Loading [MathJax]/jax/output/SVG/jax.js
  • 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引(EI)收录期刊
  • Scopus数据库收录期刊

基于变形预测和参数反演的山岭隧道围岩稳定性分析

王述红, 董福瑞

王述红, 董福瑞. 基于变形预测和参数反演的山岭隧道围岩稳定性分析[J]. 岩土工程学报, 2023, 45(5): 1024-1035. DOI: 10.11779/CJGE20220288
引用本文: 王述红, 董福瑞. 基于变形预测和参数反演的山岭隧道围岩稳定性分析[J]. 岩土工程学报, 2023, 45(5): 1024-1035. DOI: 10.11779/CJGE20220288
WANG Shuhong, DONG Furui. Stability analysis of surrounding rock of mountain tunnels based on deformation prediction and parameter inversion[J]. Chinese Journal of Geotechnical Engineering, 2023, 45(5): 1024-1035. DOI: 10.11779/CJGE20220288
Citation: WANG Shuhong, DONG Furui. Stability analysis of surrounding rock of mountain tunnels based on deformation prediction and parameter inversion[J]. Chinese Journal of Geotechnical Engineering, 2023, 45(5): 1024-1035. DOI: 10.11779/CJGE20220288

基于变形预测和参数反演的山岭隧道围岩稳定性分析  English Version

基金项目: 

国家自然科学基金项目 U1602232

详细信息
    作者简介:

    王述红(1969—),男,博士,教授,主要从事岩土工程相关的教学和科研工作。E-mail: shwangneu@126.com

    通讯作者:

    董福瑞, E-mail: 592283738@qq.com

  • 中图分类号: TU43;U456.3

Stability analysis of surrounding rock of mountain tunnels based on deformation prediction and parameter inversion

  • 摘要: 隧道围岩变形与岩体力学参数之间存在复杂的非线性关系,是围岩状态改变最直观的表现,也是围岩稳定性综合判别的重要指标。提出一种基于变形时序预测和力学参数反演的山岭隧道围岩稳定性分析方法。首先引入Tent混沌扰动和自适应警戒调整机制,构建基于自适应混沌麻雀搜索算法优化极限学习机(ACSSA-ELM)的变形时序预测模型和力学参数反演模型,进一步采用三次样条插值和变分模态分解(VMD)对已开挖断面围岩实测变形预处理,利用变形时序预测模型采取窗口滚动单步预测的方式对已开挖断面围岩最终变形值进行预测,并用于力学参数反演模型中获取开挖段围岩的“修正”力学参数,基于数值模型正算结果和开挖段已测变形值预测开挖段围岩变形和变形速率,进而分析其稳定性。依托重庆市花阳隧道进行了方法的验证与应用,并对隧道ZK40+820断面围岩的稳定性进行了合理可靠的预测分析。最后对方法的使用条件和反演参数的准确性进行了讨论。
    Abstract: There is a complex nonlinear relationship between the deformation of the surrounding rock of tunnels and the mechanical parameters of rock mass, which is the most intuitive expression for change of state of the surrounding rock, and is also an important index for the comprehensive discrimination of its stability. A stability analysis method for the surrounding rock of tunnels based on the deformation prediction and the mechanical parameter inversion is proposed. Firstly, by introducing the tent chaotic disturbance and the adaptive vigilance adjustment mechanism, the deformation time series prediction model and the mechanical parameter inversion model based on the adaptive chaos sparrow algorithm optimized extreme learning machine (ACSSA-ELM) are established. Further, the cubic spline interpolation and the variational modal decomposition (VMD) are used to preprocess the measured deformation values of the surrounding rock of the excavated section, and the deformation time series prediction model is used to predict the final deformation values of the surrounding rock of the excavated section using the dynamic window rolling single-step prediction, which is used to obtain the real mechanical parameters of the surrounding rock of the excavation section in the mechanical parameter inversion model. Based on the forward calculation results of the numerical model and the measured deformation values of the excavation section, the deformation and deformation rate of the surrounding rock in the excavation section are predicted, and then its stability is analyzed. Taking the Huayang tunnel of Chongqing as an example, the proposed method is verified and applied, and the stability of the surrounding rock of ZK40+820 section of the tunnel is reliably predicted and analyzed. Finally, the application conditions of the method and the accuracy of the inversion parameters are discussed.
  • 当前中国隧道建设方兴未艾,工程中出现了不少多洞近距离并行设置的情况。隧道建设期间,相邻隧道净距较小时,将存在明显的相互影响,降低围岩稳定性。多洞并行隧道围岩稳定性及失稳破坏机理问题,亟需从理论计算分析等方面开展深入研究,以促进围岩稳定性评价及加固方案制定等工作。

    对于隧道围岩稳定性课题,岩土塑性极限分析上限法可用于探究极限状态下隧道临界荷载与围岩潜在破坏模式[1-9]。在并行隧道方面,谢骏等[10]构建了双洞并行圆形隧道的破坏模式,获得了稳定性系数上限解;吕绍文[11]应用平移破坏模式推导了双洞平行隧道内部支护力上限解表达式;Osman[12]提出了双洞并行隧道连续变形破坏模式;Yamamoto等[13]采用刚性滑块上限法和极限分析上、下限有限元法研究了双洞圆形隧道稳定性;Sahoo等[14]应用极限分析上限有限元法分析了双洞并行隧道的稳定性;Zhang等[15]和Yang等[16]采用刚体平动运动单元上限法评价了多参数影响下的并行双洞椭圆和圆形隧道稳定性,获得了围岩滑移线网破坏模式。

    隧道围岩稳定性评价可分为强度折减法[17]获得安全系数和荷载增加法对应的稳定系数。上述研究多采用荷载增加法,考虑了隧道内部支护力[10-12]、地表超载[13, 16]和围岩自重[14-15]等因素的影响。对于双洞并行隧道围岩稳定性的文献报道,还包括应用计算分析[18]和模型试验[19]等研究手段。

