樊延祥, 胡振輝, 袁長豐, 李金明, 馬國松, 關輝
(1.中鐵二十五局集團第五工程有限公司,山東 青島 266101;2.青島理工大學土木工程學院,山東 青島 266525)
由于巖體中存在大量的節理、裂隙等不規則結構面,致使受開挖擾動巖體在其力學響應上表現出明顯的隨機性特征,特別是當處于低溫環境中,巖體的各項參數又與常溫狀態下有所差異,為精準評價地下工程穩定性增加了難度。低溫條件下的隧道比常溫條件下的隧道更容易發生失穩,因為低溫會導致巖體的脆性增加、內部壓力增大,當隧道處于富水地區時,低溫還會導致巖體中的水結冰,使巖體內部發生張裂[1-3]。在隧道工程中,為了有效防控隧道拱頂坍塌,需要依據施工監測得到的少量拱頂沉降數據預測拱頂變形趨勢以及評價拱頂穩定性,這為精準研判隧道拱頂失穩增加了難度。如何從已有的少量監測數據挖掘拱頂失穩的前兆信息,是科研工作者研究焦點之一。一些學者采用非線性方法和理論開展相關研究并取得了一些成果,李元松等[4]利用神經網絡法對實際監測的隧道圍巖位移值進行訓練與學習,給出了隧道圍巖位移值的預報模型;龍浩、高睿等[5]研究BP神經網絡融合馬爾科夫鏈方法,建立了隧道圍巖位移預測模型;蔡舒凌等[6]基于螢火蟲和動態神經網絡方法對隧洞圍巖變形時序開展了預測研究;李洛賓、龔曉南等[7]采用循環神經網絡方法預測了盾構隧道開挖引發地面最大沉降。……