一种基于时空信息融合的地铁盾构施工地表变形的预警方法
【技术领域】
[0001] 本发明属于盾构施工地表变形的预警技术领域，具体地涉及一种基于时空信息融 合的地铁盾构施工地表变形的预警方法。
【背景技术】
[0002] 目前，国内外利用有关预警技术综合开发有关安全预警系统并在实际盾构隧道工 程中应用的成熟工具发展迅速。意大利GeoDATA公司推出了名为GDMS(geodata master system)的信息化管理平台，该系统运用了 GIS和WEB技术，由建筑物状态管理系统、建筑风 险评估系统、盾构数据管理系统、监测数据管理系统以及文档管理系统等5个子系统构成， 分别在俄罗斯圣彼得堡、意大利罗马和圣地亚哥等地铁工程中得到应用。中国台湾亚新工 程顾问股份有限公司针对台湾地区地下工程施工安全问题开发出IDEAL监测资料处理系 统，该系统对监测数据有效性检查和处理考虑得比较全面，但监测信息的可视化功能较弱。 朱合华等学者提出采用基于客户端-服务器模式建立盾构隧道数字化平台，给出了盾构隧 道数据分类体系和盾构隧道数字化模型，介绍了盾构隧道及其周围地层的建模方法，并给 出了可视化及信息管理具体的实现方案。针对盾构法隧道施工，上海隧道工程股份有限公 司开发了盾构法隧道施工智能管理系统，在掌握施工信息的前提下，通过数据分析，对工程 施工进行有效管理和技术支持，并在大型盾构隧道建设项目中取得了实际成果。上海同是 工程科技有限公司开发的"安程地铁工程远程监控管理系统"，基于网络传输、无线通讯、网 络数据库、数据分析以及自动预测预警等技术，综合了施工、监理、监测、管理以及多媒体等 多种信息，已在上海地铁工程中得到应用。
[0003] 目前国内外地铁盾构施工地表变形的预警方法大多针对单一或单项监测数据进 行预警，缺乏时空信息的融合，导致预警判断的片面性，影响预警的准确性；现阶段预测数 据获取的理论依据是传统的随机介质理论，但直接运用随机介质理论进行计算存在系统误 差；预警区域划分、现场巡视方法等并没有建立标准或方法，影响区域预警的合理性及准确 性。
[0004] 因此，发明一种科学、有效的基于时空信息融合的地铁盾构施工地表变形的预警 方法，具有重要的工程意义和现实价值。
【发明内容】
[0005] 本发明针对现有技术的不足，提供一种基于时空信息融合的地铁盾构施工地表变 形的预警方法。该方法根据信息融合理论，构建了基于时空信息融合的盾构施工地表变形 预警模型，结合地表变形监测信息，通过基于RBF神经网络的特征融合算法和基于D-S证据 理论的决策融合算法，分别实现了盾构施工地表变形警兆融合、区域预警决策融合。为施工 现场提供了具有警情识别、警情分析、警情预测、警情评价、警情决策与一体的预警手段和 信息化工具，对于加强盾构施工地表变形安全风险监控，提高盾构施工安全风险管理水平 具有重要意义。
[0006] 本发明提供一种基于时空信息融合的地铁盾构施工地表变形的预警方法包括以 下步骤： (1) 预警区域划分 将工点范围内的施工区域按照变形时空演化的规律进行合理分解，以分解后的工程、 环境实体和施工过程作为警情评价和决策的单元，划分方式如下：微小变形区域，盾构掌子 面前1倍隧道埋深以前区域；变形剧增区域，盾构掌子面前1倍隧道埋深至盾构掌子面后3 倍隧道埋深区域；变形缓慢区域，盾构掌子面后3倍隧道埋深至盾构掌子面后5倍隧道埋深 区域；变形稳定区域，盾构掌子面后5倍隧道埋深以后区域； (2) 数据获取 包括实测数据、预测数据和巡视数据三类数据的获取，其中实测数据指地质参数、施工 参数、设计参数、工程环境信息、各监测点的监测数据；预测数据指基于施工地表变形时空 演化智能预测方法，利用监测点的监测到的实测数据，实现盾构施工地表变形时空演化智 能预测，获取地表沉降、断面变形空间分布的预测数据；巡视数据包括现场巡视项目、安全 监测项目的数据信息； (3) 警情征兆融合 针对每一个警情征兆子空间，下简称警兆子空间设计一个警兆融合RBF神经网络，分 别完成各自的警兆子空间到警情状态空间的非线性映射关系； (4) 预警决策融合 利用每个RBF神经网络的输出结果作为证据理论的基本信任分配函数，运用D-S证据 理论合成法则对这些警情状态空间进行融合，得到区域预警决策结果。
