基于WebGIS的隧道施工監測系統

田中聯，馮 曉

(重慶交通大學,重慶 400074)

在對隧道施工監測任務中，需要通過監測點數據對隧道的穩定性進行分析，以達到對生產過程中產生的變形進行有效的防控和科學的管理[1]。由于隧道受地質條件和開挖工序的限制，為了保證隧道順利開通，隧道的施工進度緩慢。在如此長的監測周期內獲得的監測數據非常的龐大，傳統的監測管理模式主要是為施工單位、監理單位和甲方單位提供每一期的監測紙質報告，包括大量的監測數據、分析結果和施工建議等[2]。目前開源技術的不斷涌現，更是大幅度降低了系統的開發成本，并且具有優良的性能，能夠滿足生產的需要。隧道監測數據實時性強、數據量大、分析復雜度高等特點使得構建WebGIS隧道施工監測系統非常必要。

1 隧道施工監測系統

1.1 系統架構

本系統的架構如圖1所示。

圖1 系統架構圖

系統客戶端采用Openlayers實現地圖操作[3]，利用ECharts將數據生成圖表[4]。首先，將采集的監測數據輸入到數據庫，數據庫與WebGIS系統之間采用ajax技術實現數據交互[5]，然后，利用ARMA模型預測數據。最后，根據分析的數據生成日報、周報和月報。

1.2 系統功能

本系統主要由四個功能模塊構成，如圖2所示。

圖2 功能模塊

本系統功能針對項目的一系列隧道進行設計，可以根據實際情況進行改變，如一些選測項目。

2 時間序列模型

2.1 原理

對于正態、平穩、零均值的時間序列{yt}，yt的取值不僅與前K步的取值有關，而且和前K步所對應的各個干擾有關，ARMA(p,q)模型的線性形式可以表示為：

(1)

當θj=0時，模型稱為自回歸模型AP(p)：

yt=φ1yt-1+φ2yt-2+…+φpyt-p+εt

(2)

當φi=0時，模型稱為滑動平均模型MA(q)：

yt=εt-θ1yt-1-θ2yt-2-…-θqyt-q

(3)

2.2 建模步驟

ARMA模型建模步驟如圖3所示。

圖3 建模步驟

首先，監測數據需要進行平穩性檢驗，如果原序列不平穩，可采用均值處理和差分處理生成平穩序列。再利用其自相關函數(Auto Correlation Function,ACF)和偏自相關函數(Partial Auto Correlation Function,PACF)，結合Ljung-Box Q統計量和其相應的伴隨概率初步判斷階數[7]。采用拓展迪基-富勒(Augmented Dickey-Fuller,ADF)檢驗法驗證序列的平穩性，該檢驗法服從T分布，可以檢測序列是否含有單位根，即原序列是否平穩[8]。通過統計檢驗的方法確定階數，如表1所示。

表1 自相關函數和偏自相關函數的判別

在選擇模型并確定階數后，通過最小二乘法進行參數估計。再對擬合模型進行檢驗，實質是對模型殘差序列進行白噪聲檢驗。本文采用對殘差進行χ2檢驗并結合Q統計量的檢驗水平判斷序列是否自相關[9]。最后，模型建好后，進行預報。

3 實例分析

3.1 工程背景

Z4路道路工程三標段位于兩江新區水土高新技術產業園東部，為城市主干路，雙向六車道，道路全長367.13 m。本項目隧道屬淺埋大跨軟弱圍巖隧道，且左右線隧道凈距小。隧道穿過地層均為Ⅴ級圍巖，隧道開挖最大跨度達18.181 m，左右線隧道最小凈距為12 m。隧道上方高壓電力鐵塔較多,其中有兩座鐵塔距離隧道較近，為保證鐵塔安全，在臨近鐵塔段提高監測頻率并采用機械開挖方式。隧道進出口端加強段采用雙側壁導坑法進行施工并采用大管棚進行超前支護，淺埋段和深埋段采用單側壁導坑法施工。

本工程的綜合特點是施工區域位于工業園區，施工干擾較大，安全文明施工要求高，環境保護要求高，對鐵塔的保護難度大；工程施工內容較多，工序繁雜，隧道斷面大，地質條件差，安全風險高，制約因素多。因此，做好隧道監控量測工作顯得非常必要。

3.2 數據處理與分析

本文以拱頂沉降監測為例展示數據處理與分析流程。隧道YK0+545截面拱頂沉降監測數據如圖4所示，沉降值具有明顯的下降趨勢，均值為3 564.88，不為零，并且原序列存在單位根，所以原序列不平穩。

圖4 拱頂沉降原始數據

采用差分處理的方法消除原序列的趨勢，經過一階差分處理，新序列的均值為-0.24，如圖5所示，可以認為數據是均值化的，ADF檢驗t統計量的值為-7.497，小于各個顯著性水平下的臨界值，如表2所示，所以一階差分不存在單位根，新序列滿足平穩性要求。

表2 單位根檢驗

圖5 一階差分序列

一階差分后的序列自相關函數和偏自相關函數如表3所示。

表3 序列的自相關函數和偏自相關函數

分析表3可得出，自相關函數在1階截尾，而偏自相關函數具有拖尾性，初步確定為MA(1)模型，并對參數進行估計，如表4所示。

表4 參數估值

對該模型殘差進行白噪聲檢驗，若結果顯示殘差為白噪聲，則擬合模型有效。殘差檢驗如表5所示。

表5 殘差序列的自相關性

在實際檢驗時，主要檢驗殘差序列是否存在自相關，通過分析Q統計量和統計量的可能性，得出殘差序列小于臨界值，模型有效。

采用該模型對拱頂沉降數據未來5期數據進行預測，并與實際監測值對比，如表6所示。

表6 預測值與實際值比較/mm

通過預測值與實際值的比較，誤差在允許范圍內，預測的前三期值符合實際，后兩期預測數據的質量開始降低，總體可以滿足監測需求。

4 結 論

(1)隧道施工監測系統簡化了監測人員日常監測工作，提高了工作效率，并且可視化的操作界面為監測提供了更直觀的信息。

(2)通過分析ARMA模型預測監測點的后5期的數據，殘差在限差范圍內，滿足工程需求，說明該模型可以有效地對拱頂沉降進行監測預報。

(3)本系統采用二維地圖開發平臺，若采用三維地圖開發，界面效果會更加豐富。

(4)由于隧道的監控量測的預測屬于小樣本預測，應該綜合考慮隧道內復雜的影響因素，提高觀測頻率和數據質量。