首先用bpnn阶段沉降预测模型规划阶段沉降量，并根据沉降控制目标对土压力、推进速度和注浆量参数进行初始化；接着，根据综合目标函数使用pso算法对参数进行优化：粒子总个数为100个，第i个粒子的位置向量为xi＝(x
i1
,x
i2
,x
i3
)，速度向量为vi＝(v
i1
,v
i2
,v
i3
)，通过更新粒子速度和位置，优化土压力、推进速度和注浆量，直至得到满足优化条件的掘进参数组合。
[0035]
与现有技术相比，本发明的有益效果在于：本发明首次探究了多阶段地面沉降与施工期累计沉降的关系，分析了影响施工期累计沉降的主要特征量，为盾构法隧道地面沉降预测提供了新的思路；首次提出了基于xgboost算法和粒子群优化的盾构掘进参数优化方法，设计了盾构掘进的综合效益评价模型，基于不同阶段优化对应的控制参数，为盾构法隧道掘进方案的优化提供了技术支撑。
附图说明
[0036]
图1是本发明所述一种基于阶段沉降的盾构施工地表沉降的控制优化方法的结构框图。
[0037]
图2是本发明所述一种盾构掘进参数优化框架的工作流程框图。
具体实施方式
[0038]
在本发明的描述中，下面结合附图对本发明作进一步说明：
[0039]
如图1所示，一种基于阶段沉降的盾构施工地表沉降的控制优化方法的结构框图，包括地层特性的研究，用于不同工况下的沉降特征讨论；多阶段沉降目标值划定，分析前方沉降和后方沉降与累计沉降量的关系，并给出不同工况下不同阶段的沉降控制目标值；多阶段沉降预测模型构建，分别从隧道几何参数、地质参数和掘进参数出发，建立前方阶段沉降和后方阶段沉降预测模型；优化模型的建立和工程效益指标的评价，以安全、效益和成本综合最优为目标，构建粒子群优化模型，对土压力、注浆量和推进速度关键参数进行优化。
[0040]
实施例：一种基于阶段沉降的盾构施工地表沉降的控制优化方法，包括下列步骤：
[0041]
s1、工况分类，具体包括：
[0042]
地质特征提取：选择长三角区域的典型工程，对盾构穿越的主要土层，进行统计整理分析；
[0043]
工程特征提取：基于文献初选了与沉降特性相关的盾构施工参数作为候选集，采用随机森林算法进行特征排序，确定与沉降高相关性的施工参数集作为进行工程特性划分的依据，通过k-均值聚类算法对盾构隧道施工数据进行分类；
[0044]
通过对地质特征和工程特征的综合分析，得到与盾构掘进特征关联的不同工况，进而确定对不同地质工况的分类。
[0045]
s2、阶段沉降控制目标决策，包括：
[0046]
建立阶段沉降预测模型：采用bp神经网络建立第一阶段、第二阶段、第三阶段的极值特征值与施工期累计沉降的关系模型和变化量特征值与施工期累计沉降的关系模型，用均方误差mse和决定系数r2作为评价指标评价模型预测准确率。其中，均方误差表示预测参数估计值与真实值差值平方和的期望，数值越小，模型的预测效果越好；反之越差。r2是用来衡量模型选取的自变量与预测结果的相关程度，决定系数越高，表示可解释的程度越高，回归模型的效果越好。
[0047]
敏感性分析：对各个输入变量分别独立添加白噪声的方式，分析预测模型中输出值的变化，计算输出变化均值和输入变化均值的比值测其敏感性，比值越大，敏感性越高，比值越低，敏感性越低。
[0048]
控制目标设计：通过数理统计的方法对阶段沉降目标量与累计沉降量关系研究，讨论以施工期累计沉降0mm为假设理想值时，各阶段沉降的理想控制区间。
[0049]
s3、阶段模型预测，包括：
[0050]
s31、建立第一阶段参数与沉降关系模型：采用xgboost算法建立第一阶段沉降预测模型fs-xgb(xgb for front stage settlement)。fs-xgb模型的输入量由地质参数和掘进参数组成，包括：上载荷、正面土压力、推进速度、刀盘转速、粘聚力、内摩擦角和埋深。输入值以环号为单位取值，第i环的数据分别为：{z(i)，p(i)，vv(i)，r(i)，c(i)，n(i)，h(i)}，输出向量为第一阶段沉降值s1(i)。粘聚力、内摩擦角和埋深按照地勘报告取值，正面土压力、推进速度、刀盘转速以环为单位进行取均值。用均方误差mse和决定系数r2作为评价指标评价模型预测准确率。其中，均方误差表示预测参数估计值与真实值差值平方和的期望，数值越小，模型的预测效果越好；反之越差。r2是用来衡量模型选取的自变量与预测结果的相关程度，决定系数越高，表示可解释的程度越高，回归模型的效果越好。
