北京城市快轨建设管理有限公司北京市100061
摘要：地铁施工变形关系与工程周边土木环境的稳定与维护、工程安全具有非常密切的关系，地铁车站地铁盾构施工、深大基坑施工通过模糊逻辑法则以及人工智能神经网络等方式，可以智能的预测土工环境以及土体变形情况，一旦变形情况准备超过预定的现值，采用变形控制智能方式使地铁施工的相关参数得到明显调整，对施工变形情况进行合理控制。本文对地铁施工变形预测、控制的智能方式进行全面分析，旨在验证变形预测智能方法的可行性。
关键词：地铁施工；变形预测；控制；智能方法
一、前言
目前，我国大部分软土地区城市地铁施工过程中需要采用针对性的措施来控制变形关系，确保工程周边土工环境、工作安全的稳定性、维护得到有效维护，使目前城市地铁施工研究的主要方向[1]。通过智能的方法、智能的理念对地下工程、隧道工程施工变形情况进行处理，与传统数值控制的方式对比得知，也是具有一定的有效性、可行性。由于工程施工扰动造成地表、土层变形位移量准备超过规定的标准值之前，需要智能系统作有效的险情预防以及预测预报，以施工变形智能预报、智能预测作为前提，对工程的相关施工参与进行调整，有效的完成智能控制施工变形的工作，确保对于工程险情能有效防治，使周边环境得到有效保护。
二、深大基坑施工土地变性的智能控制与智能预测
地铁工程中深大基坑在进行开挖施工之前，会因为坑内外深层降水、基地塑性隆起、围护墙体水平位移不符合标准等因素，造成坑体周边土体出现超限沉降以及变形的情况，在一定程度上影响工程周边环境以及自身环境，严重的还会出现地下管线裂损、建构筑物裂损等质量问题，上述情况常见于市区内深基坑工程的施工工作中，并急需采用针对性的措施进行处理。通过智能方式有效的控制、预测施工变形情况具体包括两方面：一方面，通过监测现场工程的实际情况，可以获得地表变形位移以及土层位移的实际数值；另一方面，通过监测现场工程的实际情况可以获得水文地质参数以及工程地质参数。相对于信息化施工来说，应用智能监控的方式可以采用定量预警、定量预测的方式获得未来3~5天内施工可能产生的变形位移数据，并根据获取的数据对施工参数进行合理的调整，有效的缓解变形位移带来的影响，从根本上提升变形控制的有效性。
（一）基坑的相关施工参数
地铁车站长条形基坑的实际施工中，可以通过开撑、分部开挖、分层、多倒水平对撑等方式进行施工。相关施工参数主要有以下几个：第一，一旦地铁施工开挖上层，对于没有进行施工且作为下道支撑的工作，以Tt表示最长时间暴露；第二，若通过钢管进行对称，以P来表示施加于钢管支撑的预应力值；第三，若坑内、坑外可以允许降水，则以h来表示降水漏斗的降水平均深度；第四，土体分层开挖的层数以N来表示支撑道数，顺着深度竖向，每一开挖层作为每一道支撑；第五，以L表示每一水平层的实际开挖步长，顺着水平纵向的方向，一般情况下，每两排支撑间以一开挖步作为主要宽度；第六，顺着基坑内周边开挖时以w表示留设的挡土层宽度，挡土层预留的宽度越大，则表示被动区土体抗力有所增大[2]。
（二）分析参数的敏感性
地铁基坑施工过程中抗外周地表沉降量以及抗壁围护墙体水平位移情况会产生一定的敏感性，通过灰色关联度方法在基坑施工过程中以递接、层次的方式分析相关施工参数，根据上述施工参数对地表沉降、基坑变形两者之间的影响程度以及关系作简要分析，根据递阶分析、层次分析的结果作认定处理，按照变形影响的实际情况，按照从大到小的顺序进行排列如下：先撑后挖、坑壁内周预留土堤土层宽度w、顺着水平层开挖步长L、分层开挖的层数N、坑外或者坑内平均降水平降深度h、钢支撑预应力值大小p、开挖每层后无支撑暴露时间Tt。
（三）施工变形模糊逻辑智能控制要点
以某市基坑变形控制保护等级为例，地铁工程基坑施工变形模糊逻辑智能控制体现如下：（1）保护等级为特级的，要求围护墙最大水平移位、地面最大沉降量、K分别≤0.14%H、＜0.1%H、≥2.2；对于环境保护的要求为基坑施工周边若存在重要建筑物、大型压力污水干管、煤气罐、共同沟设施时，需要确保周边施工的安全性；（2）保护等级为一级的，要求围护墙最大水平移位、地面最大沉降量、K分别≤0.3%H、＜0.2%H、≥2.0；确保大型在使用构筑物、水管、重要干线等设施没有在在基坑周边H范围内，需要确保施工安全；（3）保护等级为二级的，要求围护墙最大水平移位、地面最大沉降量、K分别≤0.5%H、≤0.7%H、≥1.5；且需要确保低下设施、建筑物、重要支线管道没有在基坑周边H范围内；（4）保护等级为三级的，要求围护墙最大水平移位、地面最大沉降量、K分别≤1%H、≤1.4%H、≥1.2，且确保需要保护的构筑物、建筑管线、建筑设施未在基坑周边30m区域内。
（四）基坑施工变形的模糊控制
通过分析当日变形速率以及墙体水平位移预测结果可以得知比较危险的施工变形情况，提示将开挖步长L有效的减少。按照当日变形速率、地表沉降预测结果得出基坑施工变形存在轻微异常，将土堤宽度w合理加大。根据上述两点可以得知，相对于分层厚度w来说，开挖补长L在极大程度成影响变形的情况，其敏感性较高，因此模糊控制机可以得出得出减小开挖步长L的控制指令。现场施工人员按照控制指令的要求，对基坑施工参数进行合理的调整，将6m开挖步长调整到3m，则表示在一定程度上减少无支撑的暴露时间。