    由于铁路、公路及市政交通廊道的空间限制,工程中出现了三洞并行小净距隧道[20-23], 甚至四洞并行的情况[24]。此时,小净距条件下相邻隧道相互影响集中体现在中夹岩区域的稳定性,净间距对围岩潜在破坏模式的影响较之并行双洞的情况更加显著,需开展定量分析研究。

    本文针对多洞隧道围岩稳定性问题,考虑自重作用下并行等间距毛洞隧道的简化模型,利用刚体平动运动单元上限法[9, 25]开展系统分析,探讨多洞净间距S、隧道埋深H及围岩强度等综合参数对稳定性的影响规律,并绘制稳定系数Ncr图表,以期从定量角度揭示围岩滑移线网破坏模式的演化过程,为多洞并行隧道设计、施工和加固方案的制定等问题提供数据支撑。

    刚体平动运动单元上限法[9, 25](简称UB-RTME)属岩土破坏塑性极限分析上限理论范畴。采用“刚体平动三角形单元+速度间断线”的方式离散计算域,设置节点坐标与单元速度作为优化变量,通过极限状态虚功率平衡和内部耗散能最小化获取目标函数的表达式,同时满足速度间断线塑性流动约束、网格形态控制约束以及模型速度约束,建立非线性规划求解极限荷载的上限解。

    非线性规划运算亦是搜索极限状态滑移线网的过程,须以多次的网格更新实现。主要包括无效单元合并与剔除、有效单元再次加密以及网格继承与修正等三类网格更新策略。计算流程如图 1

    图  1  刚体平动运动单元上限法计算流程图
    Figure  1.  Flow chart of upper bound method for rigid translational motion elements

    多洞并行隧道工程修建过程中,一般各单洞开挖面相互错开,属于三维空间的施工力学问题。为便于从保守角度分析围岩稳定性与破坏机理,这里作如下简化:

    (1)不计施工过程,稳定性分析模型简化为平面应变问题,且多洞并行隧道按等间距设置。

    (2)圆形隧道直径均为D,相邻隧道净间距均为S,地表水平且埋深均为H

    (3)围岩为均质连续的莫尔-库仑材料,强度指标为内摩擦角ϕ和黏聚力c。

    (4)不考虑地下水及衬砌支护作用。

    (5)按重度增加法评价围岩失稳临界状态。

    图 2,经概化的模型旨在探究围岩自重作用下的自承性能及多洞隧道潜在破坏模式的规律,以净间距S增加趋势反映中夹岩至单个隧道独立承载的演变过程,计算分析采用基于网格更新的刚体平动运动单元上限法。

    图  2  多洞并行等间距隧道围岩稳定性分析模型
    Figure  2.  Model for stability of surrounding rock of parallel multi-line tunnels with equidistance

    图 2(a),考虑模型对称性,对部分区域进行建模分析,建立多洞并行隧道围岩稳定性上限分析与计算模型如图 2(b)所示。图中未显示三角形网格,模型水平和竖向尺寸分别为D/2+S/2和H+D+L,其中L确定了下部范围,其值随H值变化以消除边界效应。地表(边界6)为水平自由地表,边界1,3,5均为模型对称轴,将其水平速度设为0;模型底部(边界4)水平和竖向速度均设为0。

    仅考虑围岩自重荷载,按重度增加法施加体力约束为

    nei=1Aivi=1Ai>0 (i=1,,ne) (1)

    式中:γcr=ndi=1Pd,i=cndi=1ξi为三角形刚体单元i的面积,其数值恒大于零,γcr=ndi=1Pd,i=cndi=1ξi为单元i的竖向速度分量,γcr=ndi=1Pd,i=cndi=1ξi为模型单元总数。

    依极限分析上限定理,将模型所有速度间断线耗散能之和最小化,获得运动单元上限法对应的非线性规划目标函数,也就是临界重度γcr

    γcr=ndi=1Pd,i=cndi=1ξi (2)

    为方便分析,借鉴文献[14]的定义,令稳定系数Ncr=γcrH/c,即临界重度γcr和隧道埋深H乘积与黏聚力c的比值,它是内摩擦角ϕ、埋深比H/D和净距比S/D的函数,具体求解时,Ncr还可表示为

    Ncr=γcrH/γcrHcc=Hndi=1ξi (3)

    式(2),(3)中:Pd,i为第i条速度间断线上耗散能;nd为速度间断线总数;ξiξi为第i条速度间断线的过程变量,其表达式和约束条件为

    Δxi=xixi Δyi=yiyi   (4a)
    ξi=Δxiuy,i+Δyivy,iΔxiuz,iΔyivz,i  (4b)
    ξi=(Δyiuy,i+Δxivy,i+Δyiuz,iΔxivz,i)/tanϕ   (4c)
    ξi+ξi0  ξiξi0  (4d)

    式中:(xi, yi)为第i条间断线的第一端点坐标,(xiyi)为第二端点坐标; i=1,,nd。于是,以第一端点指向第二端点为正方向,顺时针和逆时针一侧的两个刚性单元对应的速度分量分别为(uy, i, vy, i)和(uz, i, vz, i),。

    式(4)满足了速度间断线上的相关联流动约束:Δvi=|Δui|tanϕ。须知,所有间断线均施加该约束。

    求解运动单元上限分析模型(见图 2(b))对应的非线性规划问题时,还需施加边界速度和几何约束:

    u1,i=0  x1,j=0  D/2y1,jD/2+H 
     (i=1,,n1j=1,,n1+1)   (5a)
    u3,i=0 x3,j=0  D/2Ly3,jD/2 
    (i=1,,n3 j=1,,n3+1)   (5b)
    u4,i=0  v4,i=0  0x4,jD/2+S/2  y4,j=D/2L
    (i=1,,n4  j=1,,n4+1)   (5c)
    u5,i=0  x5,j=D/2+S/2  D/2Ly5,jD/2+H
    (i=1,,n5  j=1,,n5+1)  (5d)
    0x6,jD/D22+S/D/D22+S22, y6,j=D/D22+H
    (j=1,,n6+1)  (5e)
    4(x2,j/)D2+4(y2,j/D)2=1 (j=1,,n2+1)  (5f)

