GM(1，1) 模型在變形預測中的應用
——以徐州地鐵慶豐路基坑為例

楊松勇 余培永 江西理工大學建筑與測繪工程學院

GM(1，1) 模型在變形預測中的應用
——以徐州地鐵慶豐路基坑為例

楊松勇 余培永 江西理工大學建筑與測繪工程學院

以徐州軌道交通1號線一期工程慶豐路站基坑的監測數據為背景構造了沉降變形的GM(1，1)模型，進而對慶豐路站基坑未來一段時期沉降變形進行預測，與實測數據預測數據對比表明，利用灰色模型GM(1，1)模型對該沉降變形趨勢的符合度比較高，精度能夠滿足實際建設要求。

地鐵基坑監測 數據分析 變形預測

隨著城市建設的發展與進步，由于城市地面上可利用的土地越來越少以及人口的眾多而導致的交通擁堵，從而越來越多的城市都在進行地鐵施工建設。我國近幾年的地鐵車站基坑工程事故分析可知，由于有些單位不夠重視基坑施工過程的監測，導致了一些工程事故的發生，甚至造成了人員的傷亡。近幾年，我國的地鐵建設在如火如荼的進行中，但是在基坑工程處于邊摸索邊實踐階段，缺乏合理規范的約束，實際設計和施工中經驗成分較多、理論不甚完善，因此地鐵施工監測已成了地鐵工程建設必不可少的重要環節。

1 工程概況

徐州軌道交通1號線一期工程，慶豐路站位于和平東路與慶豐路交界處。車站有效站臺中心里程DK16+497，車站長度為505.12m，標準段寬度為19.7m，局部位置有加寬。車站標準段基坑深度為14.86～15.58m，東端頭盾構井段基坑深度為17.08m，西端頭井基坑深度15.571m。車站采用明挖法施工。

2 GM(1，1)模型的建立

建立GM(1，1)模型的主要的目的是為了預測變形監測數據。

①選擇地表沉降數據為等間距原始觀測數據序列即，序列長度為10。

②對進行一次累加生成，就可以得到一個生成序列，序列長度也為10。

③對②生成的序列建立一階微分方程：

④輸入不同的數字K，計算出第K次預測值。

⑤對模型精度即模型擬合程度評定的方法有殘差大小檢驗，關聯度檢驗和后驗差檢驗三種。

然后，計算后驗差比值C和小誤差概率P：C=S2/ S1=0.3124 P=0.9643

⑥模型的預測精度由C和P共同描述。C越小，P越大越好。

3 GM(1，1)模型預測數據分析

在徐州軌道交通1號線一期工程慶豐路站進行地表沉降監測，并根據前十天的觀測數據進行GM(1，1)模型分析，而且預測之后五天的數據。

當利用灰色GM(1，1)模型進行地表沉降數據預測時，預測短時期內的沉降量數據與原始觀測數據相比較，其相差較小，其預測比較可靠。

4 結語

由于基坑開挖過程中影響變形的因素眾多，用GM(1，1)模型進行預測，有時不可靠，因此希望對GM(1，1)模型進行改正，以提高預測的精度，或者能用其他不同的模型，甚至幾種模型進行綜合來預測數據。

[1]鄭松,蘇華友.地鐵車站軟土地層基坑施工中的監測分析[J].硅谷,2011,(第23期)

[2]陳澤昌,毛堅強,劉建國.成都某地鐵車站排樁支護結構受力變形規律研究[J].隧道建設,2012,(第3期)

楊松勇（1994—），男，漢族，江西吉安人，碩士研究生，江西理工大學建筑與測繪工程學院，測繪工程。