智慧化技术在城市滨海软土工程的应用前景与挑战

佀传琪; 王琛; 梁家馨; 华建; 梁发云

doi:10.11779/CJGE2024S20045

智慧化技术在城市滨海软土工程的应用前景与挑战 English Version

佀传琪^1,,
王琛^1, ,,
梁家馨²,
华建¹,
梁发云¹

1.
同济大学土木工程学院, 上海 200000
2.
太原理工大学土木工程学院, 山西太原 030024

基金项目:

上海市“科技创新行动计划”项目 22692195500

上海市级大学生创新创业训练项目 S202410247429

详细信息

作者简介:
佀传琪(2004—)，女，本科生，主要从事智能建造相关研究。E-mail: 2250745@tongji.edu.cn

通讯作者:
王琛, E-mail: cwang33@tongji.edu.cn

中图分类号: TU43
计量
- 文章访问数: 0
- HTML全文浏览量: 0
- PDF下载量: 0
出版历程
- 收稿日期: 2024-06-21
- 刊出日期: 2024-09-30

Application prospects and challenges of intelligent technology in urban coastal soft soil engineering

1.
College of Civil Engineering, Tongji University, Shanghai 200000, China
2.
College of Civil Engineering, Taiyuan University of Technology, Taiyuan 030024, China

摘要

摘要: 在城市建设高质量发展阶段，滨海地区面临迫切的城市更新需求。这类地区通常环境敏感复杂，传统的软土工程数据采集与分析手段往往需借助大量的人力、物力，且难以保证大范围、高效率、不间断地执行，智慧化技术成为解决这一问题的重要手段。梳理了智慧化技术在数据感知、智能预测和可视化交互3方面的现状，分别对比总结了接触式、非接触式感知技术，大数据分析与参数化建模方法，数字孪生与交互式平台，及其在软土工程中的应用与挑战，为深入理解智慧化技术的内涵及应用前景提供支持，助力行业新质生产力发展。
- 软土地基 /
- 智能化监测 /
- 数据采集 /
- 模型构建
Abstract: Due to the high-quality urban development, the coastal areas are confronted with demands for urban renewal. These regions typically exhibit environmental sensitivity and complexity, while the conventional approaches often rely on manpower and resources, making it arduous to ensure extensive coverage, high efficiency and uninterrupted implementation. Consequently, the intelligent technology has emerged as a crucial means to tackle this issue. This study provides an overview of the current state of the intelligent technology in three key aspects: data perception, intelligent prediction, and visual interaction. The applications and challenges of contact and non-contact measurements, big data analysis and parametric modeling as well as the digital twin and interactive platform in soft soil engineering are summarized. It aims to facilitate a comprehensive understanding of the essence of the intelligent technology and its prospects while contributing towards fostering new quality productive forces.
- soft soil foundation /
- intelligent monitoring /
- data collection /
- model building

HTML全文

0. 引言

电渗法因其能耗过大在工程应用推广上受到诸多限制。最新研究结果表明，降低电极与土壤界面的电阻，可以有效解决电渗法能耗过大的问题，并且显著提升电渗的效率^[1]。

电化学领域中已经开发了多种成熟的技术来降低界面电阻。其中，磁电化学技术因其出色的性能引起广泛关注。当施加垂直于电场的磁场时，电解液中会产生对流，这一效应能够大幅提高传质在电极表面的交换速率，进而减小界面电阻^[2]。这种磁场效应被称为“磁流体动力学效应”（MHD），主要由电磁场激发的洛伦兹力而产生^[3]。Weier等^[4]使用数字粒子图像测速仪（DPIV）直接观测了MHD对流引起的速度场。他们发现电解过程中的传质交换会受到磁场的显著影响。Olivas等^[5]通过理论推导和数值模拟研究发现磁场的MHD效应可以有效提高电镀的效率。此外，Angulo等^[6]对水电解的研究进行了全面概述，指出磁场可以降低活化、欧姆和浓度过电位。如今，磁电化学已在多个领域得到了很好的应用。