    式中:u1,i为边界1第i条边一侧单元的水平向速度,n1表示边界1上施加约束的单元边总数;而x1,jy1,j为边界1上第j个节点的坐标,式(5b)~(5f)同此命名。式(5a)~(5f)中的几何约束即限定边界上的单元节点坐标只能于相应边界上移动。如式(5f)圆方程限制隧道轮廓(边界2)上的节点只能在圆周上移动。除地表和隧道圆周轮廓上自由外,其余边界速度约束见式(5a)~(5d)。

    多洞并行隧道围岩稳定性计算在既有程序基础上,设置式(1),(5)对应的速度和几何边界条件即可开展后续计算[20]

    采用刚体平动运动单元上限法开展了2000余组参数条件下的多洞并行等间距隧道围岩稳定性计算,获得稳定系数Ncr与内摩擦角ϕ、埋深比H/D和净间距比S/D的关系曲线如图 3所示。选取的计算参数ϕ取值5°~30°,H/D取值2~10;S/D取值依从于H/D的变化,即不断增大S/D值依次计算直至相邻隧道的相互影响消失。此外,当接近单洞独立破坏状态时,S/D取值间隔适当减小。

    图  3  不同参数条件下多洞并行等间距隧道围岩稳定系数Ncr关系曲线
    Figure  3.  Variation of stability number Ncr for different parameters in parallel multi-line tunnels with equidistance

    图 3(a)~3(i)分别为H/D=2~10对应的稳定系数Ncr曲线图。总体上看,随着隧道埋深比H/D的增大,相邻隧道相互影响的净间距比S/D范围变大,这与埋深增加上覆围岩荷载增大有关。净间距比S/D与稳定系数Ncr的关系可分述如下:①当S/D较小时(如S/D= 0.25),无论H/Dϕ如何变化,Ncr值总是接近于0。这缘于中夹岩很窄,上覆岩层主要以自重荷载的形式作用于其上,从而围岩整体稳定性变差。②当S/D增大达到单洞隧道独自破坏的转化间距比Str/D时,Ncr增加至最大值且等于相同条件下单洞隧道围岩稳定系数Ncr(single),此时S/D继续增加,而Ncr值将不再变化。③当S/D小于Str/D时,Ncr值随着S/D增加而逐渐增大,且较之S/D=0.25的情况,H/DϕNcr的影响逐渐增大。还可发现,S/D较小时Ncr值增加不明显,而S/D接近Str/D时,Ncr变化的差异同样很小。例如:取H/D=3、ϕ=30°,当S/D=2.875时,Ncr=14.103;而S/D=Str/D=4时,Ncr=14.194,相比前者仅增加了0.65%。④较之其它因素,内摩擦角ϕ增大引起Ncr迅速增大,同时随着S/D的增加,Ncr快速增至单洞条件下对应的稳定系数Ncr(Single)

    定义发挥系数ηcr为多洞稳定系数Ncr与单洞稳定系数Ncr(Single)之比,即ηcr=Ncr/NcrNcr(Single)Ncr(Single),于是ηcr可反映不同净距比S/D条件下多洞与单洞稳定性之间的关联规律。绘制ϕ为10°,20°,30°对应的发挥系数ηcr曲线如图 4所示。可看出,当S/D比较小时,ηcr值接近0,而随着S/D的增加,ηcr值逐渐增长直至最大值1。当隧道埋深比H/D增大时,ηcrS/D增加的趋势变缓,达到单洞破坏对应的转化间距比Str/D增加。对比图 4(a)~4(c)可知,内摩擦角ϕ较大时,ηcr值随S/D的增加更快地达到最大值1。

    图  4  不同参数条件下多洞并行等间距隧道围岩稳定系数Ncr与单洞隧道Ncr(Single)比值ηcr变化曲线
    Figure  4.  Curves of ratio ηcr for stability number Ncr to single tunnel Ncr(Single) for different parameters in parallel multi-line tunnels

    上文提到,当多洞并行等间距隧道的净间距S增大到转换间距Str时,从失稳破坏角度可认为相邻隧道间的相互影响消失。因此,有必要进一步探究转换间距比Str/D的影响因素。将转换间距比Str/D与埋深比H/D的关系曲线绘制见图 5。可看出,除内摩擦角ϕ=30°的情况外,Str/D与埋深比H/D的增长基本呈线性关系,且ϕ值越小Str/D增长的比率越大,这与较小内摩擦角引起围岩较大扰动范围的一般规律相符。转换间距比Str/D与围岩内摩擦角ϕ以及埋深比H/D均直接相关,差异在于前者负相关而后者为正相关。多洞存在相互影响时,较大埋深比H/D提供了较大的自重荷载,易诱发围岩失稳破坏。

    图  5  多洞并行隧道转化间距比Str/D与埋深比H/D关系曲线
    Figure  5.  Curves for conversion spacing ratio Str/D and buried depth ratio H/D in parallel multi-line tunnels

    除稳定系数Ncr外,运动单元上限法对应的非线性规划运算,还可得到多洞并行隧道围岩潜在失稳破坏模式。为分析典型破坏特征及网格密度的影响规律,绘制ϕ=15°,H/D=3,S/D=3对应的滑移线网破坏模式展开讨论(图 6)。

    图  6  多洞并行隧道围岩破坏模式(S/D=3, H/D=3, ϕ=15°)
    Figure  6.  Failure modes of surrounding rock for parallel multi-line tunnels (S/D=3, H/D=3, ϕ=15°)

