[1]王文辉.基于CNN-Transformer神经网络反演的深基坑变形预测模型[J].水利与建筑工程学报,2025,(05):17-24.[doi:10.3969/j.issn.1672-1144.2025.05.003]
点击复制

基于CNN-Transformer神经网络反演的深基坑变形预测模型()

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2025年05期
页码:
17-24
栏目:
出版日期:
2025-10-31

文章信息/Info

作者:
王文辉
福建省建筑设计研究院有限公司,福建福州350001
关键词:
基坑小应变硬化模型(HSS)机器学习变形预测
分类号:
TV551.42
DOI:
10.3969/j.issn.1672-1144.2025.05.003
文献标志码:
A
摘要:
为了控制城市密集区域基坑开挖引起的变形,基于小应变硬化(hardeningsoilmodelwithsmallstrainstiffness,HSS)本构模型的数值模拟被广泛用于预测基坑开挖变形,而变形计算精度与本构模型中的变形参数直接相关。以福州某深基坑工程为算例,在保持各变形参数比例关系不变工况下,开展不同变形参数组合的数值模拟,构建变形参数组合与围护桩水平变形的样本集合,提出一种基于CNN-Trans-former神经网络的变形参数反演模型。结果表明:反演模型在验证集上的平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和均方根误差(RMSE)分别为2.10%、0.32和0.41。基于两个典型断面不同开挖阶段的实测位移数据进行反演,得到淤泥与粉质黏土层变形参数的最优修正系数分别为1.12和0.95,代入数值模型后计算得到的围护桩水平位移约为实测值的0.85~1.15倍。采用多断面多开挖阶段的围护桩水平位移实测数据作为反演模型输入,能够有效提升后续开挖阶段的预测精度,该方法能够根据已有监测数据,优化本构模型变形参数初始输入值,准确预测后续基坑开挖变形。

参考文献/References:

[1] 黄茂松,王卫东,郑 刚.软土地下工程与深基坑研究进展[J].土木工程学报,2012,45(6):146-161.
[2] 沈丹,陈 !,罗敏敏,等.宁波浅层软土小应变硬化土模型参数试验研究[J].岩土工程学报,2023,45(S1):114-118.
[3] 梁发云,褚 峰,宋 著,等.紧邻地铁枢纽深基坑变形特性离心模型试验研究[J].岩土力学,2012,33(3):657-664.
[4] 管 飞.基于HSS本构模型的软土超大型深基坑3D数值分析[J].岩土工程学报,2010,32(S1):177-180.
[5] 郭浩天,孙庆林,苑成旺,等.基于HS与HSS模型的深基坑支护结构变形与受力数值模拟分析[J].水利与建筑工程学报,2025,23(1):71-79.
[6] 李连祥,刘嘉典,李克金,等.济南典型地层HSS参数选取及适用性研究[J].岩土力学,2019,40(10):4021-4029.
[7] 王卫东,吴江斌,黄绍铭.上海地区建筑基坑工程的新进展与特点[J].地下空间与工程学报,2005,1(4):547-553.
[8] 严佳捷,樊秀峰,吴振祥.淤泥深基坑开挖下土体的变形特征[J].水利与建筑工程学报,2021,19(2):61-65.
[9] 王卫东,王浩然,徐中华.基坑开挖数值分析中土体硬化模型参数的试验研究[J].岩土力学,2012,33(8):2283-2290.
[10] 司马军,马 旭,潘 健.武汉老黏性土小应变硬化模型参数的试验研究[J].水利与建筑工程学报,2018,16(3):93-97,112.
[11] 顾晓强,吴瑞拓,梁发云,等.上海土体小应变硬化模型整套参数取值方法及工程验证[J].岩土力学,2021,42(3):833-845.
[12] 梁发云,贾亚杰,丁钰津,等.上海地区软土HSS模型参数的试验研究[J].岩土工程学报,2017,39(2):269-278.
[13] DiMarianoA,AmorosoS,ArroyoM,etal.SDMT-basednumericalanalysesofdeepexcavationinsoftsoil[J].JournalofGeotechnicalandGeoenvironmentalEn-gineering,2019,145(1):04018102.
[14] BenzT.Small-strainstiffnessofsoilsanditsnumericalconsequences[D].PhDthesis,UniversityofStuttgart,Germany,2007.
[15] LiuWenyuan,TongLiyuan,LiHongjiang,etal.Multi-parameterintelligentinverseanalysisofadeepexcava-tionconsideringpath-dependentbehaviorofsoils[J].ComputersandGeotechnics,2024,174:106597.
[16] ZhaoHuajing,LiuWei,ShiPeixin,etal.Spatiotempo-raldeeplearningapproachonestimationofdiaphragmwalldeformation induced byexcavation [J]. ActaGeotechnica,2021,16(11):3631-3645.
[17] 冯 志,李兆平,李 .多变量灰色系统预测模型在深基坑围护结构变形预测中的应用[J].岩石力学与工程学报,2007,26(S2):4319-4324.
[18] 洪宇超,钱建固,叶源新,等.基于时空关联特征的CNN-LSTM模型在基坑工程变形预测中的应用[J].岩土工程学报,2021,43(S2):108-111.
[19] 王 颖,刘勇健,刘意美.基于神经网络的基坑变形动态预测研究[J].水利与建筑工程学报,2014,12(1):62-66.
[20] 黄 雨,刘侃侃,程天笑,等.基于时间融合Trans-former的港池基坑开挖诱发形变的智能预测模型[J/OL].应用基础与工程科学学报,2025:1-17
[2025-09-07].https://link.cnki.net/urlid/11.3242.TB.20250526.1418.002.

