论文部分内容阅读
在采用新奥法施工的隧道中，围岩变形测量是检验围岩是否稳定和支护是否合理的重要手段之一，是新奥法的核心内容。许多工程事例说明，对隧道围岩的位移不能准确把握从而对支护时间和支护刚度未准确把握是造成隧道事故的主要原因之一，因此如何确定围岩的位移曲线，预测围岩下一步的变形，并据以选择合适的支护时间和支护刚度，成为了确保隧道稳定的关键。本文以浙江省杭千高速公路隧道群作为依托工程，首先根据本项目隧道的特点(软岩、三车道)以及施工方法，讨论了在软岩地区采用新奥法施工的隧道容易出现的问题以及处理这些问题的一些措施，并且基于现场监控量测，研究了软岩隧道的变形预测问题，提出考虑了影响隧道变形的客观因素的BP网络模型，在此基础上用VB编写了隧道变形预测的程序，将其应用于隧道的施工监控中，在对隧道开挖的稳定性以及施工安全反馈方面取得了比较好的效果，论文工作的内容与特色主要为：(1)以杭新景高速公路隧道建设实例，分析了软岩的地质特征和工程特性，对影响软弱围岩隧道稳定因素，作了较为全面的分析。(2)根据软弱围岩公路隧道的特点，系统总结了软弱围岩公路隧道开挖支护施工机理和施工方法。由于隧道断面大、地形条件较差，施工支护极易在施工期间出现不同程度地变形、开裂及渗漏水等问题，应尽快采取封闭仰拱、增强支护强度等措施控制变形；隧道施工时碰到的渗水、破碎带、溶洞、边坡滑坡、塌方、初期支护变形等隧道建设中常遇见的问题，其成因及解决的关键技术虽然因各地的地质条件等因素有所差别，但是对于软岩大跨度隧道却是有一定的共性的，本文中所列举的几种增强支护以及险情处理方法，在一定条件下可以为相同类型的工程所借鉴。(3)根据神经网络理论，结合实际工程监测数据，对影响隧道变形的多个因素进行分析，将影响隧道变形的客观因素作为输入项进行神经网络的权值训练，根据BP神经网络模型的改进方法，在模型中增加动量项以提高模型的学习收敛速率，并且编制了相应的神经网络预测程序。利用已有的丰富的监测数据作为神经网络样本学习文件，并且对将预测所得结果与下一步所测的数据进行对比验证，分析了学习样本的多少以及现场实际情况对神经网络预测效果影响。(4)将预测模型应用到杭千高速隧道工程中，利用3DTOS中的预测模块，对白炭坞、大门口、石灰岭等隧道的施工围岩变形进行同步预测，所得结果为施工单位采取工程措施提供了有效依据，该模型对隧道施工有一定的实际意义。