    图 6(a)所示滑移线网破坏模式左右边界均为对称轴,上部和下部整体区域以简略形式显示。可看出,相邻隧道中夹岩区域的破坏表现为两簇滑移线网。从隧道周边散发,两簇滑移线于相邻隧道对称轴处交于一点。滑移线网范围内围岩破坏呈速度均不相等状态,即间断线两侧速度不连续。需说明的是,尽管模型网格划分为三角形刚体单元,后处理时筛除了无效速度间断线,因此滑移线网破坏模式更多地显示为由很多相邻三角形构成的四边形块体体系。

    为揭示滑移线网速度场的规律,将破坏模式对应的速度间断线(滑移线)相对速度矢量闭合图绘制如图 6(b)。同时,定义隧道上方整体下沉区域的竖向速度为v0图 6(b)竖轴表示为无量纲竖向速度比v/v0,横轴为水平速度比u/v0;于是竖轴0到1的连线即为v0,竖轴0到网状交叉任一点的连线为对应刚体单元的绝对速度;图 6(b)中网状速度矢量任意线段为对应速度间断线的相对速度。由图可知,隧道上方整体区域下沉速度为v0时,滑移线网破坏区内部速度最大值超过4v0,推测内摩擦角ϕ越大该趋势越明显,即围岩承载能力更好。

    通常围岩破坏范围被速度间断线分割为多区域,其中塑性区可等效为密集的滑移线网形态。为探讨滑移网密度对稳定系数Ncr上限解的影响,将ϕ=15°,H/D=3,S/D=3时,稀疏网格对应的滑移线网破坏模式和速度矢量闭合图绘制如图 6(c)6(d),密集网格对应的绘制如图 6(e)6(f)

    对比可知,滑移线网稀疏时,速度间断线沿着两个交叉方向构成的滑移线变得棱角感突出,而速度矢量闭合图也更加稀疏曲折。然而,相同v0条件下,滑移网破坏区内部速度矢量值更大,如最大内部速度超过5v0,由此引起间断线总耗散能增大,这是稀疏网格(图 6(c))对应稳定系数Ncr=5.680,大于常规网格(图 6(a))对应Ncr=5.34的原因之一。依上限定理,较小的稳定系数上限解为较优解;说明网格密度增加,不仅破坏模式的刻画更为精细,同时还提高了Ncr上限解精度。

    同样地,对常规网格(图 6(a))进一步加密获得滑移线网破坏模式和速度矢量图绘制如图 6(e)6(f)。可以发现,网格越密集滑移线网和速度矢量变得更加圆顺。此时,密集网格对应的稳定系数Ncr =5.316较之常规网格对应的5.34,并未带来计算精度的显著提升。然而,密集网格对应速度间断线总数nd=438,接近常规网格nd=149的3倍。考虑到运动单元上限分析对应的非线性规划的运算负担,速度间断线和单元数目的增加将带来运算效率的降低。因此,本文2000余组工况计算,均参考了图 6(a)对应的常规网格密度。

    为反映相邻隧道净间距比S/D对破坏模式的影响规律,选取ϕ=15°,H/D=3条件下,不同S/D (0.25~5.0)对应的滑移网破坏模式绘制如图 7所示。为便于后续的定量分析,定义多洞并行隧道整体下沉区高度为Hc,具体见图 7(d)标示。

    图  7  多洞并行隧道围岩破坏模式随净间距比S/D的演化规律(H/D=3, ϕ=15°)
    Figure  7.  Variation of failure mode of surrounding rock for parallel multi-line tunnels with net spacing ratio S/D(H/D=3, ϕ=15°)

    图 7(a)知,当净间距很小(如S/D=0.25),上方围岩整体下沉引起隧道两侧岩柱产生小范围楔形破坏。当S/D逐渐增加至1.0,2.0,3.0(图 7(b)~7(d)),隧道两侧的楔形网状破坏范围逐渐扩展,大约在隧道上下中心线处开始交叉。滑移线网的扩展带来了速度间断线总数和长度的增长,引起破坏区域耗散能增加,对应于稳定系数Ncr的增大(由0.593增至5.340)。

    图 7(e)知,当S/D增加至4.0时,滑移网破坏范围进一步向外侧扩展,特别是上方于中心线处交叉范围更大,此时Ncr=6.535,与S/D=5.0单洞隧道独自破坏对应的Ncr=6.870相差不大(图 7(f))。说明由多洞相互影响破坏至单洞单独破坏的转换净间距比Str/D处于4.0~5.0。还可看出,单洞独自破坏时,破坏模式外侧产生了延伸到地表的贯通破坏面,且水平方向的扩展范围较小。

    多洞并行隧道间夹岩破坏呈内部为滑移线网的楔形形状,这里将楔形体上下边线称之为主要破坏面。于是,选取典型参数绘制多洞并行隧道主要破坏面演化规律如图 8所示。

    图  8  多洞并行隧道主要破坏面演化规律
    Figure  8.  Representative failures surface in parallel multi-line tunnels

    图 8(a)S/D=2.75,H/D=3.0时,不同内摩擦角ϕ对应的主要破坏面。可看出ϕ由5°增大至30°,上下两条破坏面位置不断上移,上方破坏面的起点从隧道顶部上移趋势更显著,同时两条主要破坏面合围的楔形区面积也随之增长。

    图 8(b)S/D=2.5,ϕ=20°时,不同埋深比H/D对应的主要破坏面。可看出,H/D由2增大至10,上下两条破坏面位置不断下移,不过下移趋势逐渐微弱;特别对于H/D≥5的情况,相对应的主要破坏面几乎重合。说明隧道埋深增加到一定值后,上方整体下沉区以荷载形式施加于中夹岩区域,破坏形态不再演化。