相似文献/References:

[1]位俊俊,张利伟,孔德志.基坑渗流稳定分析[J].水利与建筑工程学报,2012,(03):79.
[2]王安明,张淋柄.基坑桩锚支护变形监测与数值模拟研[J].水利与建筑工程学报,2015,(06):25.[doi:10.3969/j.issn.1672-1144.2015.06.005]
[3]吴玉龙,孙成祥,张建海,等.某水电站厂房基坑排水井抽排效果三维有限元渗流分析[J].水利与建筑工程学报,2015,(05):200.[doi:10.3969/j.issn.1672-1144.2015.05.039]
[4]周晋.上海某人行地道基坑工程监测及数值模拟研究[J].水利与建筑工程学报,2016,(04):212.[doi:10.3969/j.issn.1672-1144.2016.04.040]
[5]齐振宇.基坑不同支护结构的数值模拟分析[J].水利与建筑工程学报,2017,(01):199.[doi:10.3969/j.issn.1672-1144.2017.01.038]
[6]左方.基坑开挖对邻近既有隧道结构安全性的影响[J].水利与建筑工程学报,2017,(02):105.[doi:10.3969/j.issn.1672-1144.2017.02.020]
[7]雷振.繁华城区深厚淤泥质地层地铁明挖区间变形规律研究[J].水利与建筑工程学报,2017,(04):228.[doi:10.3969/j.issn.1672-1144.2017.04.045]
[8]于雅琳,武科,王亚君.深圳地铁在建明挖隧道区间基坑工程施工过程数值模拟[J].水利与建筑工程学报,2017,(06):158.[doi:10.3969/j.issn.1672-1144.2017.06.031]
[9]高幸,贾金青,朱彦鹏,等.基坑坑角角度对空间效应影响研究[J].水利与建筑工程学报,2019,(06):36.[doi:10.3969/j.issn.1672-1144.2019.06.006]
[10]丁云.基于等效原理的型钢水泥土搅拌墙在堤坝排水管沟漕基坑开挖支护中的应用[J].水利与建筑工程学报,2020,(03):139.[doi:10.3969/j.issn.1672-1144.2020.03.025]

备注/Memo

备注/Memo:

收稿日期:2025-06-20     修稿日期:2025-08-03
基金项目:福建省住房和城乡建设行业科技研究开发项目(2020-K-57、2025-K-4)
作者简介:王文辉(1968—),男,教授级高级工程师,主要从事岩土工程等领域的工作。E-mail:wwh7797610@163.com
更新日期/Last Update: 1900-01-01