理论上来看，由于电场是电渗的固有特征，同样地引入垂直磁场也可以激发洛伦兹力，产生MHD效应，进而降低界面电阻，提高电渗效率。而且，永磁体成本低，操作便捷，只需置入土体中就能发挥作用。简言之，客观来讲，将磁场引入电渗系统中是极具可行的方法。因此，本文设计了一系列的试验，并基于界面电阻指标、排水指标、能耗指标客观评估了在电渗中引入磁场的潜力。

1. 试验材料和方法

1.1 试验土样

本研究中采用的土样取自中国浙江省杭州市西湖区某基坑工程，为典型的杭州地区黏性土，原状土的基本物理性质如表 1所示。

表 1 试验土样基本物理性质

Table 1. Physical parameters of test soil

含水率/%	土粒相对质量密度G_s	孔隙比e	电导率/(S·m^-1)	液限w_L	塑限w_P	渗透系数k/(cm·s^-1)
58.5	2.74	1.470	0.16	45	24	1.2×10^-9

下载: 导出CSV

| 显示表格

将原状土烘干磨细后，重制成含水率为85%左右的土样，然后装入试样模型盒中制成试验样品。

1.2 试验装置

图 1是自主研发的室内电渗试验装置的示意图。其中，模型盒的长、宽、高分别为20，10，10 cm。在模型盒两侧放置电极板，土工织物布置在电极后面，以防止土颗粒逸出。阴极槽的底部设置有排水孔。烧杯和天平放置在孔下方，用于收集和监测排出液。

图 1 试验装置示意图

Figure 1. Schematic diagram of test devices

下载: 全尺寸图片幻灯片

南北磁极都分别由两块N52磁铁组成，表面磁场强度为0.22 T，单个磁铁的长、宽、高分别为5，5，3 cm。该场强能有效引起液相的对流运动^[7]。

本研究中采用的电极和电势探针为常规电渗室内试验材料。电源电压为常规输出电压30 V^{[1, 8]}。

1.3 试验方案

如表 2所示，为了探究磁场的最佳布置方案，本研究将磁极置于不同位置，进行系统性的试验研究。

表 2 试验方案表

Table 2. Test schemes

试验编号	电导率/(S·m^-1)	含水率/%	磁极布置位置	磁场强度/T	通电时间/h
A1	0.276	84.8	—	0.22 T	24
A2		85.1	阳极
A3		85.2	阴极
A4		84.7	土体
B1	0.211	85.1	—
B2	0.211	84.5	阳极
C1	0.108	84.2	—
C2	0.108	85.2	阳极

下载: 导出CSV

| 显示表格

表 1中，A1、B1、C1是各组相应的对照组，没有布置磁场，因此可以作为基准参考线。其余各组都是试验组，磁场从通电开始就布置在特定位置一直到结束。在磁场方向上，如图 2所示，本研究采用了相关文献的布置方式^[3]。这样的电磁场布置方式会产生向上的洛伦兹力，更有效地抑制界面电阻的上升。

图 2 磁场布置示意图

Figure 2. Schematic diagram of layout of magnetic field

下载: 全尺寸图片幻灯片

A组的试验结果表明，磁场最佳布置位置在阳极。因为含盐量大小影响了电场在土体中的传递。基于此，本文探讨了含盐量因素对磁场作用效果的影响。室内试验中常用的土体电导率介于0.1至0.3 S/m^{[1, 8]}。因此，本文采用NaCl溶液将土体电导率调至0.211 S/m（B）和0.108 S/m（C）进行试验。电导率由Rayleigh DJS-1C高精度仪器测定。

进一步地，本文通过高精度数字万用表的监测数据，并根据欧姆定律测算了阳极界面电阻。此外，排水指标是最为直接可靠的判断依据，本文设置的排水监测系统能每隔10 min记录累积排水量的变化。

2. 试验结果与分析

2.1 界面电阻

土体-电极界面的电阻可以在一定程度上反映电渗过程中的实时变化情况^[1]。有必要对该指标进行分析，进而客观评估磁场作用对电渗的影响。

如图 3，A组阳极界面电阻的变化具有一定的规律性。在通电后的前12 h，各组的电阻变化并不明显。之后，各组界面电阻出现不同程度的增加。A1~A4的最终电阻分别为16.54，28.62，21.63，17.07 Ω。相比于对照组A1，阳极布置磁场的A2增长最为明显，其次是阴极布置磁场的A3，而土体处布置磁场的A4没有明显差异。结果说明在电极处布置磁场会对阳极界面电阻产生显著影响。