    由上可知,围岩内摩擦角和隧道埋深变化将引起破坏面位置及上方整体下沉区高度Hc的改变。于是,定义无量纲参数Hc/D为整体下沉区高度比。绘制ϕ为10°,20°,30°对应的Hc/D曲线如图 9,以此分析Hc/D的变化规律。可以发现,当S/D较小时,Hc/D接近隧道埋深比H/D;随着S/D的增大,Hc/D值逐渐减小,且曲线的斜率变化也逐渐增大。对比图 9(a)~9(c)可知,内摩擦角ϕ增大,Hc/D值的变化幅度更大,相同S/D对应的下沉区高度Hc更小,这与破坏面规律分析中结果一致,即摩擦角对破坏面的影响显著,ϕ的增大会引起破坏面的上移。

    图  9  多洞并行隧道围岩整体下沉区高度比Hc/D随净间距比S/D的演化规律
    Figure  9.  Variation of subsidence height ratio Hc/D of surrounding rock for parallel multi-line tunnels with S/D

    关于多洞并行隧道围岩稳定性分析的研究报道较少,这里选取双洞并行隧道已有数据展开对比分析[13-15]。其中Sahoo和Yamamoto数据源于变形单元上限有限元分析,Zhang和本文数据来自运动单元上限分析。选取ϕ=10°、H/D=5对应的NcrS/D变化曲线绘制如图 10。可以看出,Yamamoto等[13]、Sahoo等[14]和Zhang等[15]分别给出的双洞并行隧道稳定系数上限解NcrS/D变化曲线的趋势和数值吻合较好。其中以Zhang等[15]运动单元上限解数值稍小,为严格上限理论框架下的较优解。

    图  10  多洞与双洞并行隧道围岩稳定系数Ncr对比曲线
    Figure  10.  Comparison for Ncr of parallel multi-and twin-line tunnels

    如3.1节所述,本文多洞并行隧道围岩稳定系数Ncr上限解随S/D的增加快速增长直至达到固定值Ncr(Single)。如图 10,当S/D增大至超过转化间距比Str/D时,多洞与双洞并行隧道围岩稳定系数Ncr值趋同,均对应于单洞隧道独自破坏而无相互影响的情况。此时,本文Ncr上限解较之已有文献结果稍小,数值吻合良好,可印证运动单元上限分析结果的可靠性。

    图 10还看出,当相邻隧道净距比S/D不断减小时,多洞与双洞并行隧道对应的稳定系数Ncr的差异稳步增大,且多洞条件对应的Ncr数值急速下降,反映出多洞围岩稳定性依赖于相邻隧道中夹岩承载性能,这缘于上方围岩难于产生成拱效应,因此稳定性较之相同条件的双洞并行隧道显著降低。

    选取ϕ=30°,S/D=2.0,H/D=3.0条件下多洞并行隧道围岩破坏模式绘制如图 11,图中以实线表示滑移线网破坏模式并显示整个隧道。将相同条件下Zhang等[15]给出的双洞并行隧道围岩滑移网破坏模式以虚线形式叠加显示。

    图  11  多洞与双洞并行隧道破坏模式对比
    Figure  11.  Comparison between collapse mechanism of parallel multi-and twin-line tunnels

    图 11看出,在内侧区域(相邻隧道中夹岩区域),多洞并行隧道围岩滑移线网破坏特征与双洞并行隧道的情况较为吻合,而后者于外侧滑移线网状破坏区向上方发生显著偏移,且增加了一条斜向延伸的贯通滑动面。这体现了与多洞并行隧道围岩破坏模式最大的差异,成为解释多洞并行隧道围岩稳定系数Ncr小于双洞Ncr(Dual)的主要原因,即后者外侧增加了向上破坏面并进一步减小上方围岩整体下沉范围。实质上,净间距较小时,多洞并行隧道围岩破坏机理为相邻隧道中夹岩的破坏,可以此进行双洞、三洞等并行隧道中夹岩稳定性评估。

    采用刚体平动运动单元上限法研究了多洞并行等间距隧道围岩稳定性及潜在破坏模式,得到3点结论。

    (1)多洞并行隧道净距比S/D对稳定系数Ncr和破坏模式影响显著。当S/D小于转换间距比Str/D时,随着S/D的减小,Ncr数值和滑移线网破坏范围逐渐减小。当S/D数值很小时,各参数影响下的Ncr均趋近于0,体现为隧道上方围岩全部发生整体下沉式失稳。当S/D大于Str/D时,多洞并行隧道对应的Ncr和破坏模式与相同条件下的单洞隧道吻合良好。

    (2)多洞和双洞并行隧道破坏模式形态和范围差异明显,相同条件下前者围岩稳定更差。当S/D小于Str/D时,多洞隧道对应的Ncr小于双洞隧道Ncr(Dual),此时多洞隧道滑移线网破坏模式特征与双洞隧道的内侧区域类似,但未产生双洞隧道外侧斜向上延伸的剪切带;体现出多洞隧道破坏主要为相邻隧道间的中夹岩破坏的特点。

    (3)本文多洞并行隧道围岩稳定系数和破坏模式的分析结果基于莫尔库仑屈服准则,对于其它屈服准则,如霍克布朗屈服准则的影响与差异所在,需要进一步研究。

  • 图  1   ACSSA-ELM网络结构图

    Figure  1.   Diagram of ACSSA-ELM network structure

    图  2   窗口滚动单步预测示意图

    Figure  2.   Schematic diagram of window rolling single-step prediction

    图  3   围岩稳定性分析流程

    Figure  3.   Stability analysis process of surrounding rock

    图  4   插值处理后ZK40+800断面实测变形值

    Figure  4.   Measured values of ZK40 + 800 section after interpolation

    图  5   ZK40+800断面变形值的变分模态分解

    Figure  5.   Variational modal decomposition of ZK40 + 800 section

    图  6   时序预测模型最佳网络结构选取

    Figure  6.   Selection of best network structure of time series prediction model

    图  7   4种模型上台阶收敛变形预测结果对比

    Figure  7.   Comparison of predicted results of upper step convergence deformation by four models

