0引言
隨著我國城市交通的發展和地下空間的利用，城市重要地段的交通擁堵問題亟待解決。地下交通的開發和利用將越來越普遍，地下工程的數量不斷增加使地面的交通更加暢通，提高了城市交通的效率，因此，修建地下交通環廊已成為我國城市現代化發展趨勢[1]。
地下交通環廊主要由環形的主隧道貫通和多條輔助匝道連接。地下交通環廊通常位于城區中心的繁華地帶，為了節省地面空間和土地資源，地下交通環廊的埋深一般超過10m，在地下遂道深基坑開挖過程中，受施工擾動的影響，土體應力、應變及其力學性狀都會發生或多或少的變化，進而導致基坑的變形。當基坑變形量達到一定程度時就會出現基坑失穩的問題。為了保證基坑的安全，為了避免經濟損失，在基坑開挖過程中需對其進行變形觀測和數據處理。所以，可以建立地下交通環廊監測模型，實現對基坑變形的預測分析。
1國內外現狀分析
19世紀后伴隨著土木工程的發展，大量高層建筑以及地下工程的出現，基坑的數量越來越多，基坑安全就是目前的一個研究熱點。許多學者已開始對基坑工程安全監測工作進行研究。基坑監測技術是在基坑開挖施工或建成運行過程中，用科學儀器、設備和手段對支護系統、周邊環境，如基坑邊土體、建筑物、道路、地下管線等的水平和垂直位移、傾斜、應力、開裂、基底隆起及地下水位的動態變化、土層孔隙水壓力變化等進行的綜合監測[2]。
20世紀中期，Terzaghi和Peek等人研究巖土工程問題而提出的預估挖方穩定程度和支撐荷載大小的總應力法[3]，經過后來改進和修正的理論沿用至今。在50年代，Junemim和Eide經過努力得到了深基坑坑底隆起的分析方法。到了60年代，在挪威首都奧斯陸和墨西哥首都黑西哥城開始對軟粘土深基坑使用儀器監測。歷經30年的發展，到20世紀90年代，國外已應用計算機在監測數據采集系統中，實現了信息化監測。此時，我國的深基坑全方位監則剛起步。
近幾十年以來，我國建筑行業蓬勃發展，信息化施工及動態設計技術開始興起，國內許多學者對深基坑監測預測技術進行了更深入的研究。現在常用的深基坑預測方法模型有灰色系統預測法、模糊數學預測法、實時建模預測法以及神經網絡預測法。2000年，在李宏義的基坑變形灰色預警系統[4]中，從基坑位移影響因素和位移特征著手，建立了灰色預測預警模型，總結出了灰色預測預報模型有較好的擬合度和預測的可靠性，能提前預測位移和變形速率。2001年，胡友健研究了集監測數據處理、圖形繪制與管理、變形預測及險情判斷等多功能于一體的深基坑監測預測系統[5]，總結出了該系統對深基坑的監測數據庫進行管理，利用灰色系統理論建立變形預測模型。葉亞林等用曲線擬合模型、GM（1，1）模型和BP網絡模型對基坑位移變形監測數據進行建模擬合及仿真[6]，結果表明BP網絡模型的仿真值及精度最高。賀可強根據深基坑變形的特征，用神經網絡建立了深基坑變形的實時預測模型，編寫了基坑監測預測神經網絡程序[7]。
2地下交通環廊的支護形式
武漢王家墩商務區核心區地下交通環廊工程一標段商務東路段基坑工程位于王家墩商務區核心區東側，基坑深度約8.0~11.4m。基坑工程的重要性等級為一級。
地下交通環廊主環為單向三車道，匝道為兩車道，設計車行速度為20km/h，服務于中小型客車；地下交通環一線（暗埋）長568.52m，四條匝道（暗埋+敞口）長411.37m.綜合管溝利用主環止方結構空腔設置，與交通環廊風道平行設置，斷面尺寸為4.8m（寬）×2.0m（高）。地下交通環廊及綜合喬遷之喜溝采用明挖法施工。