[0007] 在上述技术方案中，步骤（2)中所述的施工地表变形时空演化智能预测方法，包括 以下步骤： 步骤一，实测数据收集，包括各监测点地表沉降、断面变形空间分布数据，用于系统学 习及样本测试； 步骤二，构建时空演化计算模型，构建地表变形时空演化特征参数与地表变形监测数 据之间的计算关系；基于改进随机介质理论的空间分布模型，计算盾构施工地表任意一点 的最终稳定变形值，并将其代入时间过程模型中，建立盾构隧道地表任意一点Ut 1 3的 变形随盾构掘进的时空演化计算模型；所述地表变形时空演化特征参数，包括时间过程参 数及空间分布参数两类；时间过程参数由比例参数、形状参数、ARIMA中的时间序列参数组 成；空间分布参数则包含覆土层的主要影响角、盾构施工引起的地层损失两种； 步骤三，构建时空演化关系模型，基于多重自适应变异粒子群的RBF神经网络算法，构 建了地表变形时空演化系统的输入变量和盾构地表变形时空演化特征参数之间的时空演 化关系； 步骤四，地表变形监测数据预测，利用实测数据、时空演化计算模型和时空演化关系模 型进行预测系统学习及样本测试，对地表沉降、断面变形空间分布等的数据进行预测。
[0008] 在上述技术方案中，步骤（2)中巡视数据的获取方法包括以下步骤： 步骤一，划分巡视区域，指工程现场巡视所针对的区域，划分标准同预警区域划分标 准； 步骤二，巡视内容包括地面综合情况、周边建筑物情况和地下管线情况三类； 步骤三，巡视结果判断，分为正常和不正常两类，分别用数字O和1表示。
[0009] 在上述技术方案中，步骤（3)中所述的警情征兆融合方法具体操作步骤如下： 步骤一，确定警情征兆子空间，包括地表变形监测点状态、地表变形时空演化预测、盾 构施工现场风险巡视项目状态三个子空间； 步骤二，确定警情状态空间，包括地面裂缝警情、地面塌陷警情、建筑物开裂警情、建筑 物倾斜警情和管线渗漏警情五个维度； 步骤三，通过积累大量工程样本的学习训练，确定用于各警兆子空间融合的RBF神经 网络结构和参数； 步骤四，利用RBF神经网络分别构建上述三个警兆子空间到警情状态空间的非线性映 射关系，实现警兆融合。
[0010] 在上述技术方案中，步骤（4)中所述的预警决策融合方法具体操作步骤如下： 步骤一，将每个警兆子空间通过RBF神经网络输出警情状态空间结果； 步骤二，利用RBF神经网络的输出结果作为证据理论的基本信任分配函数； 步骤三，运用D-S证据理论合成法则对这些警情状态空间进行融合，得到区域预警决 策结果。
[0011] 本发明提出的基于时空信息融合的地铁盾构施工地表变形的预警方法，克服了现 阶段预警对象单一化的问题，实现了时空信息的融合，根据信息融合理论和分层融合思路， 构建了基于时空信息融合的盾构施工地表变形预警模型，结合地表变形监测信息，通过基 于RBF神经网络的特征融合算法和基于D-S证据理论的决策融合算法，分别实现了盾构施 工地表变形警兆融合、区域预警决策融合，整个模型有着科学完整的理论基础，为加强盾构 施工地表变形安全风险监控，提高盾构施工安全风险管理水平具有重要意义。
【附图说明】
[0012] 图1为本发明方法的预警模型示意图。
【具体实施方式】
[0013] 下面结合附图及具体实施例对本发明方法作进一步描述。
[0014] 如图1所示，本实施例提供一种基于时空信息融合的地铁盾构施工地表变形的预 警方法包括以下步骤： (1) 预警区域划分 将工点范围内的施工区域按照变形时空演化的规律进行合理分解，以分解后的工程、 环境