[0051]
s32、建立第三阶段参数与沉降关系模型：采用xgboost算法建立第三阶段沉降预测模型rs-xgb(xgb for rear stage settlement)。rs-xgb的输入量由地质参数、前期地面沉降和掘进参数组成，包括：上载荷、粘聚力、内摩擦角、埋深、前方沉降量、壳体上方沉降量和盾尾注浆量。其中，上载荷、粘聚力、内摩擦角和埋深取值与上述取值相同，前方沉降量为开挖面前方5环的沉降均值，上方沉降量为通过阶段的沉降均值，注浆量为第i环的注浆量，第i环的输入向量为{z(i)，c(i)，n(i)，h(i)，s1(i)，s2(i)，vv(i)}。输出向量为第三阶段沉降值s3(i)。用均方误差mse和决定系数r2作为评价指标评价模型预测准确率。其中，均方误差表示预测参数估计值与真实值差值平方和的期望，数值越小，模型的预测效果越好；反之越差。r2是用来衡量模型选取的自变量与预测结果的相关程度，决定系数越高，表示可解释的程度越高，回归模型的效果越好。
[0052]
s4、控制优化模型，包括第一阶段优化参数和第三阶段优化参数。
[0053]
s41、将目标函数分成四个部分，分别是：
①
质量，基于累计沉降量计算；
②
进度，基于推进速度计算；
③
成本，基于注浆量计算；
④
安全，采用惩罚因子方式对沉降超标情况加以约束；当沉降超过工程安全标准后，p值就变得很高，以确保不出现此类状态；优化目标函数见下式所示，目标值以最小值为佳。
[0054][0055]
式中：
[0056]gmin
——综合目标函数最小值；
[0057]
s——累计沉降量；
[0058]
sm——工程允许得最大变形值；
[0059]
v——推进速度；
[0060]
vm——盾构机额定最大推进速度；
[0061]
q——注浆量；
[0062]
qm——盾构理论空隙量的150％；
[0063]
p为惩罚因子，当第一阶段沉降、第三阶段沉降或累计沉降超过规范要求时，取1000，否则取0；
[0064]
α1、α2、α3为权重系数，可根据项目部对安全、效率、成本侧重点不同进行设置。
[0065]
s42、第一阶段优化参数：第一阶段沉降模型中涉及到的施工参数包括：切口压力、推进速度、刀盘转速、总推力和刀盘扭矩。其中，总推力与推进速度、刀盘扭矩、刀盘转速有关，刀盘扭矩与土体物理性质尤其是土体强度有关，无法直接控制。考虑到本发明研究的掘进土质为软土，刀盘转速一般保持不变，很少调整。因此在第一阶段沉降模型中，主要对土压力、推进速度两个参数进行优化。
[0066]
s43、第三阶段优化参数：在第三阶段沉降模型中，注浆量与注浆压力对沉降影响最大，但注浆压力与注浆量密切相关，且注浆压力很难直接控制，所以选择注浆量进行优化。
[0067]
进一步的，采用粒子群算法对土压力、推进速度和注浆量进行参数优化：首先用bpnn阶段沉降预测模型规划阶段沉降量，并根据沉降控制目标对土压力、推进速度和注浆量参数进行初始化；接着，根据综合目标函数使用pso算法对参数进行优化：粒子总个数为
100个，第i个粒子的位置向量为xi＝(x
i1
,x
i2
,x
i3
)，速度向量为vi＝(v
i1
,v
i2
,v
i3
)，通过更新粒子速度和位置，优化土压力、推进速度和注浆量，直至得到满足优化条件的掘进参数组合。
[0068]
如图2所示是本发明盾构掘进参数优化框架的工作流程框图。在掘进过程中，不同工况下的沉降规律是不同的。本发明根据每个工况的特点，对各阶段沉降控制目标值进行规划。此外，各阶段中影响沉降的掘进控制变量也是不同的。在第一阶段，盾构前方土体因开挖面切口压力过高或过低产生变形，切口土压力是控制该阶段沉降最为核心的施工参数。除此之外，刀盘扭矩、刀盘转速和推进速度等施工参数和粘聚力、内摩擦角、埋深和上方载荷等地质参数对第一阶段沉降也有影响。在第二阶段，其沉降主要由于第一阶段沉降以及盾构机机壳与土体的摩擦产生的影响，故该阶段的影响因素为盾构姿态变化和推进速度。在第三阶段，第一阶段和第二阶段沉降量以及盾壳与管片之间间隙填充效果是地面沉降的主要因素，因此注浆量与注浆压力是关键控制参数。由于第一阶段和第三阶段沉降对施工期累计沉降影响最为明显，且施工主影响因素可控，因此本发明围绕这两个阶段建立施工参数与沉降的关系模型。在第一阶段沉降模型中，寻找土压力、推进速度和累计沉降的关系；在第三阶段沉降模型中，寻找注浆量和累计沉降的关系。在此基础上，本发明采用粒子群算法对关键参数进行优化，以期优化掘进参数，控制地面沉降、提高掘进速度、降低施工成本。