图 3 阳极界面电阻随时间变化

Figure 3. Variation of anode interface resistance with time

下载: 全尺寸图片幻灯片

上述的观察结果可能会得出这样的结论：磁场会导致阳极界面电阻的快速增加。然而，电渗中的电化学参数变化必须考虑土体中的离子含量和水分含量这两个因素的影响^[9]。阳离子是土体液相中主要的电荷载体，较高的阳离子浓度代表较好的电化学特性。此外，土体电阻的升高通常与其水分含量的减少有关，而土体电阻的变化又会影响电化学参数的变化。因为本研究中试验材料的初始含水率相似，可以用排水指标来反映土体中的含水率变化。且单位体积的排出液中的离子含量相近，所以排水指标也能反映土体中的离子含量变化。基于此，本文选用排水量作为水平轴，进而更客观地评估磁场对电渗的影响。

图 4显示了各试验组在相同排水过程中阳极界面电阻的变化。可以明显观察到各试验组电阻处于低值且稳定的持续过程并不相同。A1、A2、A3和A4组的电阻开始上升时所对应的排水量分别为130，185，150，130 mL。与对照组（A1）相比，阳极布置（A2）延迟了42.31%，阴极布置（A3）延迟了15.38%，而土体布置（A4）没有观察到显著差异。结果表明，磁场需要合理布置才能延缓界面电阻的上升，且布置在阳极的效果（A2）最为显著。

图 4 阳极界面电阻随排水量变化

Figure 4. Variation of anode interface resistance with drainage volume

下载: 全尺寸图片幻灯片

2.2 排水速率

磁场效应能有效减缓界面电阻的上升，会对电渗效率会产生积极的影响。如图 5所示，排水速率的变化趋势呈急剧增加、随后逐渐衰减到稳定。

图 5 排水速率随时间变化

Figure 5. Variation of drainage rate with time

下载: 全尺寸图片幻灯片

图 5显示各试验组的峰值排水速率存在显著差异。A1~A4组的峰值排水量分别为19.75，23.93，20.13，19.45 mL/h。阳极布置磁场（A2）峰值速率比对照组（A1）增加了20.91%，而其他试验组（A3、A4）没有观察到明显的差异。

在达到峰值后，A1~A4的平均排水速率分别为9.50，13.31，11.03，9.80 mL/h。阳极布置（A2）平均排水速率相较于对照组（A1）增加了40.08%，阴极布置（A3）平均排水速率增加了16.12%，而土体布置（A4）没有出现显著增长。上述结果说明磁场的引入能够显著提高排水速率。

2.3 累计排水量

如图 6，A1~A4的累计排水量分别为186.11，243.46，210.29，183.73 mL。相对于对照组A1，阳极布置磁场（A2）和阴极布置磁场（A3）能提高排水量分别为30.82%和12.99%，而土体布置磁场（A4）没有出现排水量增大的现象。结果说明电极处布置磁场能提高排水上限，特别是布置在阳极处。

图 6 累计排水量随时间变化

Figure 6. Variation of cumulative drainage with time

下载: 全尺寸图片幻灯片

进一步的，电极处布置磁场能够大幅缩减电渗的处理时间。布置在阳极处的效果最佳，A2在通电后的11 h内就能达到对照组A1的最终排水量，布置在阴极的A3在18 h内达到。

上述结果证明了在电渗系统中引入阳极磁场极具潜力。本文对不同含盐量的试验土样进行进一步研究，以综合评估这一方法。

如图 7所示，阳极磁场布置的增效作用使得试验组的排水上限都得到了显著提高。与相应的对照组（B1、C1）相比，试验组（B2、C2）的最终排水量分别增加了22.29%和31.87%。

图 7 不同含盐量下排水量随时间变化

Figure 7. Variation of drainage with time under different salt contents

下载: 全尺寸图片幻灯片

此外，达到对照组（B1、C1）的最终排水量，试验组（B2、C2）分别仅需约12，15 h。与相应的对照组相比，试验组的持续时间分别节省了约50.00%和37.50%。这说明对于不同含盐量土体，磁场都能够较好地提高电渗效率，节约时间成本。

