泥质粉砂岩地层土压平衡盾构渣土改良技术

以南昌地铁1号线5标为工程依托,采用室内试验和现场验证对泥质粉砂岩地层土压平衡盾构渣土改良技术。通过坍落度试验得到泥质粉砂岩渣土最佳坍落度为17~20 cm,并对渣土改良进行分析及数学公式拟合,得到坍落度与含水率和泡沫比的函数关系式。依据黏度指数的要求,确定渣土改良参数的取值范围:含水率范围为19.2%~23.2%,泡沫比范围为14.2%~36.6%。基于室内试验得到的现场施工渣土改良参数:盾构施工每环管片注水量范围为6.5~9.9 m3,泡沫剂注入范围为26.0~67.0 L。考虑盾构施工时改良参数相互影响,提出渣土改良精细化控制措施。通过现场实施验证,不仅渣土改良参数得以稳定控制,改良剂用量减小了22.0%,而且掘进参数也明显降低,渣土改良精细化控制效果显著。

上软下硬地层碴土改良试验及应用研究

针对南昌地区上覆富水砂砾石下卧泥质粉砂岩地层盾构掘进过程中存在碴土改良困难的问题,文章首先通过矿物成分分析及筛分试验得到了泥质粉砂岩的粘土矿物成分高（40.5%）、富水砂砾石微细颗粒含量低（29%）的特点,确定了盾构掘进时将极有可能出现结泥饼以及喷涌的问题,以此提出了采用泡沫剂进行碴土改良方案,并在考虑泡沫剂类型、碴土级配及含水率等影响情况下通过室内试验,得到了最优的室内试验改良参数,即刀盘在砂砾与泥质粉砂岩的面积比分别为2∶1,1∶1和1∶2时的泡沫添加比分别为25%-30%,37.5%-45%和40%-50%。最后,以所得试验参数为基础,考虑了室内试验与现场施工的差异因素,推导出了室内试验参数应用于施工的计算公式。通过现场应用及施工效果反馈,确定了从室内试验到参数推导的碴土改良方案具有良好的适应性。

南昌上软下硬地层中盾构施工地表沉降的BP神经网络预测方法

盾构施工引起的地表沉降的影响因素众多,给地表沉降的计算带来较大困难,而BP神经网络能较好地建立各个影响因素与地表沉降的非线性关系。为了能得到较准确的地表沉降值,采用Miscrosoft Visual C#和Matlab编制了BP神经网络预测软件。结合盾构施工过程中影响地表沉降的地层几何条件、地层参数以及施工参数,建立了BP神经网络模型,对盾构施工引起的地表沉降进行预测。将该预测模型应用于南昌地铁工程的上软下硬地层中,同时考虑了该地层掌子面泥质粉砂岩所占的比例,并对预测值与实测值的误差进行了对比分析。最终得到的预测结果与实际沉降值较一致,表明该BP神经网络模型可用于类似的工程实践。

上软下硬复合地层盾构隧道变形特征研究

南昌地铁上覆砂土下卧泥质粉砂岩地层为典型上软下硬复合地层。对此建立数值分析模型,研究上软下硬地层盾构隧道变形特征。研究结果表明,土层与岩层比例对隧道拱底隆起量影响小,表明拱底变形主要与基底岩体力学特性有关,跟土层与岩层比例关系不大;随着土层与岩层比例增大,拱顶变形增大,左右拱脚处洞壁向外挤压的趋势变小,隧道变形收敛轮廓的长轴逐渐减小。