[0069]
综上所述：
[0070]
本发明提出了面向掘进性能的工况类别划分方法。结合长三角地区地铁隧道盾构工程数据，使用聚类方法，划分了长三角盾构隧道施工的四种典型工况。
[0071]
本发明根据盾构法隧道工程特点，建立了多阶段沉降预测模型，总结了各阶段沉降与累计沉降之间的关系。本发明使用bp神经网络对长三角地区的盾构施工数据建立了沉降预测模型，给出了不同工况下的沉降控制目标建议值。
[0072]
本发明提出了面向工程综合效能的施工参数优化方法。本发明基于多阶段沉降预测模型和施工参数与沉降关系模型，采用粒子群算法，以环为单位，实现了土压力、推进速度和注浆量三个关键施工参数优化。
[0073]
本领域内的技术人员应明白,本技术可在软件和/或软件与硬件的组合体中被实施；例如，可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本技术的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本技术的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中；例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本技术的一些步骤或功能可采用硬件来实现；例如，作为与处理器配合从而执行各个步骤或功能的电路。所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。实施例中所涉及的效果或优点可因多种因素干扰而可能不能在实施例中体现，对于效果或优点的描述不用于对实施例进行限制。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结
构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

技术特征：
1.一种基于阶段沉降的盾构施工地表沉降的控制优化方法，其特征在于，包括下列步骤：s1、工况分类，包括地质特征提取和工程特征提取，通过对地质特征和工程特征的综合分析，得到与盾构掘进特征关联的不同工况，进而确定对不同地质工况的分类；s2、阶段沉降控制目标决策，包括建立阶段沉降预测模型、敏感性分析和控制目标设计；其中，建立阶段沉降预测模型的方法为：采用bp神经网络建立第一阶段、第二阶段、第三阶段的极值特征值与施工期累计沉降的关系模型和变化量特征值与施工期累计沉降的关系模型，用均方误差mse和决定系数r2作为评价指标评价模型预测准确率；s3、阶段模型预测，包括：s31、建立第一阶段参数与沉降关系模型：采用xgboost算法建立第一阶段沉降预测模型fs-xgb；fs-xgb模型的输入量由地质参数和掘进参数组成，包括：上载荷、正面土压力、推进速度、刀盘转速、粘聚力、内摩擦角和埋深；输入值以环号为单位取值，第i环的数据分别为：{z(i)，p(i)，v
v
(i)，(i)，c(i)，n(i)，h(i)}，输出向量为第一阶段沉降值s1(i)；粘聚力、内摩擦角和埋深按照地勘报告取值，正面土压力、推进速度、刀盘转速以环为单位进行取均值；s32、建立第三阶段参数与沉降关系模型：采用xgboost算法建立第三阶段沉降预测模型rs-xgb；rs-xgb的输入量由地质参数、前期地面沉降和掘进参数组成，包括：上载荷、粘聚力、内摩擦角、埋深、前方沉降量、壳体上方沉降量和盾尾注浆量；其中，上载荷、粘聚力、内摩擦角和埋深取值与上述取值相同，前方沉降量为开挖面前方5环的沉降均值，上方沉降量为通过阶段的沉降均值，注浆量为第i环的注浆量，第i环的输入向量为{z(i)，c(i)，n(i)，h(i)，s1(i)，s2(i)，vv(i)}；输出向量为第三阶段沉降值s3(i)；s4、控制优化模型，包括第一阶段优化参数和第三阶段优化参数。2.