2.4 能耗分析

高能耗仍然是电渗法在实际工程中应用的一个重大障碍。因此，有必要分析引入磁场后的能耗情况。

为了表达更为客观，这里对排水过程进行了标准化，主要反映在参数“ ${t_1}$ ”和“ ${t_2}$ ”上，如下式：

${E_1} = \int {UI({t_1}){\text{d}}{t_1}} 。$

(1)

式中： ${E_1}$ 为等效能耗（W·h）；U为电源输出电压，取30 V； $I({t_1})$ 为电流（A）； ${t_1}$ 为试验组排水量达到与对应对照组所需的时间，对照组（A1、B1、C1）的时间为0~24 h，试验组A2、A3、A4、B2、C2的时间分别为0~11 h、0~18 h、0~24 h、0~12 h和0~15 h，如图 6，7所示。

此外，为了清楚地证明能耗的降低，使用以下公式计算试验组的过剩能耗：

${E_2} = \int {UI({t_2}){\text{d}}{t_2}} 。$

(2)

式中： ${E_2}$ 为过剩能量消耗（W·h）； $I({t_2})$ 为电流（A）； ${t_2}$ 为从等效时间到试验结束的持续时间，试验组A2、A3、A4、B2、C2的时间分别为11~24 h、18~24 h、24~24 h、12~24 h和15~24 h，如图 6，7所示。

本文依据式（3）计算了平均能耗系数 $\alpha$ ，该系数可以衡量单位排水体积所需的能耗大小^[10]。式（3）中，因对照组没有过剩能量消耗，因此表示对应的 ${E_2}$ 值为零。

$\alpha = \frac{{{E_1} + {E_2}}}{{{V_d}}} = \frac{{\int {UI({t_1}){\text{d}}{t_1} + \int {UI({t_2}){\text{d}}{t_2}} } }}{{{V_d}}} \text{，}$

(3)

在A组中，在电极（A2，A3）处布置磁场不仅显著降低了总能耗，而且提高了能量利用率。与对照组A1相比，阳极布置磁场的A2使所需的能耗减少了27.68%，阴极布置磁场的A3减少了10.34%。在能量利用方面，A1~A4的能耗系数分别为1.81，1.30，1.57，1.83 W·h·mL^-1。其中，A2的系数最低，其次是A3，而土体处布置磁场的A4没有显著差异。说明阳极布置磁场能显著提高能量利用率，减小排出单位体积水所需要的能量。

图 8 各试验组能耗分析

Figure 8. Energy consumption analysis

下载: 全尺寸图片幻灯片

在其他组（B、C）中，阳极布置磁场的方法同样显著改善了能耗情况。相比于相应的对照组，B2组减少了22.81%，C2组减少了14.51%。此外，各个试验组的能量消耗系数也出现大幅下降。上述结果证明该方法能有效解决电渗的能耗问题。

3. 结论

本文主要探讨了在传统电渗框架内引入磁场的可能性。通过室内试验和各类指标的分析，得出以下3点结论。

（1）经过对阳极界面电阻的全面分析，在电极处引入磁场能显著缓解阳极界面电阻和阴极界面电阻的上升，且在阳极处布置磁场能达到最佳效果。

（2）排水参数表明，在电极处放置磁场能显著提高排水效率，且置于阳极处的效果最佳。多组试验表明阳极磁场能显著提高排水上限，大幅缩短土体固结时间。

（3）全面分析了引入磁场后的能耗情况，包括能量利用系数、等效能量消耗、过剩能耗。数据表明引入磁场能有效解决电渗高能耗的问题，显著提高能耗利用率，降低排水所需能耗。

磁场在电渗过程中的作用机制尚需深入研究。进一步的研究将关注磁场对界面电化学反应，并探讨电化学反应与土体中离子迁移之间的关系。

图 1 基于双目视觉技术的位移监测系统^[13]

Figure 1. Displacement monitoring system via binocular vision method^[13]

下载: 全尺寸图片幻灯片

图 2 CNN架构^[17]

Figure 2. Architecture of CNN^[17]

下载: 全尺寸图片幻灯片

图 3 实现数字孪生系统的不同步骤及其交互^[29]

Figure 3. Different steps of a digital twin and their interactions^[29]

