- 无标题文档
查看论文信息

中文题名:

 

地下空间拓展施工技术及动态控制体系研究

    

姓名:

 王芯蕊    

学号:

 1049732002952    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 085213    

学科名称:

 工学 - 工程 - 建筑与土木工程    

学生类型:

 硕士    

学校:

 武汉理工大学    

院系:

 交通与物流工程学院    

专业:

 土木水利    

研究方向:

 地下空间拓展工程    

第一导师姓名:

 邱红胜    

第一导师院系:

 交通与物流工程学院    

完成日期:

 2023-03-15    

答辩日期:

 2023-05-18    

中文关键词:

 

地下空间拓展 ; 动态控制体系 ; 沉降预测 ; 贝叶斯理论

    

中文摘要:

  在我国城市化发展的背景下,如何有效地利用既有建筑物的地下空间已成为一个亟待解决的问题。在地下托换工程中,既有建筑物的变形属于二次变形,其对沉降差的容许值比一般建筑物低。目前缺乏合适的规范来规定工程施工过程中的沉降警戒值。并且地下托换施工技术复杂,风险因素具有很高的不确定性。因此,对于既有建筑物地下托换施工的安全问题建立起一套科学、适用性高的的动态控制体系是非常重要的。

本文在分析既有建筑物地下托换工程沉降规律及桩基托换对桩屈曲风险影响规律的基础上,构建了既有建筑物地下空间拓展工程施工动态控制体系,为工程的施工安全保障提供了科学依据。主要工作如下:

(1)本文通过对一组真实的地基沉降数据进行了实证研究,采取常用的曲线拟合法和灰色系统法进行单项预测,通过工程实例对比分析得到最适用的预测模型,即灰色GM(1,1)预测模型。基于贝叶斯方法进一步对灰色模型进行优化,建立了灰色-贝叶斯预测模型,并利用Matlab软件实现了相应的预测算法。接着,最后对比本文方法和其他常用的单项预测方法,结果表明:与传统的有限单元法以及单项曲线拟合方法相比,本方法具有更高的预测准确度和更低的误差率,能够更加准确地预测未来的沉降情况。

(2)基于贝叶斯网络理论的分析方法,以安徽中元化肥厂成品车间拓展工程为例,建立了相应的风险管理体系。本文对土方二次开挖施工阶段的托换桩的屈曲风险因素进行风险识别,识别出包括土方二次开挖施工风险和组合桩自身物理性质变化风险等在内的3大类16个风险因素。在 GeN Ie2.1软件中,应用专业技术人员与相关学科专家的经验,构建桩屈曲风险贝叶斯网络模型。最后本文对于贝叶斯网络模型的建立和结果的分析进行了详细的讨论,并提出了相应的风险应对方案。

(3)本文以安徽中元化肥厂成品车间向下拓展地下空间工程为例构建施工动态控制体系。首先建立实时的风险监控方案;接下来基于灰色-贝叶斯模型的沉降预测方法得到的预测值,建立风险预警系统;最后根据贝叶斯网络模型的结果,提出风险应对方案,以此构建了完整的施工动态控制体系。

参考文献:

[1] 贾强.既有建筑物基础托换过程中地基沉降规律的研究[D].同济大学,2009.

[2] 汤永净.蒙特利尔地下空间扩建中的古建筑保护技术[J].地下空间与工程学报,2010,6(4):672-676.

[3] 陆钧衡.地下加层工程中桩基托换设计施工技术及若干关键问题研究[D].南京:东南大学土木工程学院,2008.

[4] 贾强,张鑫,夏凤敏.济南商埠区历史建筑地下空间拓展工程设计与施工[J].山东建筑大学学报,2014,29(5):464-469.

[5] 邱仓虎,詹永勤,张玲.北京中山音乐堂整体基础托换与地下加层技术设计研究[J].建筑结构,1999,12(1):15-20.

[6] 文颖文,刘松玉,胡明亮.地下空间拓展工程中既有结构变形控制技术研究[J].岩土工程学报,2013,35(10):1914-1921.