    图  8   隧道开挖3DEC数值计算模型

    Figure  8.   3DEC numerical model for tunnel excavation

    图  9   ZK40+810和ZK40+815断面已测变形分解

    Figure  9.   Decomposition of measured deformation at ZK40 + 810 and ZK40 + 815 sections

    图  10   ZK40+810和ZK40+815断面变形时序预测

    Figure  10.   Deformation time series prediction of ZK40 + 810 and ZK40 + 815 sections

    图  11   ZK40+820断面变形值曲线拟合

    Figure  11.   Fitting curves of deformation value of ZK40 + 820 section

    图  12   ZK40+820断面围岩变形和变形速率时程曲线

    Figure  12.   Time-history curves of deformation and deformation rate of surrounding rock of ZK40 + 820 section

    图  13   少量监测数据的变形拟合和时序预测

    Figure  13.   Deformation fitting and time series prediction of a small amount of monitoring data

    图  14   各监测点相对误差对比

    Figure  14.   Comparison of relative errors of monitoring points

    表  1   ZK40+800断面4种模型趋势项变形预测结果对比

    Table  1   Comparison of predicted results of trend-term deformation by four models for ZK40 + 800 section

    指标 监测点 ACSSA-ELM SSA-ELM GWO-ELM BP 监测点 ACSSA-ELM SSA-ELM GWO-ELM BP
    RMSE GCJ 0.11 0.46 0.33 1.15 SSL 0.11 0.21 0.46 0.59
    ARE 0.09 0.39 0.27 0.91 0.08 0.14 0.39 0.45
    SMAPE 0.46 1.97 1.34 4.36 0.49 0.84 2.26 2.60
    RMSE ZSL 0.25 0.28 0.35 0.61 XSL 0.15 0.52 0.34 0.33
    ARE 0.19 0.24 0.28 0.48 0.13 0.42 0.25 0.22
    SMAPE 1.50 1.92 2.17 3.66 1.14 3.52 2.07 1.81
    下载: 导出CSV

    表  2   围岩力学参数反演模型训练样本集

    Table  2   Training sample sets of mechanical parameter inversion model for surrounding rock

    样本编号 E/GPa c/MPa μ GCJ/mm SSL/mm ZSL/mm XSL/mm
    1 1.5000 0.3000 0.2500 34.5285 24.1551 19.3244 14.7527
    2 1.8750 0.3000 0.2500 28.0792 19.3012 14.3012 11.3671
    3 2.2500 0.3000 0.2500 23.8682 15.1129 11.4967 9.8530
    25 3.0000 1.2000 0.3500 15.6302 12.9397 9.6325 8.2561
    下载: 导出CSV

    表  3   围岩力学参数反演模型测试样本集

    Table  3   Test sample sets of mechanical parameter inversion model for surrounding rock

    样本编号 E/GPa c/MPa μ GCJ/mm SSL/mm ZSL/mm XSL/mm
    1 1.5000 0.4500 0.2625 33.3623 25.1538 19.5234 15.8074
    2 1.8750 0.6500 0.2875 26.5388 20.1030 15.2248 13.2724
    3 2.2500 0.8500 0.3125 21.8077 16.8328 14.2017 12.3318
    4 2.6250 1.0500 0.3375 18.2687 13.9744 11.6823 10.1458
    5 3.0000 1.2500 0.3625 15.3268 13.3857 9.6086 8.8342
    下载: 导出CSV

    表  4   ACSSA-ELM围岩力学参数反演模型计算结果

    Table  4   Results of ACSSA-ELM mechanical parameter inversion model for surrounding rock

    编号 E/GPa c/MPa μ
    目标值 反演值 相对误差% 目标值 反演值 相对误差% 目标值 反演值 相对误差%
    1 1.5000 1.4956 0.293 0.4500 0.4508 0.178 0.2625 0.2668 1.638
    2 1.8750 1.8792 0.224 0.6500 0.6301 3.060 0.2875 0.2867 0.278
    3 2.2500 2.2472 0.124 0.8500 0.8526 0.306 0.3125 0.3114 0.325
    4 2.6250 2.6300 0.042 1.0500 1.0864 3.467 0.3375 0.3374 0.089
    5 3.0000 3.0022 0.190 1.2500 1.2848 2.784 0.3625 0.3594 0.030
    平均相对误差% 0.175 1.959 0.472
    下载: 导出CSV

    表  5   ZK40+820断面变形最佳拟合曲线

    Table  5   Best fitting curves of deformation of ZK40 + 820 section

    监测点位 曲线方程 SSE R-square Adjusted R-square RMSE
    GCJ y=26.88e4.864/x0.7988 1.068 0.9983 0.9981 0.2668
    SSL y=x/(0.2179+0.08117x0.8491)3.705 1.568 0.9952 0.9942 0.3347
    ZSL y=17.99e3.924/x0.7037 0.9977 0.9945 0.9935 0.3012
    下载: 导出CSV

    表  6   已开挖断面实测变形值

    Table  6   Measured deformation values of excavated section

    监测断面 GCJ/mm SSL/mm ZSL/mm XSL/mm
    ZK40+775 20.270 15.274 13.578 11.022
    ZK40+780 21.077 11.679 8.897 7.114
    ZK40+790 19.263 12.572 10.733 8.993
    ZK40+800 20.672 17.117 13.135 12.104
    下载: 导出CSV

    表  7   力学参数反演值

    Table  7   Inverse values of mechanical parameters

    监测断面 E/GPa c/MPa μ
    ZK40+775 2.5974 0.5571 0.2786
    ZK40+780 2.6545 0.5780 0.2476
    ZK40+790 2.6554 0.7751 0.3028
    ZK40+800 2.3744 1.0083 0.3284
    工程地质勘查报告实测值 2.8000 0.6200 0.3600
    下载: 导出CSV
  • [1] 孙振宇, 张顶立, 侯艳娟, 等. 基于现场实测数据统计的隧道围岩全过程变形规律及稳定性判据确定[J]. 岩土工程学报, 2021, 43(7): 1261-1270, 1376. http://manu31.magtech.com.cn/Jwk_ytgcxb/CN/abstract/abstract18670.shtml

    SUN Zhenyu, ZHANG Dingli, HOU Yanjuan, et al. Whole-process deformation laws and determination of stability criterion of surrounding rock of tunnels based on statistics of field measured data[J]. Chinese Journal of Geotechnical Engineering, 2021, 43(7): 1261-1270, 1376. (in Chinese) http://manu31.magtech.com.cn/Jwk_ytgcxb/CN/abstract/abstract18670.shtml

    [2] 王述红, 董福瑞, 朱宝强, 等. 山岭隧道围岩参数智能反演及稳定性分析[J]. 应用基础与工程科学学报, 2021, 29(5): 1171-1185.

