一种隧道开挖诱发地基沉降的动态风险预测方法

本发明涉及一种预测为目的的数据处理方法，应用于隧道工程安全监测与人工智能交叉，具体涉及一种隧道开挖诱发地基沉降的动态风险预测方法。

背景技术：

1、隧道开挖不可避免地引起围岩应力释放与地层损失，进而诱发地表沉降与周边建（构）筑物地基变形。在城市地铁盾构施工、邻近既有建筑的隧道开挖等工程场景中，地基沉降超限或不均匀沉降过大，易引发建筑结构开裂、地下管线破损等工程事故，对施工安全与周边环境安全构成威胁。

2、现有地基沉降预测方法主要包括经验公式法、解析计算法、数值模拟法和数据驱动方法。经验公式法参数取值依赖工程经验，难以反映不同地层条件与施工扰动状态对沉降发展的影响；解析计算法通常基于理想化假设，难以对实际施工过程中的动态沉降进行实时修正；数值模拟法建模成本较高，难以满足现场实时预测需求；数据驱动方法在缺少物理约束时，外推误差较大且可解释性不足。此外，隧道开挖产生的总地层损失体积并不会全部传递至地表，松动区内土体的卸荷回弹与颗粒重排会吸收其中一部分，若将总地层损失体积直接作为地表沉降源，预测结果存在偏差。与此同时，现有方法难以将实时监测数据与物理模型进行有效融合，缺乏对地基沉降风险进行动态定量评估的手段。例如，专利文献cn112131748a公开了一种城市隧道施工中复合成层地层的变形预测方法，通过改进peck公式计算沉降槽宽度系数以预测地表沉降，但该方法仍将总地层损失体积直接作为地表沉降源，未考虑松动区土体卸荷回弹对地层损失的吸收效应，且无法融合实时监测数据对沉降预测结果进行动态修正，亦未建立地基沉降风险的动态定量评估体系。

技术实现思路

1、本发明的目的在于提供一种隧道开挖诱发地基沉降的动态风险预测方法，以解决现有技术中存在的以下技术问题：现有地基沉降预测方法中，物理模型与实时监测数据难以有效融合，总地层损失体积被直接作为地表沉降源导致预测结果偏差较大，且缺乏对地基沉降风险进行动态定量评估的技术手段。

