基于GWO-ELM模型的深基坑开挖变形预测研究.pdfVIP

第５０卷第３期山西建筑Ｖｏｌ．５０Ｎｏ．３

·１１４·２０２４年２月Ｆｅｂ．２０２４

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２４．０３．０２９

ＤＯＩ：

基于ＧＷＯ－ＥＬＭ模型的深基坑开挖变形预测研究

郭亚鹏，于磊，田海川，朱洪宇，张博，张纯，董玉雄，马林杰

（北京市政路桥股份有限公司，北京１０００００）

摘要：为有效控制和预测深基坑开挖引起的周围地表沉降变形，以保定市汽车科技产业园深基坑工程为依托，使用ＭＩＤＡＳ

ＧＴＳＮＸ软件对实际基坑工程施工过程进行模拟，并将实际值与模拟值进行对比，验证模型的准确性。并且使用灰狼优化算

法（ＧＷＯ）优化了极限学习机（ＥＬＭ）神经网络中的输入权重和隐藏层阈值，建立了ＧＷＯ－ＥＬＭ深基坑开挖变形预测模型。

以有限元模型中土钉数量、开挖深度、周围建筑物沉降等因素作为预测模型的输入因子，以有限元模型中监测点ＤＢ－２地表

沉降作为预测模型的输出因子。将ＧＷＯ－ＥＬＭ模型预测值与ＥＬＭ模型预测值对比分析。结果表明：通过有限元软件提取地

表沉降等数据，可以对深基坑地表沉降实现超前预测；使用灰狼优化算法对极限学习机神经网络中输入权重和阈值优化，可

２

以提高预测模型精度；经过实际工程验证，ＧＷＯ－ＥＬＭ模型平均绝对误差为０．２６１４５，均方误差为０．３１２５８，Ｒ为０．９８７２５，

均优于ＥＬＭ模型。

关键词：深基坑；神经网络；灰狼优化算法；数值模拟；极限学习机；沉降预测

中图分类号：ＴＵ４７３．２文献标识码：Ａ１００９－６８２５（２０２４）０３－０１１４－０５

文章编号：

近些年来，随着社会经济的不断发展，地上资源已经行预测，为之后保定地区深基坑工程提供参考。

［１］

不能满足人们的需要，城市建设逐渐转到地下发展。由１工程概况

［２］

此，基坑的开挖面积和深度不断加大。随着基坑深度的

１．１工程背景

［３］

加大，基坑开挖施工的风险也逐渐升高。因此，对深基

研究依托位于保定市的长城汽车科技产业园市政道

坑开挖过程中的沉降变形进行控制和预测，为施工提供参

路建设项目永华大街（南二环—太行路）排水工程顶管工

［４－６］

考，从而有效保证施工安全，是当前的主要任务。

作井。基坑开挖深度达到１０．３８ｍ，基坑周长约８０ｍ。边

针对深基坑的数值仿真分析和变形预测，国内外许

坡采用８０厚Ｃ２０挂网喷射混凝土面层，面层插筋采用

多学者进行了大量的研究，取得了诸多成果。洪宇超

１６＠１５００×１５００ｍｍ，插筋长度１．２ｍ，如图１所示。

［７］

等采用ＣＮＮ－ＬＳＴＭ组合神经网络对上海某深基坑地

表进行预测，证明这种综合考虑时空特性的神经网络比