    WANG Shuhong, DONG Furu, ZHU Baoqiang, et al. Intelligent inversion and stability analysis of surrounding rock of mountain tunnel[J]. Journal of Basic Science and Engineering, 2021, 29(5): 1171-1185. (in Chinese)

    [3] 田明杰, 牟智恒, 仇文革. 基于BP神经网络的隧道稳定性分析研究[J]. 土木工程学报, 2017, 50(增刊2): 260-266. doi: 10.15951/j.tmgcxb.2017.s2.041

    TIAN Mingjie, MOU Zhiheng, QIU Wenge. Research of the model comprehensive judgement for tunnel stability based on BP neural network[J]. China Civil Engineering Journal, 2017, 50(S2): 260-266. (in Chinese) doi: 10.15951/j.tmgcxb.2017.s2.041

    [4] 吴秋军, 王明年, 刘大刚. 基于现场位移监测数据统计分析的隧道围岩稳定性研究[J]. 岩土力学, 2012, 33(增刊2): 359-364. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX2012S2057.htm

    WU Qiujun, WANG Mingnian, LIU Dagang. Research on stability of tunnel surrounding rocks based on statistical analysis of on-site displacement monitoring data[J]. Rock and Soil Mechanics, 2012, 33(S2): 359-364. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX2012S2057.htm

    [5] 孙潇昊, 缪林昌, 林海山. 不同埋深盾构隧道开挖面稳定问题数值模拟[J]. 东南大学学报(自然科学版), 2017, 47(1): 164-169. https://www.cnki.com.cn/Article/CJFDTOTAL-DNDX201701028.htm

    SUN Xiaohao, MIAO Linchang, LIN Haishan. Numerical simulation research on excavation face stability of different depths of shield tunnel[J]. Journal of Southeast University (Natural Science Edition), 2017, 47(1): 164-169. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DNDX201701028.htm

    [6] 阮永芬, 高春钦, 刘克文, 等. 基于粒子群算法优化小波支持向量机的岩土力学参数反演[J]. 岩土力学, 2019, 40(9): 3662-3669. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201909042.htm

    RUAN Yongfen, GAO Chunqin, LIU Kewen, et al. Inversion of rock and soil mechanics parameters based on particle swarm optimization wavelet support vector machine[J]. Rock and Soil Mechanics, 2019, 40(9): 3662-3669. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201909042.htm

    [7] 阮永芬, 余东晓, 吴龙, 等. DE-GWO算法优化SVM反演软土力学参数[J]. 岩土工程学报, 2021, 43(增刊1): 166-170. http://manu31.magtech.com.cn/Jwk_ytgcxb/CN/abstract/abstract18739.shtml

    RUAN Yongfen, YU Dongxiao, WU Long, et al. DE-GWO algorithm to optimize SVM inversion mechanical parameters of soft soil[J]. Chinese Journal of Geotechnical Engineering, 2021, 43(S1): 166-170. (in Chinese) http://manu31.magtech.com.cn/Jwk_ytgcxb/CN/abstract/abstract18739.shtml

    [8]

    GAO W, CHEN D L, DAI S, et al. Back analysis for mechanical parameters of surrounding rock for underground roadways based on new neural network[J]. Engineering With Computers, 2018, 34(1): 25-36.

    [9] 王开禾, 罗先启, 沈辉, 等. 围岩力学参数反演的GSA-BP神经网络模型及应用[J]. 岩土力学, 2016, 37(增刊1): 631-638. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX2016S1083.htm

    WANG Kaihe, LUO Xianqi, SHEN Hui, et al. GSA-BP neural network model for back analysis of surrounding rock mechanical parameters and its application[J]. Rock and Soil Mechanics, 2016, 37(S1): 631-638. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX2016S1083.htm

    [10]

    BERTUZZI R. Back-analysing rock mass modulus from monitoring data of two tunnels in Sydney, Australia[J]. Journal of Rock Mechanics and Geotechnical Engineering, 2017, 9(5): 877-891.

    [11]

    JIANG A N, LI P. Back-analysis of mechanics parameters of tunnel based on particle swarm optimization and numerical simulation[J]. Key Engineering Materials, 2011(474/475/476): 1373-1376.

    [12] 刘开云, 方昱, 刘保国, 等. 隧道围岩变形预测的进化高斯过程回归模型[J]. 铁道学报, 2011, 33(12): 101-106.

    LIU Kaiyun, FANG Yu, LIU Baoguo, et al. Intelligent deformation prediction model of tunnel surrounding rock based on genetic-Gaussian process regression coupling algorithm[J]. Journal of the China Railway Society, 2011, 33(12): 101-106. (in Chinese)

    [13] 李茂达, 樊磊, 李磊, 等. 隧道与地下工程围岩变形的灰色优化与预测[J]. 土木建筑与环境工程, 2013, 35(增刊2): 143-145. https://www.cnki.com.cn/Article/CJFDTOTAL-JIAN2013S2037.htm

    LI Maoda, FAN Lei, LI Lei, et al. Tunnels and underground engineering optimization and gray rock deformation prediction[J]. Journal of Civil, Architectural & Environmental Engineering, 2013, 35(S2): 143-145. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JIAN2013S2037.htm

    [14] 靖洪文, 吴俊浩, 马波, 等. 基于模糊灰色系统的深部巷道围岩变形预测模型及应用[J]. 煤炭学报, 2012, 37(7): 1099-1104.