下载: 全尺寸图片幻灯片

参考文献(33)

[1]	丁智, 张霄, 梁发云, 等. 软土基坑开挖对邻近既有隧道影响研究及展望[J]. 中国公路学报, 2021, 34(3): 50-70. DING Zhi, ZHANG Xiao, LIANG Fayun, et al. Research and prospects regarding the effect of foundation pit excavation on an adjacent existing tunnel in soft soil[J]. China Journal of Highway and Transport, 2021, 34(3): 50-70. (in Chinese)
[2]	陈湘生, 洪成雨, 苏栋. 智能岩土工程初探[J]. 岩土工程学报, 2022, 44(12): 2151-2159. doi: 10.11779/CJGE202212001 CHEN Xiangsheng, HONG Chengyu, SU Dong. Intelligent geotechnical engineering[J]. Chinese Journal of Geotechnical Engineering, 2022, 44(12): 2151-2159. (in Chinese) doi: 10.11779/CJGE202212001
[3]	黎剑华, 张鸿, 刘优平, 等. 光纤Bragg光栅在公路软基沉降监测中的应用[J]. 中南大学学报(自然科学版), 2011, 42(5): 1442-1446. LI Jianhua, ZHANG Hong, LIU Youping, et al. Fiber Bragg grating monitoring technology applied in soft ground settlement of highway[J]. Journal of Central South University (Science and Technology), 2011, 42(5): 1442-1446. (in Chinese)
[4]	朱海琴, 胡玉婷, 毛学军, 等. 基于FBG传感技术的软基全断面沉降传感器研发[J]. 南昌工程学院学报, 2016, 35(4): 79-84. ZHU Haiqin, HU Yuting, MAO Xuejun, et al. Development of whole cross section settlement sensor for soft soil foundation based on FBG sensing technology[J]. Journal of Nanchang Institute of Technology, 2016, 35(4): 79-84. (in Chinese)
[5]	侯公羽, 李子祥, 胡涛, 等. 基于分布式光纤应变传感技术的隧道沉降监测研究[J]. 岩土力学, 2020, 41(9): 3148-3158. HOU Gongyu, LI Zixiang, HU Tao, et al. Study of tunnel settlement monitoring based on distributed optic fiber strain sensing technology[J]. Rock and Soil Mechanics, 2020, 41(9): 3148-3158. (in Chinese)
[6]	朱建军, 李志伟, 胡俊. InSAR变形监测方法与研究进展[J]. 测绘学报, 2017, 46(10): 1717-1733. ZHU Jianjun, LI Zhiwei, HU Jun. Research progress and methods of InSAR for deformation monitoring[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1717-1733. (in Chinese)
[7]	WU Y, LIU C, ZHANG Q, et al. Bibliometric analysis of interferometric synthetic aperture radar (InSAR) application in land subsidence from 2000 to 2021[J]. Journal of Sensors, 2022, 2022: 1-15.
[8]	WU S, ZHANG B, DING X, et al. Radar interferometry for urban infrastructure stability monitoring: from techniques to applications[J]. Sustainability, 2023, 15(19): 14654. doi: 10.3390/su151914654
[9]	邢学敏, 杨东, 张锐, 等. 基于雷达遥感对地观测技术的软土地区公路沉降监测方法[J]. 岩土工程学报, 2023, 45(10): 2172-2179. doi: 10.11779/CJGE20220813 XING Xuemin, YANG Dong, ZHANG Rui, et al. Monitoring method for subsidence of highways in soft soil areas based on radar remote sensing earth observation technique[J]. Chinese Journal of Geotechnical Engineering, 2023, 45(10): 2172-2179. (in Chinese) doi: 10.11779/CJGE20220813
[10]	赵超英, 刘晓杰, 张勤, 等. 甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究[J]. 武汉大学学报(信息科学版), 2019, 44(7): 996-1007. ZHAO Chaoying, LIU Xiaojie, ZHANG Qin, et al. Study on InSAR recognition, monitoring and instability model of Heifangtai loess landslide in Gansu Province[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 996-1007. (in Chinese)