三、地铁盾构施工变形智能控制与预测方式、环境土木问题
（一）地铁盾构施工变形智能控制与预测方式
1.提出问题
市区盾构隧道环境土工问题主要是指因为地铁区间隧道掘进盾构扰动土体施工的情况，从而造成工程周边出现地表沉降或者隆起、周边土体变形位移过大等情况，若上述两种情况已经大于标准值，则会在一定程度上影响工程附近需要保护的地下建筑物或者地面建筑物。所以，盾构机在进行地下掘进施工时，需要保障工程自身的安全，并对周边土工环境的安全以及维护进行密切关注。因为水文条件、复杂地质的改变，出现无法良好控制注浆量的场合以及区段时，需要有效的控制以及预测盾构施工变形情况。地铁盾构实际的施工中加压泥水盾构、密封仓土压等会对土体沉降、土体隆起产生一定的影响，并与盾构作业前上方土层沉降、隆起存在一定的关系，而地层土体后期改变、注浆压力、注浆量、排土量等因素对于盾构通过后土层沉降均有一定的影响，一旦盾构前进姿态出现改变，则需要立即纠偏，从而降低地层损失产生的影响[3]。另外，地铁盾构施工时需要在仓压值内控制盾构掘进速度、千斤顶顶推压力。
2.盾构隧道施工变形控制与技术管理标准
不同地下管线土木工程以及大城市市区各类受保护建筑物的设防标准与等级需要根据被保护对象的重要性进行合理制定，各种类型的地下管线以及建筑物的允许限制要求需要以能安全承受施工扰动作为标准。对于特别敏感差异沉降的装修建筑或者构建、住宅以及公共建筑，需要对应的是较小的数值；对于可承受此移动或者水平刚度较大的建筑，需要对应的是较大的数值。另外，如果是差异荷载下筒仓、特殊的储藏罐、高压锅炉、吊车梁等特殊情况，可以允许差异沉降或者沉降，需要通过机械制造商、机械工程师、维修工程师共同商议决定。
（二）人工神经网络背景下智能预测盾构隧道施工变形情况
人工神经网络主要是模拟生物神经网络，其可以模仿机理、结构方面的情况，并与化学、物理、心理学、生理学、生物学等基础学科相近，因为生物神经网络具有相对复杂的机理以及结构，加上对于其功能没有完全的认识清楚，利用人工神经网络对其控制、识别、学习等功能特征进行模拟，并用于地铁盾构的施工中，对地铁盾构施工变形情况进行有效预测。首先，土木环境控制以及预测中有效的应用神经网络，在盾构施工变形研究中通过模糊逻辑控制技术以及智能神经网络预测的因素主要是是：地铁盾构实际的施工期间所获得的信息大部分是不确定、模糊类型的，大多数模糊的概念依靠专家的经验、知识、处理手段来完成的。通过智能手段、智能方法进行预测主要是因为其学习功能强大有效、独特，可以开展非线性函数模拟、施工方案选型、结构方案选型、控制等级指标体系拟定等操作。其次，通过分析相关基坑施工案例可以得知，加强样本测试演练、训练以及学习等，对盾构施工变形智能预测工作有效应用人工神经网络方法是非常重要的。最后，盾构操作工作人员施工经验人工控制手段与盾构施工变形控制是否能有效开展具有非常密切的关系。通过针对性的措施在理性的高度上升施工人的经验以及认识，并相互结合两种智能方法，通过上文嘘嘘的只能预测结果，进行有效吊证，并对盾构施工的注浆量、仓压等施工参数进行修正，接着根据模糊逻辑法则完成施工变形智能控制工作。通过有效的智能控制工作后，对于同步注浆量、仓压的改变以及地表最大沉变形量、隆起值的实测关系有一定的了解。
（三）工程应用实践案例
按照以上的相关要求，相关施工人员分别在不同城市区间5处盾构隧道施工现场实施相关试用以及演示，获得的阶段成果较为明显，也获得明显的效益，主要为：上海市轨道交通4号线南浦大桥区间，将交叠隧道上下近距离拉近、上海市轨道交通4号线“溧阳路-临平北路”范围的施工、南京市地铁1号线“三山街-中华门”范围的施工、上海市轨道交通2号线“中山公园-江苏路”右线区间的施工、上海市轨道交通2号线“世纪公园-龙阳路”区间的施工。
四、结束语
通过新型、高新的科技手术对岩土类施工行业、传统土建技术学科进行全面改造，于更高层次上构建智能化工程监控、信息化工程监控措施，构成有效的施工险情预警、预测预报系统，并建立施工变形整治、施工变形控制的方式，对计算机现代化施工技术系统进行全面完善，使国外先进技术与国内施工技术之间的差距得到明显改善，从根本上提高我国地铁建设施工的整体水平，对加快地铁行业快速发展速度奠定良好的基础。
参考文献：
[1]周诚,余群舟.基于MAMPSO-RBFNN的盾构地表变形时空演化智能预测[J].施工技术,2016,v.45;No.46413:118-124.
[2]邱冬炜,梁青槐.支持向量机的既有地铁变形监控智能预测[J].北京交通大学学报,2013,v.37;No.16903:92-97.
[3]张立茂,冉连月,吴贤国,覃亚伟.盾构施工临近建筑物变形影响因素关联性分析[J].铁道标准设计,2016,v.60;No.65709:94-99.
作者简介：王宇（1983-06），男，汉族，籍贯：北京市东城区，当前职称：工程师，学历：本科，研究方向：地铁施工管理