[7] 贾强,应惠清,张鑫.锚杆静压桩技术在既有建筑物增设地下空间中的应用[J].岩土力学,2009,30(7):2053-2057.

[8] 胡习阳,曾志雄,符梁,等.张桑高速公路路基沉降预测方法研究[J].公路工程,2018,43(4):278-282.

[9] Wang Z L,Li Y C,Shen R F.Correction of soil parameters in calculation of embankment settlement using a BP network back-analysis model[J]. Engineering Geology, 2007, 91(2-4):168-177.

[10] Sagot Y, Tan S A, Baetge E, et al. Polymer encapsulated cell lines genetically engineered to release ciliary neurotrophic factor can slow down progressive motor neuronopathy in the mouse[J]. European Journal of Neuroscience, 1995, 7(6): 1313-1322.

[11] 冯文凯, 刘汉超. 修正双曲线法在路基沉降变形初期阶段的应用探讨[J]. 地质灾害与环境保护, 2001, 12(3):60-63.

[12] 李国维, 盛维高, 蒋华忠,等. 软土地基路堤预抛高确定方法[J]. 河海大学学报:自然科学版, 2008, 36(1):6.

[13] 中国建筑科学研究院. 建筑地基处理技术规范:JGJ 79-2012[S]. 中国建筑工业出版社.

[14] Sorek S, Borisov V S, Yakirevich A. A two-dimensional areal model for density dependent flow regime[J]. Transport in porous media, 2001, 43: 87-105.

[15] Arulrajah A, Nikraz H, Bo MW. Observational method of assessing improvement of marine clay [J]. Ground Improvement, 2004, 8(4): 151-169

[16] Arulrajah A, Bo M W. Factors affecting consolidation related prediction of Singapore marine clay by observational methods[J]. Geotechnical and Geological Engineering, 2008, 26: 417-430.

[17] Asaoka A. Observational procedure of settlement prediction[J]. Soils and foundations, 1978, 18(4): 87-101.

[18] 刘射洪,袁聚云,赵昕.地基沉降预测模型研究综述[J].工业建筑,2014,44(增刊):738-741, 681

[19] Lv Y, Liu T, Ma J, et al. Study on settlement prediction model of deep foundation pit in sand and pebble strata based on grey theory and BP neural network[J]. Arabian Journal of Geosciences, 2020, 13: 1-13.

[20] Jin S J, Zhang D S, Shu Z, et al. Grey Model Theory Used in Prediction of Subgrade Settlement[J]. Applied Mechanics and Materials, 2012, 105-107:1576-1579.

[21] X Jiang, Zhang S, Lu P. The Application of Grey System Model in Settlement Prediction of Soft Soil Subgrade[J]. Construction Technology, 2016.

[22] Guo K W. Study on prediction of highway subgrade settlement based on grey Verhulst model[J]. Shanxi Architecture, 2018, 44: 150-151.

[23] 张仪萍,张土乔,龚晓南. 沉降的灰色预测[J]. 工业建筑, 1999, (4): 47-50, 59.

[24] 刘思峰等著. 灰色系统理论及其应用[D]. 科学出版社, 2010

[25] 徐昌茂,吴立,吴双兰,等. 超大断面高速铁路隧道围岩变形预测分析[J]. 现代隧道技术, 2013, 50(6): 80-84.

[26] 郭云开,谢腾,程刚,等. 非等时距灰色预测模型在连拱隧道监测中的应用[J]. 现代隧道技术, 2013, 50(1): 73-79.

[27] 霍玉华. 隧道围岩变形量预测的灰色模型应用比较研究[J]. 北京交通大学学报, 2006, (4): 42-45.

[28] 侯亚彬,陈玉,周成涛,等. 基于灰色理论的隧道围岩收敛预测[J]. 现代隧道技术, 2012, 49(5): 56-59.