2、为实现上述目的，本发明采用如下技术方案：

3、一种隧道开挖诱发地基沉降的动态风险预测方法，包括以下步骤：

4、s1，输入隧道断面实时监测数据，对其进行时间离散和参数向量化表征，得到施工过程中各时间节点

tk对应的参数向量

xk。

5、s2，基于参数向量

xk确定隧道上方松动区宽度

b并将松动区竖向分层，依次计算隧道上方松动区第

i层土体受到的竖向应力差

δσvi、卸荷回弹模量

eri以及卸荷回弹体积

δ

vri，累加得到松动区总卸荷回弹体积

vr，结合隧道开挖产生的总地层损失体积

vl推导有效地层损失体积

vs，构建考虑卸荷回弹效应的地表沉降分布曲线解析表达式

sphy(

x)。

6、s3，构建“输入层-物理先验融合层-非线性修正层-输出层”的物理-数据双驱动神经网络，以s1得到的参数向量

xk为数据输入，以s2得到的考虑卸荷回弹效应的地表沉降分布曲线解析表达式

sphy(

x)为物理先验，通过多约束综合损失函数

loss对网络参数进行约束训练和收敛判断，输出预测的地表沉降分布曲线最优函数解析式

spred(

x)；

7、s4，基于s3预测输出的地表沉降分布曲线

spred(

x)依次计算最大沉降值

smax、沉降槽面积

as、沉降集中度

is(

t)，并确定地基沉降容载安全系数

fs(

t)；依据确定的地基沉降容载安全系数

fs(

t)计算沉降安全裕度面积

ar(

t1,

t2)，建立对应的地基沉降动态风险安全裕度

irisk(

t1,

t2)，通过比较地基沉降动态风险安全裕度

irisk(

t1,

t2)与动态风险安全裕度阈值

ithre(

t1,

t2)，实现对地基沉降动态风险等级判定。

8、s1，算法过程为：

9、对隧道开挖过程中获取的隧道断面实时监测数据进行时间离散化处理，采用等时间间隔划分策略，将连续施工监测过程离散为

n个时间步。

10、所述第

k个时间步对应的时间节点

tk满足：

11、（1）

12、式中

t0为隧道开挖监测起始时刻；

δt为离散后的时间间隔，根据监测精度确定；

k为1到

n之间的自然数，

n为总时间步数。

13、所述第

k个时间步的参数向量

xk满足：

14、（2）

15、式中

h为隧道拱顶埋深；

d为隧道开挖直径；

η(

tk)为第

tk个时间节点对应的地层体积损失率；

γ为隧道上覆土体的重度；

φ为土体内摩擦角；

er0(

tk)为第

tk个时间节点对应的土体初始卸荷回弹模量；

erd(

tk)为第

tk个时间节点对应的土体完全扰动状态回弹模量；

χ(

tk)为第

tk个时间节点对应的土体扰动系数；

w(

tk)为第

tk个时间节点对应的地表沉降槽宽度；

sobs(

tk)为第

tk个时间节点对应的现场实测地表沉降；

q0为地表附加荷载。

16、s2概括为：基于s1得到的参数向量

xk确定隧道上方松动区宽度

b并将松动区竖向划分为等厚的

m层，依次计算隧道上方松动区第

i层土体受到的竖向应力差

δσvi、卸荷回弹模量

eri以及卸荷回弹体积

δvri，进而确定松动区总卸荷回弹体积

vr，隧道开挖产生的总地层损失体积

vl与有效地层损失体积

vs，最终构建考虑卸荷回弹效应的地表沉降分布曲线解析表达式

sphy(

x)。

17、s2，算法过程为：

18、s2.1 基于s1得到的参数向量

xk计算隧道上方矩形松动区宽度

b，并将松动区由上到下均匀划分为等厚的

m层，计算第

i层土体底部距地表的深度

zi处的竖向应力

σv(

zi)，进一步计算第

i层土体受到的竖向应力差

δσvi，隧道上方松动区第

i层土体的卸荷回弹模量

eri以及卸荷回弹体积

δvri。

19、所述隧道上方矩形松动区宽度

b满足：

20、（3）

21、式中

h为隧道拱顶埋深；

d为隧道开挖直径；

φ为土体内摩擦角。

22、进一步地，将隧道上方矩形松动区范围内土体由上往下均匀划分为等厚的

m层，各层厚度

δh=

h/

m，第

i层土体底部距地表的深度为

zi=

iδh。

23、所述第

i层土体底部距地表的深度

zi处的竖向应力

σv(

zi)满足：

24、（4）

25、式中

zi为第

i层土体底部距地表的深度，满足

zi=

iδh；

b为隧道上方矩形松动区宽度；

γ为隧道上覆土体的重度；

φ为土体内摩擦角；

q0为地表附加荷载。

26、进一步地，隧道上方松动区第

i层土体受到的竖向应力差

δσvi可表示为：

27、（5）

28、式中

σv(

zi)为第

i层土体底部距地表的深度

zi处的竖向应力，

σv(

zi-1)为第

i- 1层土体底部距地表的深度