[11]	孙懋珩, 王欣. 基于双目视觉的基坑位移监测方案[J]. 计算机工程与设计, 2015, 36(1): 273-276. SUN Maoheng, WANG Xin. Excavation displacement monitoring scheme based on binocular vision[J]. Computer Engineering and Design, 2015, 36(1): 273-276. (in Chinese)
[12]	李丽萍, 郑晅. 基于双目立体视觉的隧道围岩形变监测系统[J]. 物联网技术, 2021, 11(3): 22-23. LI Liping, ZHENG Xuan. Tunnel surrounding rock deformation monitoring system based on binocular stereo vision[J]. Internet of Things Technologies, 2021, 11(3): 22-23. (in Chinese)
[13]	HE L, TAN J, HU Q, et al. Non-contact measurement of the surface displacement of a slope based on a smart binocular vision system[J]. Sensors (Basel), 2018, 18(9): E2890. doi: 10.3390/s18092890
[14]	HU Q, FENG Z, HE L, et al. Accuracy improvement of binocular vision measurement system for slope deformation monitoring[J]. Sensors, 2020, 20(7): 1994. doi: 10.3390/s20071994
[15]	郑健龙, 周驰晴, 张军辉. 双层地基一维固结特性研究综述[J]. 长沙理工大学学报(自然科学版), 2012, 9(1): 1-11. ZHENG Jianlong, ZHOU Chiqing, ZHANG Junhui. Summary of 1-D consolidation characteristics of double-layered ground[J]. Journal of Changsha University of Science & Technology (Natural Science), 2012, 9(1): 1-11. (in Chinese)
[16]	张冲, 刘钢, 赵明志, 等. 成宜高速某浅层软土上路堤填筑的稳定性分析[J]. 中外公路, 2021, 41(2): 19-25. ZHANG Chong, LIU Gang, ZHAO Mingzhi, et al. Stability analysis of embankment filling on a shallow soft soil of Chengyi Expressway[J]. Journal of China & Foreign Highway, 2021, 41(2): 19-25. (in Chinese)
[17]	ABIODUN O I, JANTAN A, OMOLARA A E, et al. Comprehensive review of artificial neural network applications to pattern recognition[J]. IEEE ACCESS, 2019, 7: 158820-158846. doi: 10.1109/ACCESS.2019.2945545
[18]	ZHANG Q, ZHU Y, MA R, et al. Prediction method of TBM tunneling parameters based on PSO-BI-LSTM model[J]. Frontiers in Earth Science, 2022, 10: 854807. doi: 10.3389/feart.2022.854807
[19]	潘秋景, 吴洪涛, 张子龙, 等. 基于多域物理信息神经网络的复合地层隧道掘进地表沉降预测[J]. 岩土力学, 2024, 45(2): 539-551. PAN Qiujing, WU Hongtao, ZHANG Zilong, et al. Prediction of tunneling-induced ground surface settlement within composite strata using multi-physics- informed neural network[J]. Rock and Soil Mechanics, 2024, 45(2): 539-551. (in Chinese)
[20]	周中, 张俊杰, 丁昊晖, 等. 基于GA-Bi-LSTM的盾构隧道下穿既有隧道沉降预测模型[J]. 岩石力学与工程学报, 2023, 42(1): 224-234. ZHOU Zhong, ZHANG Junjie, DING Haohui, et al. Settlement prediction model of shield tunnel under-crossing existing tunnel based on GA-Bi-LSTM[J]. Chinese Journal of Rock Mechanics and Engineering, 2023, 42(1): 224-234. (in Chinese)
[21]	林东, 郑俊杰, 薛鹏鹏, 等. 基于贝叶斯方法的软土深基坑不确定性位移反演分析[J]. 土木与环境工程学报(中英文), 2024, 46(3): 52-60. LIN Dong, ZHENG Junjie, XUE Pengpeng, et al. Probabilistic method for displacement back analysis of deep excavations in soft soil based on Bayesian method[J]. Journal of Civil and Environmental Engineering, 2024, 46(3): 52-60. (in Chinese)
[22]	王长虹, 吴昭欣, 王昆, 等. CPTU数据校准上海深层软土参数的随机力学-贝叶斯方法[J]. 岩土工程学报, 2023, 45(1): 75-84. doi: 10.11779/CJGE20211494 WANG Changhong, WU Zhaoxin, WANG Kun, et al. Stochastic mechanics-based Bayesian method for calibrating geotechnical parameters of Shanghai deep soft clay using CPTU data[J]. Chinese Journal of Geotechnical Engineering, 2023, 45(1): 75-84. (in Chinese) doi: 10.11779/CJGE20211494
