万州区孙家书房C、D栋深基坑变形动态安全评价研究.pdfVIP

摘要

近年来，基坑工程具有周围环境复杂、深度和面积不断增加的特点，并且由于施

工过程中的监测预警不及时等问题导致施工事故频发。因此，如何准确预测基坑变形

和合理对基坑施工进行安全评价具有重要意义。本文以重庆市万州区孙家书房C、D

栋深基坑工程为依托，根据现场监测数据，对基坑本体和周边环境的变形规律进行了

总结和分析。以监测数据为基础，基于前期研究成果提出了深基坑施工动态评价方法。

以锚索内力变化为例，使用自适应完备噪声经验模态分解方法对原始信号进行预处理，

随后从长短期记忆网络模型的结构和超参数两方面建立了两个改进模型并优选出了

最优模型，最后使用迈达斯数值模拟软件模拟基坑开挖。本文主要研究内容如下：

（1）对本项目基坑的支护桩水平和竖向位移、锚索内力变化、基坑地下水位变

化、深部位移变形、周边地表裂缝以及周边建筑物沉降的代表性监测数据进行分析，

总结了基坑本体和周边环境的变形规律，并分析了变形原因。

（2）针对以往评价方法中不同赋权方法结果偏差大和未考虑指标动态变化的不

足，本文使用层次分析法、熵权法和变异系数法求解初始权重，使用t-分布方法融合

初始权重得到权重区间，在区间内使用线性规划算法求解动态权重值，提出了深基坑

施工动态安全评价方法，各评价指标权重值会随着监测指标的变化进行动态取值。以

2022年3月25日的监测数据为例，将其应用于本项目基坑，最终安全评分为0.52，

安全等级为Ⅲ级，与实际情况相符。

（3）单一的机器学习算法在预测过程中容易出现陷入局部最优、预测精度低、

拟合程度差的不足。为此，本文以锚索内力变化为例，以长短期记忆网络模型为基础，

通过引入自适应完备噪声经验模态分解算法将原始锚索内力信号的拆分为不同的本

征模态函数，并分析不同本征模态函数可能代表的物理意义，较高频率主要受到瞬时

荷载的影响，较低频率则代表基坑长期的变化趋势。卷积神经网络的优化效果优于鲸

鱼优化算法，其MAE、RMSE和R2分别为0.725kN、1.003kN和0.825，并且运行时

间仅为89.137秒，该模型具有准确度高、操作简便、实时性好的优点。相比之下，由

鲸鱼优化算法的改进模型的运行时长约为卷积神经网络的34倍，其MAE、RMSE和

R2分别为0.956kN、1.220kN和0.696。数值模拟结果和两种改进长短期记忆网络模型

预测结果与真实值的变化趋势基本一致，均呈现先增加后趋于平稳的态势。

关键词：深基坑；机器学习；数值模拟；长短期记忆网络；动态安全评价方法

I

Abstract

Inrecentyears,foundationpitprojectsarecharacterizedbycomplexsurrounding

environment,increasingdepthandarea,aswellasfrequentconstructionaccidentsdueto

untimelymonitoringandearlywarningduringtheconstructionprocessandlackoftechnical

guidance.Therefore,itisofgreatsignificancetoaccuratelypredictthepitdeformationand

reasonablyevaluatethepitconstructionsafety.Basedonthedeepfoundationpitprojectof

BuildingsCandDofSunjiashufanginWanzhouDistrict,Chongqing,thispapersummarizes

andanalyzesthedeformationpatternofthefoundationpitbodyandthesurrounding