根据权利要求1所述的基于阶段沉降的盾构施工地表沉降控制优化方法，其特征在于，所述步骤s1中，地质特征提取：选择长三角区域的典型工程，对盾构穿越的主要土层，进行统计整理分析；工程特征提取：基于文献初选与沉降特性相关的盾构施工参数作为候选集，采用随机森林算法进行特征排序，确定与沉降高相关性的施工参数集作为进行工程特性划分的依据，通过k-均值聚类算法对盾构隧道施工数据进行分类。3.根据权利要求1所述的基于阶段沉降的盾构施工地表沉降控制优化方法，其特征在于，所述步骤s2中，敏感性分析包括：对各个输入变量分别独立添加白噪声的方式，分析预测模型中输出值的变化，计算输出变化均值和输入变化均值的比值测其敏感性，比值越大，敏感性越高，比值越低，敏感性越低；控制目标设计包括：通过数理统计的方法对阶段沉降目标量与累计沉降量的关系进行分析，得到以施工期累计沉降0mm为假设理想值时，各阶段沉降的理想控制区间。4.根据权利要求1所述的基于阶段沉降的盾构施工地表沉降控制优化方法，其特征在于，所述步骤s31和s32中，用均方误差mse和决定系数r2作为评价指标评价模型预测准确率；其中，均方误差表示预测参数估计值与真实值差值平方和的期望，数值越小，模型的预测效果越好；反之越差；r2是用来衡量模型选取的白变量与预测结果的相关程度，决定系数
越高，表示可解释的程度越高，回归模型的效果越好。5.根据权利要求1所述的基于阶段沉降的盾构施工地表沉降控制优化方法，其特征在于，步骤s4控制优化模型的方法包括：s41、将目标函数分成四个部分，分别是：
①
质量，基于累计沉降量计算；
②
进度，基于推进速度计算；
③
成本，基于注浆量计算；
④
安全，采用惩罚因子方式对沉降超标情况加以约束；当沉降超过工程安全标准后，p值就变得很高，以确保不出现此类状态；优化目标函数见下式所示，目标值以最小值为佳，式中：g
min
——综合目标函数最小值；s——累计沉降量；s
m
程允许得最大变形值；v——推进速度；v
m
——盾构机额定最大推进速度；q——注浆量；q
m
——盾构理论空隙量的150％；p为惩罚因子，当第一阶段沉降、第三阶段沉降或累计沉降超过规范要求时，取1000，否则取0；α1、α2、α3为权重系数，可根据项目部对安全、效率、成本侧重点不同进行设置；s42、第一阶段优化参数：第一阶段沉降模型中涉及到的施工参数包括切口压力、推进速度、刀盘转速、总推力和刀盘扭矩；其中，总推力与推进速度、刀盘扭矩、刀盘转速有关，刀盘扭矩与土体物理性质尤其是土体强度有关，无法直接控制；因此在第一阶段沉降模型中，主要对土压力、推进速度两个参数进行优化；s43、第三阶段优化参数：在第三阶段沉降模型中，注浆量与注浆压力对沉降影响最大，但注浆压力与注浆量密切相关，且注浆压力很难直接控制，所以选择注浆量进行优化。6.根据权利要求5所述的基于阶段沉降的盾构施工地表沉降控制优化方法，其特征在于，采用粒子群算法对土压力、推进速度和注浆量进行参数优化：首先用bpnn阶段沉降预测模型规划阶段沉降量，并根据沉降控制目标对土压力、推进速度和注浆量参数进行初始化；接着，根据综合目标函数使用pso算法对参数进行优化：粒子总个数为100个，第i个粒子的位置向量为x
i
＝(x
i1
,x
i2
,x
i3
)，速度向量为v
i
＝(v
i1
,v
i2
,v
i3
)，通过更新粒子速度和位置，优化土压力、推进速度和注浆量，直至得到满足优化条件的掘进参数组合。

技术总结
本发明揭示了一种基于阶段沉降的盾构施工地表沉降的控制优化方法，包括：地层特性的研究，用于不同工况下的沉降特征分析；多阶段沉降目标值的划定，分析前方沉降和后方沉降与累计沉降量的关系，并给出不同工况下不同阶段的沉降控制目标值；多阶段沉降预测模型构建，分别从隧道几何参数、地质参数和掘进参数出发，建立前方阶段沉降和后方阶段沉降预测模型；优化模型的建立和工程效益指标的评价，以安全、效益和成本综合最优为目标，构建粒子群优化模型，对土压力、注浆量和推进速度关键参数进行优化。本发明揭示了多阶段盾构施工地表沉降控制优化方法，对提升工程安全水平、提高工程管理能力具有技术支撑作用。工程管理能力具有技术支撑作用。工程管理能力具有技术支撑作用。


技术研发人员：张斌 李勇军 游金虎 杨聚会 李增 周毅 胡珉 张合沛 李叔敖 江南 陈瑞祥 夏明 史志慧 羊天利 黄威 陈乐乐 梁荣章
受保护的技术使用者：中铁隧道局集团有限公司
技术研发日：2023.03.31
技术公布日：2023/7/7