[23]	VARDAKOS S, GUTIERREZ M, XIA C C. Parameter identification in numerical modeling of tunneling using the differential evolution genetic algorithm (DEGA)[J]. Tunnelling and Underground Space Technology, 2012, 28: 109-123.
[24]	戴斌, 胡耘, 王惠生. 上海地区相邻基坑同步开挖影响分析与实践[J]. 岩土工程学报, 2021, 43(增刊2): 129-132. doi: 10.11779/CJGE2021S2031 DAI Bin, HU Yun, WANG Huisheng. Analysis and practice of influence of synchronous excavation of adjacent foundation pits in Shanghai Area[J]. Chinese Journal of Geotechnical Engineering, 2021, 43(S2): 129-132. (in Chinese) doi: 10.11779/CJGE2021S2031
[25]	唐洪祥, 崔家铭, 张雪, 等. 岩土体大变形分析的Cosserat-粒子有限元法[J]. 岩土工程学报, 2023, 45(3): 495-502. doi: 10.11779/CJGE20211244 TANG Hongxiang, CUI Jiaming, ZHANG Xue, et al. Cosserat-particle finite element method for large deformation analysis of rock and soil[J]. Chinese Journal of Geotechnical Engineering, 2023, 45(3): 495-502. (in Chinese) doi: 10.11779/CJGE20211244
[26]	王辉, 陈卫忠, 陈培帅, 等. 浅埋大跨小净距隧道断面形态及合理间距的优化研究[J]. 岩土力学, 2011, 32(增刊2): 641-646. WANG Hui, CHEN Weizhong, CHEN Peishuai, et al. Study of section morphology and reasonable distance optimization of large-span twin tunnels with small clear spacing in shallow rock mass[J]. Rock and Soil Mechanics, 2011, 32(S2): 641-646. (in Chinese)
[27]	TAO F, MA X, HU T, et al. Research on digital twin standard system[J]. Computer Intergraded Manufacturing Systems, 2019, 25(10), 2405–2418.
[28]	GRIEVES M, VICKERS J. Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems[M]. Cham: Springer International Publishing, 2017.
[29]	CHENG X, WANG C, LIANG F Y, et al. A preliminary investigation on enabling digital twin technology for operations and maintenance of urban underground infrastructure[J]. AI in Civil Engineering, 2024, 3(1): 4.
[30]	陈健, 盛谦, 陈国良, 等. 岩土工程数字孪生技术研究进展[J]. 华中科技大学学报(自然科学版), 2022, 50(8): 79-88. CHEN Jian, SHENG Qian, CHEN Guoliang, et al. Research progress in digital twin technology for geotechnical engineering[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2022, 50(8): 79-88. (in Chinese)
[31]	何满潮. 滑坡地质灾害远程监测预报系统及其工程应用[J]. 岩石力学与工程学报, 2009, 28(6): 1081-1090. HE Manchao. Real-time remote monitoring and forecasting system for geological disasters of landslides and its engineering application[J]. Chinese Journal of Rock Mechanics and Engineering, 2009, 28(6): 1081-1090. (in Chinese)
[32]	张斌, 冯其波, 杨婧, 等. 路基沉降远程自动监测系统的研发[J]. 中国铁道科学, 2012, 33(1): 139-144. ZHANG Bin, FENG Qibo, YANG Jing, et al. Development of remote automatic monitoring system for subgrade settlement[J]. China Railway Science, 2012, 33(1): 139-144. (in Chinese)
[33]	邬凯, 盛谦, 张勇慧, 等. 山区公路路基边坡地质灾害远程监测预报系统开发及应用[J]. 岩土力学, 2010, 31(11): 3683-3687. WU Kai, SHENG Qian, ZHANG Yonghui, et al. Development of real-time remote monitoring and forecasting system for geological disasters at subgrade slopes of mountainous highways and its application[J]. Rock and Soil Mechanics, 2010, 31(11): 3683-3687. (in Chinese)