[29] Lee Y S, Tong L I. Forecasting energy consumption using a grey model improved by incorporating genetic programming[J]. Energy conversion and Management, 2011, 52(1): 147-152.王义闹,刘开第,李应川. 优化灰导数白化值的GM(1,1)建模法[J]. 系统工程理论与实践, 2001, (5): 124-128.

[30] 魏玉明,党星海,杨鹏源,等.加权GM(1,1)模型在变形检测中的应用[J].工程勘察,2012,4:82-84.

[31] 王叶梅, 党耀国, 王正新. 非等间距GM(1,1)模型背景值的优化[J]. 中国管理科学, 2008, 16(4):159-162.

[32] Wei J, Jiang H, Diao J. Application of non-equidistant gray model based on optimization of background value in settlement prediction[C]//IOP Conference Series: Earth and Environmental Science. IOP Publishing, 2021, 636(1): 012004. Lifeng Wu,Sifeng Liu,Ligen Yao,Shuli Yan.The effect of sample size on the grey system model[J].Applied Mathematical Modelling,2013,37(9).

[33] Li G D, Masuda S, Yamaguchi D, et al. A new reliability prediction model in manufacturing systems[J]. IEEE Transactions on Reliability, 2010, 59(1): 170-177.

[34] 刘连, 王孝通. 基于变分贝叶斯推断的字典学习算法[J]. 控制与决策, 2020, 35(02): 469-473.

[35] 靳晓艳, 周希元, 张琬琳. 多径衰落信道中基于自适应 MCMC 的调制识别[J]. 北京邮电大学学报, 2014, 37(1): 31.

[36] 朱丰毅, 黎中彦, 韩兆洲. 贝叶斯分层空间杜宾模型的 MCMC 估计方法及实证分析[J]. 数理统计与管理, 2022.

[37] 刘喜, 吴涛, 刘毅斌. 基于Bayesian-MCMC方法的深受弯构件受剪概率模型研究[J]. 工程力学, 2019, 36(11): 130-138.

[38] 贺新月, 曾献奎, 王栋. 融合 AR 模型和 MCMC 方法的水文模拟不确定性分析[J]. 河海大学学报: 自然科学版, 2020, 48(2): 116-122.

[39] Wang S, Jiang L, Li C. Adapting naive Bayes tree for text classification[J]. Knowledge and Information Systems, 2015, 44: 77-89.

[40] Harzevili N S, Alizadeh S H. Mixture of latent multinomial naive Bayes classifier[J]. Applied Soft Computing, 2018, 69: 516-527.

[41] El Hindi K. Fine tuning the Naïve Bayesian learning algorithm[J]. AI Communications, 2014, 27(2): 133-141.

[42] Jiang L, Zhang L, Yu L, et al. Class-specific attribute weighted naive Bayes[J]. Pattern recognition, 2019, 88: 321-330.

[43] Tang B, Kay S, He H. Toward optimal feature selection in naive Bayes for text categorization[J]. IEEE transactions on knowledge and data engineering, 2016, 28(9): 2508-2521.

[44] Liu J, Zhang Y. An attribute-weighted Bayes classifier based on asymmetric correlation coefficient[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2020, 34(10): 2050025.

[45] Zaidi N A, Cerquides J, Carman M J, et al. Alleviating naive Bayes attribute independence assumption by attribute weighting[J]. 2013.

[46] Pearl J. Probabilistic reasoning in intelligent systems: networks of plausible inference[M]. Morgan kaufmann, 1988.

[47] Lee E, Park Y, Shin J G. Large engineering project risk management using a Bayesian belief network[J]. Expert systems with applications, 2009, 36(3): 5880-5887.

[48] Lu Y, Li Q, Hinze J. Subway system safety risk analysis based on bayesian network[C]//Modeling Risk Management in Sustainable Construction. Springer Berlin Heidelberg, 2011: 219-227.

[49] Bayraktar M E, Hastak M. Bayesian belief network model for decision making in highway maintenance: Case studies[J]. Journal of construction engineering and management, 2009, 135(12): 1357-1369.