基坑圍護結構采用φ850和φ1000厚型鋼水泥土攪拌墻（SMW工法樁），墻深16.5~25.0m，內設一道砼支撐，二、三道為鋼管撐。匝道基坑深度約0.67~10.2m，匝道段基坑圍護結構根據開挖嘗試分別采用放坡，水泥土攪拌樁擋墻、650和850厚型鋼水泥土攪拌墻（SMW工法樁），內設一道砼支撐，一~二道鋼管撐。放坡開挖段坡比為1：2，采用100厚噴射濁、混凝土加φ8@150×150鋼盤網支護，頂部和底部設置截水溝。交叉口區域1基坑采用850厚型鋼水泥土攪拌墻（SMW工法樁），墻深16.3~25.0m。內設一道砼支撐，二、三道鋼管撐。
基坑設置第一道支撐為混凝土支撐，混凝土支撐撐在頂圈梁。第二、三道支撐為φ609×16鋼管支撐。
3監測模型分析
由于施工環境的復雜性和影響因素的多樣性，且隨著觀測數據的不斷增加，監測數據中包含的變形信息和各種誤差逐漸增加；如果預測模型不能正確區分變形信息和誤差，將很難準確的預測后期的變形趨勢；因此，需要找到一種能夠考慮各種變形影響因素的預測預報方法。在諸多的變形監測預測方法中，灰色系統預測模型、馬爾可夫鏈模型、BP神經網絡預測模型是應用效果較好的預測模型。
灰色預測模型是一個能處理貧信息的系統。灰色系統建模有獨特的條件，其常用的數據有科學實驗數據、經驗數據、生產數據、決策數據，而后序列的生成數據是建立灰色模型的基礎，一般生成的非負序列累加生成后，得到準光滑序列，對于滿足光滑條件的序列，即可建立GM微分模型。模型精度可以通過不同的灰數生成方式，數據的取舍，序列的調整、修正以及不同級別的殘差GM模型補充得到。而后灰色系統理論采用殘差大小檢驗、關聯度檢驗、后驗差檢驗三種方法檢驗、判斷模型的精度。
灰色預測模型采用的是生成系列，只要求較短的觀測資料即可，具有明顯上升趨勢的數據預測效果更好，這和時間序列分析，多元分析等概率統計模型要求較長資料很不一樣。因此，對于較少量觀測數據的項目來說，灰色預測是一種有用的預測工具。
馬爾可夫是對一個隨機變化的動態系統進行研究的預測理論，系統將來所處的狀態只與現在系統狀態有關，而與過去所處狀態無關，根據狀態之間的轉換概率預測一個系統將來的發展態勢，常利用該模型確定工農業生產、經濟等狀態的轉移規律。馬爾可夫鏈的初始假設條件[8-9]規定：馬爾可夫鏈研究對象的狀態轉移只與事物的近期狀態有關，與過去狀態無關，即無后效性，且時間和狀態均為離散；在預測期間狀態個數不變，TPM逐期保持不變，即具有平穩分布的過程。
BP神經網絡是一種多層前向網絡，它具備神經網絡的普遍優點，但它卻不是非常完美的。BP神經網絡常用三層網絡結構，它具有：從一個輸入到輸出的非線性映射能力；高度自學習和自適應能力；將學習成果應用于新知識的能力，即泛化能力；系統在受到局部損傷時還可以正常工作的容錯能力。BP神經網絡也有自身的局限性，它的每個節點和權值都會影響輸出，且適應過程和全局逼近過程比較耗時，導致收斂速度較慢；同時BP網絡是屬于梯度下降的非凸問題，容易陷入局部極小值，導致錯誤的工作模式；隱含層的數目及其單元的選取尚無理論上的指導，因而BP網絡一般具有很大的冗余性[10]
4小結
本文介紹了國內外基坑工程監測預測研究現狀，闡述了地下交通環廊深基坑支護的方法，分析了地下交通環廊面臨的信息化問題，通過分析地下交通環廊監測的特點，將預測模型與監測系統相結合，實現信息化監測預測，并在此基礎上實現信息的存儲、處理、分析、查詢、預測、預警以及成果輸出的自動化系統，實現各類監測數據相關信息的快速準確采集及科學分析與反饋將是今后的發展趨勢。
基金項目：中國密碼學會2013年教育教學改革項目（No.CACR2013E01）。
作者簡介：
董文寶（1985-），碩士研究生，研究方向：巖土工程。
