软弱围岩隧道变形预测及安全性探究

《软弱围岩隧道变形预测及安全性探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、软弱围岩隧道变形预测及安全性探究摘要：对当前大变形预测现状进行了概述，指出根据弹、塑性理论预测开挖条件下软弱围岩是否屈服对于软弱围岩大变形预测来说是不够的。并在此基础上建立了等维灰数递补的修正GM(1,1)模型，对工程实例进行验证，取得了令人满意的结果，预测值精度有了明显提高，说明灰色建模的数据取样越接近预测点得到的模型预测值也越接近实际值，该模型能更真实地反映围岩的变形规律。关键词：隧道；软弱围岩；变形机理；变形预测中图分类号：U451+.2文献标识码：B文章编号：1008-0422(2007)06-0079-03收稿日期：2007-04-03作者简介：朱璐(197

2、5-)，男(汉族)，湖南长沙人，硕士研究生。1前言对于软弱围岩隧道，由于土体本身性质的变异性较大，往往无法精确测定其变形；目前应力分析中采用的均质地基布氏理论及固结沉降机理不能完全反映现场实际情况；而近年发展起来的有限元等方法，由于其模型所涉及的计算参数较难测试提供，也未在工程中得到广泛应用。因此，人们常利用实测的沉降数据对后期沉降发生进行预测，预测的方法常用的有双曲线法、指数曲线拟合法等，但这些预测方法大多需较多的实测数据，仅适合施工加载情况下的沉降预测，难以反映全过程的沉降量与时间的关系。基于此，本文釆用等维灰数递补数据处理技术建立等维灰数递补GM(1,1)模型，

3、建立的预测模型能较好地反映全过程的沉降量与时间的关系，并能预测最终沉降量。2大变形预测研究现状在大变形的预测方面，目前国内外尚无实用的预测大变形的方法。日本学者Viladkar提出利用地层Q值的“临界埋深法”，当实际埋深H大于时，围岩应视之为挤压性围岩，具有发生大变形的条件。但此种方法与开挖断面及支护不发生关系，与支护变形量的大小也无内在的联系，当H大于时可能发生的支护变形值有多大难以确定。但是，根据弹、塑性理论预测开挖条件下软岩是否屈服(如坚固系数、强度应力比及其它类似方法)，对于软岩大变形预测来说是远远不够的。第一，弹性及弹塑性理论在解决软岩屈服问题时，用到的一个

4、关键参数是UCS,对于软岩，其UCS往往是很难通过常规的试验方法确定的，具有很大的不确定性；第二，“屈服”仅仅是大变形的基础，屈服的软岩不一定发生大变形。而灰色理论的出现，在一定程度上为解决这个问题提供了一种新的方法。鉴于沉降观测工作时间长,观测周期难以保持一致等不利因素，本文利用灰色预测理论中的GM(1,1)模型，采用等维灰数递补数据处理技术建立等维灰数递补GM(1,1)模型来对灰色GM(1,1)模型进行改进，并结合工程实例进行验证,取得了令人满意的结果。3灰色模型3.1一般原理4工程实例位于常德至张家界高速公路第10A合同段的关口址隧道，为双向四车道分离式平行双洞

5、结构，左线隧道长880m,右线隧道长700m,是常张高速公路上一个重要工程。隧道通过区域内岩层为志留系下统龙马溪浅海相泥质页岩。页岩呈深灰色，泥质结构，岩性较软，易风化，遇水即崩解、失水干裂；隧道洞身段主要为弱风化页岩，两端洞口附近为强风化页岩。为了深入认识泥质页岩在隧道开挖过程中应力重分布的变化特征以及施工前后的沉降量，更好地运用量测数据指导设计及施工，隧道除了进行常规的监控量测外，还在ZK73+540及ZK73+860两处进行了多项应力及沉降的现场测试。4.1预测结果及精度检验根据以上原理，对这两个断面进行了计算分析，得出了各自的GM模型，并对模型进行了精度检验，

6、结果见表1(表中前5个数据为建模原始数据序列)和表2。从表1可以看出：随着预测时间的延长，残差相对值逐渐增大，这说明预测值的精度与预测点和所选取的数据样本之间的距离有关。针对这一问题，我们采用等维灰数递补数据处理技术建立等维灰数递补GM(1,1)模型来对灰色GM(1,1)模型进行改进，即每当预测出一个新值时，把它加入到样本序列之后同时去掉样本序列中最早的1个数据，以保证在序列维数不变的前提下，样本数据中始终含有最新的数据信息，然后据此样本序列重新建立灰色GM(1,1)模型,我们每加入一个新预测值即称“一次预测”，这样周而复始直到完成预测目标为止。采用这种处理方法使预测

7、模型得到了有效的修正，其预测精度得到了明显的提高。用此方法对断面ZK73+540进行了预测分析具体计算结果见表3：4.2结果分析从表1可以看出残差相对值都控制在±5%以内，同时结合表2可知本文建立的模型，精度为“好”，预测值精度为I级，这说明该方法具有很高的精度。用GM(1,1)模型进行预测时，随着预测时间的延长，残差相对值逐渐增大。而采用等维灰数递补数据处理技术建立等维灰数递补GM(1,1)模型对灰色GM(1,1)模型进行改进后，预测值精度有了明显提高，这说明灰色建模的数据取样越接近预测点得到的模型预测值也越接近实际值。5主要结论从对工程实例的预测