基于多因素混合模型的运营期群桩轴力预测.docVIP

基于多因素混合模型的运营期群桩轴力预测 　　摘 要：结合桥梁深水群桩基础在运营期间的受力特征，研究了深水群桩基础基桩轴力混合模型的一般原理.提出了基于多种环境因素影响下群桩基础监测数据的运营期混合模型，利用有限元模拟与PSO-SVM统计方法在苏通大桥群桩基础中实现了混合模型的构建.为了方便比较，建立了径向基函数（RBF）人工神经网络模型，对比了混合模型与RBF模型的预测结果.研究表明，混合模型预测精度较高，在受力情况不同的3根基桩上都有较为稳健的预测能力，具有较强的泛化能力，混合模型可适用于深水群桩基础运营期轴力的预测. 中国论文网 /4/view-7257391.htm 　　关键词：有限元方法；深水群桩基础；运营期；混合模型；多因素；轴力预测 　　中图分类号：TU473.1 文献标识码：A 　　文章编号：1674-2974（2016）03-0155-06 　　随着近年来中国基础建设事业的日益发展，规模越来越宏大的建筑物在工程实践中也越来越常见，超大型群桩基础在大型工程中也得到了更多的应用.对于许多关乎国计民生的大型工程，不仅应关注其群桩基础在施工期的安全稳定情况，而且其群桩基础在运营期的安全稳定性也应该得到足够的重视.在工程中对轴力或承载力建立预测模型时大体可分为3类[1]，即统计模型、确定性模型和混合模型.其中混合模型[2-3]介于统计模型和确定性模型之间，即混合模型中某些分量用确定性模型来描述，其余分量用统计模型来描述，使其具备统计性质，又可以反映群桩的物理力学工作状态.混合模型建模受时域限制较小，外延功能较强，在大坝安全预测预报中已得到较为广泛的运用.目前，工程界对桩基础进行轴力或承载力预测时大多采用的是统计模型预测方法[4-5]，仍未见有运用混合模型建立群桩轴力预测模型的相关研究. 　　本文利用苏通大桥的多因素原型监测数据，分析了进行超大型深水群桩基础运营期基桩轴力预测的特点，吸取了利用混合模型建立大坝安全预测模型的思路，引入考虑多影响因素的混合模型预测方法，建立了深水群桩基础基桩轴力的多因素混合模型.并且，还利用径向基函数（RBF）人工神经网络建立了运营期轴力的预测模型，对比了RBF神经网络模型与混合模型在运营期群桩轴力预测中的精度. 　　1 多因素混合模型的构建 　　在体量庞大的群桩基础建设阶段，承台的设计刚度、桥墩选址、桩位布置与桩间距等设计因素对后阶段运营期的各基桩轴力分布有着十分深刻的影响.而在大型深水群桩基础的正常运营期间，由于上述设计因素已经定型，上部荷载变化不大，与建设期相比，基桩轴力的变化幅度较小，群桩基础的受力情况主要受多种环境因素影响.对于有高耸上部结构的桥梁深水群桩基础而言，影响基桩受力安全性的多环境因素主要为潮位、交通流量、水温和风速等.在运营期群桩轴力预测模型的构建中，不仅需要精确考虑同步观测到的多种环境数据，并且应选择更加精准的预测模型才能满足运营期轴力的预测要求. 　　1.1 群桩轴力混合模型基本原理 　　2 工程应用 　　2.1 工程概况 　　苏通大桥是迄今世界第二大规模的斜拉桥，开工建设于2003年，直至2008年7月1日正式通车运营，苏通大桥的多环境因素原型监测[12]也同步进入了运营期安全监测阶段.大桥主塔主4#墩（北主墩）和主5#墩（南主墩）均采用131根直径为2.8 m（上段）/2.5 m（下段）的大直径、超长、变径钻孔灌注桩基础，塔墩基础为迄今世界最大规模的桥梁超大型群桩基础.由于桩基础处于复杂的深水环境，考虑到群桩基础环境因素的复杂性，为了保证超大型群桩基础的安全稳定性，开展了群桩基础安全监测.苏通大桥南北索塔墩基桩轴力监测系统皆由10根监测桩组成，其中主5#墩各监测桩布置有9个监测断面，共布置24套钢筋应力计、18套混凝土应变计和2套顶出式压力盒，且布置有水压力监测仪、水温监测仪以及索塔顶风速监测仪.本文采用主5#墩上游承台29#、临近系梁区的36#桩以及下游承台的68#边桩这3根监测桩-12.0 m高程断面（第一断面）从2013年1月1日00：00至2013年2月7日06：00的150组实测监测数据进行深入分析.上述3根桩的轴力时程曲线如图1所示，3根监测桩的分布位置如图2所示. 　　2.2 混合模型建立 　　苏通大桥位于长江下游潮汐河段，最大潮差约4 m，而体积巨大的群桩基础承台位于长江水面附近，对于平面面积达5 600 m2的主墩基础，潮位每米涨跌引起的浮力变化约为56.0 MN.苏通大桥车流量在不同时刻变化显著，车辆荷载也是运营期轴力变化的影响因素之一.且桥位区的水温一年内变化幅度较大，温度波动范围为8°～30°，温度的变化对混凝土应变有显著影响.另外，由于主5#墩处的索塔为三百多米的高耸建筑，索塔所受的风荷载也是影响桩基础轴力不容忽