zi-1处的竖向应力。

29、所述隧道上方松动区第

i层土体的卸荷回弹模量

eri表达式为：

30、（6）

31、式中

er0(

tk)为第

tk个时间节点对应的土体初始卸荷回弹模量；

erd(

tk)为第

tk个时间节点对应的土体完全扰动状态回弹模量；

χ(

tk)为第

tk个时间节点对应的土体扰动系数。

32、所述隧道上方松动区第

i层土体的卸荷回弹体积

δvri表达式为：

33、（7）

34、式中

eri为隧道上方松动区第

i层土体的卸荷回弹模量；

b为隧道上方矩形松动区宽度；

δσvi为隧道上方松动区第

i层土体受到的竖向应力差；

δh为第

i层土体厚度。

35、s2.2 依次计算松动区总卸荷回弹体积

vr、隧道开挖产生的总地层损失体积

vl以及有效地层损失体积

vs，构建考虑卸荷回弹效应的地表沉降分布曲线解析表达式

sphy(

x)。

36、所述隧道上方松动区总卸荷回弹体积

vr表达式为：

37、（8）

38、式中

eri为隧道上方松动区第

i层土体的卸荷回弹模量；

b为隧道上方矩形松动区宽度；

δσvi为隧道上方松动区第

i层土体受到的竖向应力差；

δh为第

i层土体厚度。

39、所述隧道开挖产生的总地层损失体积

vl表达式为：

40、（9）

41、式中

η(

tk)为第

tk个时间节点对应的地层体积损失率；

d为隧道开挖直径。

42、所述有效地层损失体积

vs中，一部分被松动区内土体的卸荷回弹与颗粒重排所吸收，剩余部分传递至地表形成沉降槽，有效地层损失体积

vs表达式为：

43、（10）

44、式中

vl为隧道开挖产生的总地层损失体积；

vr为隧道上方松动区总卸荷回弹体积。

45、所述隧道开挖产生的考虑卸荷回弹效应的地表沉降分布曲线解析表达式

sphy(

x)为：

46、（11）

47、式中

vs为隧道开挖产生的有效地层损失体积；

h为隧道拱顶埋深；

x为计算点距隧道中心轴线的水平距离，

x∈[-

w(

tk)/2,

w(

tk)/2]，其中

w(

tk)为第

tk个时间节点对应的地表沉降槽宽度。

48、s3概括为：

49、以s1中经时间离散与向量化处理后的参数向量

xk为输入，以s2中建立的考虑卸荷回弹效应的地表沉降分布曲线

sphy(

x)作为物理先验基准，依次通过物理-数据双驱动神经网络的“物理先验融合层”完成多源特征的拼接与初步非线性映射、通过“非线性修正层”学习物理模型与实测沉降间的残差规律，最终由“输出层”输出预测的地表沉降分布曲线最优函数解析式

spred(

x)；进一步通过多约束综合损失函数

loss指导网络全链路参数迭代优化，若

loss小于等于预设损失阈值

δ，则认定输出的地表沉降分布曲线最优函数解析式

spred(

x)同时满足监测数据拟合精度与地层变形物理机理约束，可进入后续流程；反之若

loss大于预设损失阈值

δ，则返回s3更新网络权重与偏置参数并重新训练，直至损失满足阈值要求。经优化后的物理-数据双驱动神经网络可实现从“参数向量

xk与考虑卸荷回弹效应的地表沉降分布曲线

sphy(

x)”到“地表沉降分布曲线最优函数解析式

spred(

x)”的精准映射，兼具物理可解释性与非线性拟合能力。

50、s3，算法过程为：

51、s3.1 构建4层全连接网络架构的物理-数据双驱动神经网络，由“输入层、物理先验融合层、非线性修正层与输出层”依次连接构成，以s1中经时间离散与向量化处理后的参数向量

xk为输入，以s2中建立的考虑卸荷回弹效应的地表沉降分布曲线

sphy(

x)作为物理先验基准，通过层级化特征提取与非线性映射，计算输出预测的地表沉降分布曲线最优函数解析式

spred(

x)。

52、所述物理-数据双驱动神经网络的输入层神经元数量与s1得到的参数向量

xk的维度保持一致，用于完整接收第

k个时间步对应的隧道几何参数、地层力学参数与施工工况参数，为网络后续的特征提取与映射计算提供基础数据支撑。

53、所述物理先验融合层设置128个神经元，采用全连接网络结构，激活函数采用高斯误差线性单元gelu，用于提取输入变量的基础组合特征。其核心作用是将输入层输出的工况参数特征与s2沉降曲线蕴含的物理机理特征进行融合，完成初步的非线性特征映射，使网络后续的学习过程始终以考虑卸荷回弹效应的沉降解析模型为基准，从网络结构层面保障输出结果贴合地层变形的基本力学规律，避免出现脱离物理机理的异常输出。

54、所述非线性修正层设置128个神经元，采用全连接网络结构，激活函数采用高斯误差线性单元gelu，通过连续非线性变换提取地层参数、施工状态与物理模型预测偏差之间的深层映射关系，输出地表沉降的非线性残差修正项