[50] Norrington L, Quigley J, Russell A, et al. Modelling the reliability of search and rescue operations with Bayesian Belief Networks[J]. Reliability Engineering & System Safety, 2008, 93(7): 940-949.

[51] 周红波,姚浩,卢剑华. 上海某轨道交通深基坑工程施工风险评估[J]. 岩土工程学报,2006(28):1902-1906

[52] 周建方,唐椿炎,许智勇. 贝叶斯网络在大坝风险分析中的应用[J]. 水力发电学报,2010(2):192-196

[53] 陆莹,李启明,周志鹏. 基于模糊贝叶斯网络的地铁运营安全风险预测[J]. 东南大学学报,2010(5):1110-1114

[54] 李小聪,刘官民. 基于WBS 的关键链项目管理贝叶斯网络模型分析方法[J]. 企业管理与信息化,2011(7):1-4

[55] 黄宏伟. 隧道及地下工程建设中的风险管理研究进展[J]. 地下空间与工程学报, 2006, 2(1):13-20

[56] 王海朋, 段富海. 复杂不确定系统可靠性分析的贝叶斯网络方法[J]. 兵工学报, 2020, 41(1): 171.

[57] 范益群, 钟万勰, 刘建航. 时空效应理论与软土基坑工程现代设计概念[J]. 清华大学学报(自然科学版),2000,40(增1):49-53

[58] ***,李俊辉,胡玉华,黄炳善.新型组合锚杆静压桩在既有基础开挖工程中的受力分析[J].工程与建设,2017,31(05):581-586.

[59] 贾强,张鑫,应惠清. 桩基础托换开发地下空间不均匀沉降的数值分析[J]. 岩土力学,2009,30(11):3500-3504,3511.

[60] 王辉, 欧阳缮, 廖可非, 等. 基于深度学习的 GPR B-SCAN 图像双曲线检测方法[J]. 电子学报, 2021, 49(5): 953-963.

[61] 乔立山, 王玉兰, 曾锦光. 实验数据处理中曲线拟合方法探讨[J]. 成都理工大学学报: 自然科学版, 2004, 31(1): 91-95.

[62] 殷祚云. Logistic 曲线拟合方法研究[J]. 数理统计与管理, 2002, 21(1): 41-46.

[63] 黄广军. Asaoka 法预测软土地基沉降时存在的问题和对策[J]. 岩土力学, 2016, 37(4): 1061-1065.

[64] 郎茂祥. 预测理论与方法[M]. 清华大学出版社, 2011.

[65] 尚敏, 熊德兵, 张惠强, 等. 基于时间序列与混合核函数 SA-SVR 的滑坡位移预测模型研究[J]. 工程地质学报, 2022, 30(2): 575-588.

[66] 余红玲, 王晓玲, 王成, 等. 贝叶斯框架下大坝渗流参数反演组合代理模型研究[J]. 水利学报, 2022, 53(3): 306-315,324.

[67] 陈洁金.下穿既有设施城市隧道施工风险管理与系统开发[D].中南大学博士论文,2009.

[68] 赵长庆. 盾构下穿既有建筑物桩基托换的风险管理研究[D]. 兰州交通大学, 2017.

[69] 朱金涌.饱和黄土区地铁隧道穿越桥梁桩基托换技术研究[J].铁道标准设计,2016,4:78-82.

[70] 崔爱华.被动式桥梁桩基托换技术在兰州地铁中的应用[J].铁道建筑,2016,2:76-79.

[71] 胡玉华. 新型组合锚杆静压桩在既有基础开挖工程中的应用研究[D].武汉理工大学,2017.

[72] 杨松, 张莉, 李立辰, 等. 基于能量法的超长桩屈曲稳定影响因素分析[J]. 长江科学院院报, 2019, 36(5): 9

中图分类号:

 TU72    

条码号:

 002000074386    

馆藏号:

 YD10002584    

馆藏位置:

 203    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式