基于双线性变化与多学习机器算法的矿山下沉估算比选模型

研究矿山地表最大下沉值的估算方法具有重要的安全生产意义,该研究的核心及关键问题在于提高估算的精度。本研究基于岩移数据决策、双线性变化及多种学习机器算法,对比筛选估算效果最优的矿山下沉估算方法。首先基于岩移数据决策方法,确定了采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性为最大下沉的影响参数;随后基于双线性变化的反推算模型,将倾角项转化为与其他参数相同时域数据以求提高估算精度;最后建立了C&RT、CHAID、Boosting Tree、Random Forest、BPNN和SVR等6种学习机器算法的估算模型。通过实例分析,CHAID和Random Forest方法返回了最差的估算结果,Boosting Tree和C&RT方法的估算结果会出现局部大残差值,BPNN估算时间数倍于其他方法,而SVR模型具有易于操作、耗时较短、精度较高的特点。故本研究认为SVR方法是一种高效可靠的最大下沉估算方法。

复杂地层环境盾构施工引起管线变形实测分析

依托杭州西溪湿地供水管道工程,基于实测数据总结并分析了相关工程中盾构机掌子面位置变化引起管线沉降的变形规律。结果表明:(1)无论是交叉斜穿、侧向并行还是竖向并行,盾构施工各个阶段对周边管线的影响规律总体上保持一致;(2)各特殊地层条件下,受并行盾构施工影响的管线变形程度及波动幅度从大往小依次为:全断面软土地层>软硬不均地层>上软下硬地层;(3)砂土地质条件下,土体及管线的稳定距离为盾构掘进约70~145 m,软土地质条件下稳定距离为盾构掘进约70~85 m;(4)斜穿及竖向并行工况对管线沉降变形的影响约为侧向并行工况的2~5倍。