δs(

x)。

55、所述输出层采用线性激活函数，将s2计算得到的考虑卸荷回弹效应的地表沉降分布曲线

sphy(

x)作为物理基准项，叠加非线性修正层输出的非线性残差修正项

δs(

x)，得到最终的地表沉降分布曲线最优函数

spred(

x)解析式。

56、进一步地，所述输出的最终的地表沉降分布曲线最优函数

spred(

x)解析式为：

57、（12）

58、式中

x为计算点距隧道中心轴线的水平距离，

x∈[-

w(

tk)/2,

w(

tk)/2]，其中

w(

tk)为第

tk个时间节点对应的地表沉降槽宽度。

59、s3.2 所述物理-数据双驱动神经网络以多约束综合损失函数

loss为优化目标，对网络中所有权重与偏置参数进行迭代更新，从拟合精度、物理一致性、空间形态合理性等多个维度约束网络训练过程。具体而言，若

loss小于等于预设损失阈值

δ，则认定输出的地表沉降分布曲线最优函数解析式

spred(

x)同时满足监测数据拟合精度与地层变形物理机理约束，可进入后续s4流程；反之若

loss大于预设损失阈值

δ，则返回s3更新网络权重与偏置参数并重新训练，直至损失满足阈值要求。

60、所述多约束综合损失函数

loss由数据拟合损失函数

lfit、物理一致性损失函数

lphys和对称性约束损失函数

lsym加权构成：

61、（13）

62、式中

μ1、

μ2、

μ3分别为3类损失函数的权重系数，可根据监测数据质量、地层条件与工程预测需求调整确定。

63、所述数据拟合损失函数

lfit用于衡量各时间步下预测沉降曲线与现场实测沉降曲线的整体偏差，是保障模型预测精度的核心项。采用沉降槽全宽度范围内的均方误差形式计算，表达式为：

64、（14）

65、式中

n为总时间步数；

w(

tk)为第

tk个时间节点对应的地表沉降槽宽度；

sobs(

tk)为第

tk个时间节点对应的现场实测地表沉降；

spred(

x)为物理-数据双驱动神经网络输出的最终的地表沉降分布曲线最优函数。

66、所述物理一致性损失函数

lphys用于约束预测沉降曲线与s2得到的物理基准沉降曲线的空间变化趋势保持一致，避免网络因过度拟合局部监测数据产生不符合地层连续变形规律的异常波动。采用二者一阶空间导数的均方误差衡量趋势偏差，表达式为：

67、（15）

68、式中

n为总时间步数；

w(

tk)为第

tk个时间节点对应的地表沉降槽宽度；

spred(

x)为物理-数据双驱动神经网络输出的最终的地表沉降分布曲线最优函数；

sphy(

x)为考虑卸荷回弹效应的地表沉降分布曲线。

69、进一步地，物理一致性损失函数

lphys通过约束沉降曲线的空间变化速率一致，保证网络修正仅调整沉降幅值与分布范围，不破坏沉降槽整体平滑演化的物理规律。

70、所述对称性约束损失函数

lsym用于避免网络训练过程中出现沉降槽偏移、局部畸变等不符合开挖对称条件的异常结果，计算公式为：

71、（16）

72、所述预设损失阈值

δ的取值需结合现场监测数据精度、隧道周边建（构）筑物沉降控制标准及工程风险管控要求综合确定。在保证沉降预测精度满足管控需求的前提下，避免因约束过度严苛导致网络训练难以收敛。