    JING Hongwen, WU Junhao, MA Bo, et al. Prediction model and its application of deep mine tunnel surrounding rock deformation based on fuzzy-gray system[J]. Journal of China Coal Society, 2012, 37(7): 1099-1104. (in Chinese)

    [15]

    ZHANG L, SHI B, ZHU H H, et al. PSO-SVM-based deep displacement prediction of Majiagou landslide considering the deformation hysteresis effect[J]. Landslides, 2021, 18(1): 179-193.

    [16] 朱宝强, 王述红, 张泽, 等. 基于时间序列与DEGWO-SVR模型的隧道变形预测方法[J]. 浙江大学学报(工学版), 2021, 55(12): 2275-2285. https://www.cnki.com.cn/Article/CJFDTOTAL-ZDZC202112007.htm

    ZHU Baoqiang, WANG Shuhong, ZHANG Ze, et al. Prediction method of tunnel deformation based on time series and DEGWO-SVR model[J]. Journal of Zhejiang University (Engineering Science), 2021, 55(12): 2275-2285. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZDZC202112007.htm

    [17]

    YANG B B, YIN K L, LACASSE S, et al. Time series analysis and long short-term memory neural network to predict landslide displacement[J]. Landslides, 2019, 16(4): 677-694.

    [18]

    XU S L, NIU R Q. Displacement prediction of Baijiabao landslide based on empirical mode decomposition and long short-term memory neural network in Three Gorges area, China[J]. Computers and Geosciences, 2018, 111(1): 87-96. doi: 10.1016/j.cageo.2017.10.013

    [19]

    XUE J K, SHEN B. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems Science & Control Engineering, 2020, 8(1): 22-34.

    [20] 滕志军, 吕金玲, 郭力文, 等. 一种基于Tent映射的混合灰狼优化的改进算法[J]. 哈尔滨工业大学学报, 2018, 50(11): 40-49. https://www.cnki.com.cn/Article/CJFDTOTAL-HEBX201811007.htm

    TENG Zhijun, LV Ji-ling, GUO Liwen, et al. An improved hybrid grey wolf optimization algorithm based on Tent mapping[J]. Journal of Harbin Institute of Technology, 2018, 50(11): 40-49. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-HEBX201811007.htm

    [21] 王培珍, 刘曼, 王高, 等. 基于改进极限学习机的焦煤惰质组分类方法[J]. 煤炭学报, 2020, 45(9): 3262-3268.

    WANG Peizhen, LIU Man, WANG Gao, et al. Classification approach for inertinite of coking coal based on an improved extreme learning machine[J]. Journal of China Coal Society, 2020, 45(9): 3262-3268. (in Chinese)

    [22] 罗亦泳, 黄城, 张静影. 基于变分模态分解的变形监测数据去噪方法[J]. 武汉大学学报(信息科学版), 2020, 45(5): 784-790.

    LUO Yiyong, HUANG Cheng, ZHANG Jingying. Denoising method of deformation monitoring data based on variational mode decomposition[J]. Geomatics and Information Science of Wuhan University, 2020, 45(5): 784-790. (in Chinese)

    [23] 张霄. 基于改进极限学习机的隧道围岩位移反分析[D]. 成都: 西南交通大学, 2017.

    ZHANG Xiao. Displacement Back Analysis of Tunnel Surrounding Rock Based on Improved Limit Learning Machine[D]. Chengdu: Southwest Jiaotong University, 2017. (in Chinese)

    [24] 公路隧道施工技术规范: JTG/T 3660—2020[S]. 北京: 人民交通出版社, 2020.

    Technical Specifications for Construction of Highway Tunnel: JTG/T 3660—2020[S]. Beijing: China Communications Press, 2020. (in Chinese)

    [25] 王述红, 朱宝强. 山岭隧道洞口段地表沉降时序预测研究[J]. 岩土工程学报, 2021, 43(5): 813-821. http://manu31.magtech.com.cn/Jwk_ytgcxb/CN/abstract/abstract18612.shtml

    WANG Shuhong, ZHU Baoqiang. Time series prediction for ground settlement in portal section of mountain tunnels[J]. Chinese Journal of Geotechnical Engineering, 2021, 43(5): 813-821. (in Chinese) http://manu31.magtech.com.cn/Jwk_ytgcxb/CN/abstract/abstract18612.shtml

  • 期刊类型引用(4)

    1. 夏晶晶,贺姣姣. 基于直剪试验土石混合体路基的稳定性问题研究. 山西建筑. 2025(01): 125-128+172 . 百度学术
    2. 杨忠平,李勇华,李诗琪,刘浩宇,高宇豪. 不同含石率土石混合体水力侵蚀分异特征及机制. 岩石力学与工程学报. 2024(01): 133-145 . 百度学术
    3. 段国勇,徐广超,罗文庆,李森. 酸碱环境下泥岩土石混合体剪切特性研究. 水利水电技术(中英文). 2024(02): 148-155 . 百度学术
    4. 梁越,何慧汝,许彬,张鑫强,冉裕星. 基于透明土的水力梯度对渗流侵蚀影响试验研究. 河海大学学报(自然科学版). 2024(05): 60-66 . 百度学术

    其他类型引用(0)

图(14)  /  表(7)
计量
  • 文章访问数:  341
  • HTML全文浏览量:  56
  • PDF下载量:  101
  • 被引次数: 4
出版历程
  • 收稿日期:  2022-03-16
  • 网络出版日期:  2023-05-18
  • 刊出日期:  2023-04-30

目录

/

返回文章
返回