73、进一步地，当

loss≤

δ时，则认定输出的地表沉降分布曲线最优函数解析式

spred(

x)同时满足监测数据拟合精度与地层变形物理机理约束，可进入后续s4流程；反之，若

loss>

δ，则重新返回s3，更新网络权重与偏置参数并重新训练，直至

loss满足阈值要求。

74、s4，概括为：

75、以s3输出的预测地表沉降分布曲线最优函数解析式

spred(

x)为基础，依次计算最大沉降值

smax、沉降槽面积

as及沉降集中度

is(

t)，进一步构建地基沉降容载安全系数

fs(

t)；基于地基沉降容载安全系数

fs(

t)确定沉降安全裕度面积

ar(

t1,

t2)，建立对应的地基沉降动态风险安全裕度

irisk(

t1,

t2)；通过比较地基沉降动态风险安全裕度

irisk(

t1,

t2)与动态风险安全裕度阈值

ithre(

t1,

t2)，完成地基沉降动态风险等级的定量判定。

76、s4，具体方法过程为：

77、s4.1 基于s3输出的各时刻预测地表沉降分布曲线最优函数

spred(

x)，计算最大沉降值

smax、沉降槽面积

as及沉降集中度

is(

t)，进一步构建地基沉降容载安全系数

fs(

t)。

78、所述最大沉降值

smax为隧道中心轴线

x= 0处对应的地表沉降峰值，直观反映该时刻地表沉降的幅值水平，计算公式为：

79、（17）

80、所述沉降槽面积

as表征地表沉降槽的总面积，反映地层损失传递至地表的总体变形体量，计算公式为：

81、（18）

82、式中

w(

tk)为第

tk个时间节点对应的地表沉降槽宽度；

spred(

x)为物理-数据双驱动神经网络输出的最终的地表沉降分布曲线最优函数。

83、所述沉降集中度

is(

t)综合表征地表沉降的幅值水平与空间分布集中程度，

is(

t)取值越大表明该时刻沉降槽形态越陡峭且沉降分布越集中，周边建（构）筑物承受的不均匀沉降影响越显著，地基沉降风险越高。沉降集中度

is(

t)的计算公式为：

84、（19）

85、式中

smax为最大沉降值；

as为沉降槽面积。

86、所述地基沉降容载安全系数

fs(

t)反映地基沉降的安全储备，计算公式为：

87、（20）

88、式中

icr为临界沉降集中度，取值可依据地基沉降容许值及周边建（构）筑物沉降控制标准确定，对应地基沉降的临界安全状态；

is(

t)为沉降集中度。

89、进一步地，地基沉降容载安全系数

fs(

t)越大，表明该时刻地基沉降的安全储备越充足；当地基沉降容载安全系数

fs(

t) = 1时，地基沉降达到单时刻临界安全状态；当地基沉降容载安全系数

fs(

t)<1时，表明该时刻沉降状态超出安全限值。

90、s4.2 地基沉降动态风险安全裕度计算与等级判定。选取滚动评估时间窗口[

t1,

t2]，通过积分量化时段内的地基沉降容载安全系数

fs(

t)确定沉降安全裕度面积

ar(

t1,

t2)，进而构建地基沉降动态风险安全裕度

irisk(

t1,

t2)，并结合规范推导的动态风险安全裕度阈值

ithre(

t1,

t2)完成地基沉降动态风险等级的定量判定。

91、所述沉降安全裕度面积

ar(

t1,

t2)为评估时段内地基沉降容载安全系数的积分结果，表征该时段内实际累积的安全储备总量，计算公式为：

92、（21）

93、式中

t1和

t2分别为滚动时间窗口的起始与终止时刻。

94、所述地基沉降动态风险安全裕度

irisk(

t1,

t2)用于表征评估时段内地基沉降的整体安全储备，计算公式为：

95、（22）

96、式中

ar(

t1,

t2)为沉降安全裕度面积；

abase为理论基准沉降安全裕度面积，依据工程勘察阶段的地层参数及规范容许沉降限值确定。

97、所述动态风险安全裕度阈值

ithre(

t1,

t2)用以判断地基沉降动态风险安全裕度是否满足安全要求，依据规范规定的地基沉降临界安全系数[

fs]与理论基准沉降安全裕度面积

abase推导确定，其计算公式为：

98、（23）

99、式中[

fs]为规范规定的地基沉降容载安全系数容许值；

abase为理论基准沉降安全裕度面积。

100、依据所述地基沉降动态风险安全裕度

irisk(

t1,

t2)对隧道开挖期间的地基沉降进行动态安全评估：当

irisk(

t1,

t2)∈(

ithre(

t1,

t2),1)，表示地基沉降整体安全储备充足，可按原施工方案正常推进，辅以常规沉降监测即可；当

irisk(

t1,

t2)∈(0,

ithre(

t1,

t2)]，表示地基沉降安全储备不足，需立即采取地层加固或主动沉降控制等工程措施以控制沉降。

101、与现有技术相比，本发明具有如下有益效果：

102、1、通过采用分层计算方法推导不同深度处的竖向应力差与卸荷回弹体积，引入土体扰动系数修正分层卸荷回弹模量，提出有效地层损失体积的定量计算方法，明确了总地层损失中被松动区土体卸荷回弹、颗粒重排所吸收的部分，修正了传统方法将总地层损失体积直接作为地表沉降源的理想化假设偏差，使沉降计算的力学机理更贴合实际地层变形规律，从根源上提高了地表沉降预测的物理精度。

103、2、通过构建"输入层-物理先验融合层-非线性修正层-输出层"的物理-数据双驱动神经网络，采用"物理基准项+残差修正项"的输出形式，以考虑卸荷回弹效应的物理解析沉降曲线为基准，通过非线性修正层学习物理模型与实测沉降的非线性偏差，并以包含数据拟合、物理一致性、对称性约束的多约束综合损失函数指导网络训练，既保留了地层变形的力学机理约束，避免了纯数据驱动模型易过拟合、外推失真的问题，又通过数据驱动修正了物理模型理想化假设带来的系统误差，实现了物理可靠性与预测精准度的双重提升。

104、3、通过提出沉降集中度指标，综合反映沉降幅值与空间分布的不均匀性，以此为基础构建地基沉降容载安全系数，表征单时刻的沉降安全储备水平；进一步通过滚动时间窗口内的沉降安全裕度面积构建地基沉降动态风险安全裕度指标，能够定量表征评估时段内沉降风险的累积效应与动态演化趋势，实现了从"沉降量预测"到"风险等级量化"的完整评估闭环，突破了传统方法风险评估静态单一的局限，更适配隧道施工过程的动态管控需求。