基于时序分析法的地下工程变形预测研究.pdf

密密 级级公开 中图分类号中图分类号TD-05 硕士硕士学位论文学位论文 基于时序分析法的地下工程基于时序分析法的地下工程 变形预测研究变形预测研究 研研 究究 生生伍梦清伍梦清 导导 师师龙四春龙四春 教授教授 学学 科科矿业工程矿业工程 研究方向研究方向地表沉陷控制地表沉陷控制 20172017 年年 1111 月月 万方数据 A Thesis ted for the Degree of Master Research on Deation Prediction of Underground Engineering Based on Time Series Analysis CandidateWU Mengqing Supervisor and RankLONG Sichun Professor 万方数据 基于时序分析法的地下工程基于时序分析法的地下工程 变形预测研究变形预测研究 学位类型学位类型 学术型学位 作者姓名作者姓名 伍梦清 作者学号作者学号 14010101014 学科（专业学位类别学科（专业学位类别 矿业工程 研究方向（专业领域研究方向（专业领域 地表沉陷控制 导 师 姓 名 及 职 称导 师 姓 名 及 职 称 龙四春 教授 实 践 导 师 姓 名 及 职 称实 践 导 师 姓 名 及 职 称 所在学院所在学院 资源环境与安全工程学院 论文提交日期论文提交日期 2017 年 11 月 万方数据 学位论文原创性声明学位论文原创性声明 本人郑重声明 所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献 的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法 律后果由本人承担。 作者签名 日期 年 月 日 学位论文版权使用授权书学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅。本人授权湖南科技大学可以将本学位论文的全部或部分内容 编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和 汇编本学位论文。 涉密论文按学校规定处理。 作者签名 日期 年 月 日 导师签名 日期 年 月 日 万方数据 i 摘摘 要要 改革开放以来，地下采矿工程、地下交通工程与地下综合管廊等得到了不断 发展。地下工程的开挖势必会引起地下水位和应力场等的重新分布，从而可能导 致不同程度的沉降和变形位移。当地层移动和地表变形超过一定的限度时就会造 成巷道或基坑破坏、地面沉陷与地表建筑物垮塌等事故。在地下工程开挖施工中， 如何准确监测并超前预测其变形的发生发展显得尤为重要。 本文以地下工程中的某煤矿和某城市地下工程为研究对象，对其开挖过程中 的监测数据时间序列采用时序分析法进行分析，运用 R/S 分析模型、ARIMA 模 型、BP 神经网络模型、ARIMA-BP 集成模型分别对某煤矿和某地下工程的变形 进行时间序列分析和预测，取得了较好的效果。主要研究工作如下 1鉴于地下工程变形数据时间序列中的非线性特征，而 R/S 分析法具有良 好的非线性描述能力，因此研究利用 R/S 分析模型；同时利用 BP 神经网络模型 良好的非线性拟合能力有机组合 ARIMA 模型，构建了 ARIMA-BP 集成模型，以 充分挖掘实测数据时间序列中的有效信息。 2以某煤矿为例，利用 R/S 分析模型对矿区地表沉陷重点监测区域进行沉 降趋势预测，并采用精密水准实测数据与开采实际情况进行验证，预测结果与实 测数据基本一致。同时利用 ARIMA 模型、BP 神经网络模型、ARIMA-BP 集成模 型对矿区地表沉陷区域 6 个有代表性的监测点进行预测分析，结果表明集成模型 的预测精度要高于单一模型。 3以某地下工程为例，利用 ARIMA 预测模型、BP 神经网络预测模型、 ARIMA-BP 集成模型分别对深基坑周边地表沉降、地下连续墙顶竖向位移、地下 连续墙顶水平位移等监测数据进行预测分析。结果表明，以上预测模型对于上述 监测数据都具有一定的预测能力，同样集成模型的预测效果好于单一模型，而集 成模型中的 ARIMA-BP 误差校正集成模型对于监测数据预测的精度最优。 关键词地下工程；开采沉陷；时间序列分析；BP 神经网络；变形预测 万方数据 ii 万方数据 iii ABSTRACT Since the re and opening up, underground mining engineering, underground traffic engineering and underground integrated pipe gallery have been continuously developed. Underground excavation will inevitably lead to the redistribution of groundwater level and stress field, which may lead to different degrees of settlement and deation displacement. When the ation moves and the surface deation exceeds a certain limit, accidents such as roadway or foundation pit destruction, ground subsidence and surface building collapse will occur. In the underground excavation construction, how to accurately monitor and predict the occurrence of deation is particularly important. In this paper, a underground mine in a underground project and a city underground project as the research object, the time series of monitoring data during excavation process using time series analysis , the use of R/S analysis model, ARIMA model, BP neural network model, ARIMA-BP integrated model separately for a coal mine and a deation of underground engineering time series analysis and forecast, and achieved good results. The main research work is as follows 1 In view of the non-linear features in the time series of deation data of underground engineering, and R/S analysis has good non-linear descriptive ability, the R/S analysis model is used in the research. At the same time, by using the BP neural network model, Combining capabilities ARIMA model, the ARIMA-BP integrated model is constructed to fully exploit the effective ination in the time series of measured data. 2 Taking a coal mine as an example, the settlement trend of the key monitoring area of the surface subsidence in the mining area is predicted by using the R/S analysis model. The precision leveling data and actual mining conditions are used to verify the results. The prediction results are in good agreement with the measured data. At the same time, the ARIMA model, BP neural network model and ARIMA-BP 万方数据 iv integrated model are used to predict and analyze the six representative monitoring points in the surface subsidence area. The results show that the prediction accuracy of the integrated model is higher than the single model. 3 Taking an underground project as an example, the ARIMA prediction model, BP neural network prediction model and ARIMA-BP integrated model are used to analyze the settlement of ground surface, the vertical displacement of continuous diaphragm wall and the horizontal displacement of continuous diaphragm wall Monitoring data for predictive analysis. The results show that the above prediction model has certain predictive ability for the above monitoring data, and the same integrated model is better than the single model in predicting the results. However, the integrated model of ARIMA-BP error correction has the best prediction accuracy for the monitoring data. Key Words Underground Engineering; Mining Subsidence; Time Series Analysis; BP Neural Network; Deation Prediction 万方数据 湖南科技大学硕士学位论文 目目 录录 摘 要 .................................................................................................................. i ABSTRACT ........................................................................................................... iii 第 1 章 绪论 ..................................................................................................... - 1 - 1.1 研究背景和意义 .................................................................................. - 1 - 1.2 地下工程变形预测研究现状 ............................................................... - 2 - 1.2.1 矿山开采沉陷预测研究现状 ..................................................... - 2 - 1.2.2 城市地下工程变形预测研究现状 ............................................. - 4 - 1.3 研究内容 ............................................................................................. - 5 - 第 2 章 地下工程变形预测模型 ........................................................................ - 7 - 2.1 R/S 分析模型 ...................................................................................... - 8 - 2.1.1 R/S 分析模型建立 ..................................................................... - 8 - 2.1.2 R/S 分析模型特点 ..................................................................... - 9 - 2.2 ARIMA 模型 ....................................................................................... - 9 - 2.2.1 ARIMA 模型基础理论 .............................................................. - 9 - 2.2.2 ARIMA 模型建模过程 ............................................................ - 11 - 2.3 神经网络模型 ................................................................................... - 15 - 2.3.1 神经元 .................................................................................... - 15 - 2.3.2 BP 神经网络的结构 ................................................................ - 16 - 2.3.3 BP 神经网络的学习算法 ......................................................... - 17 - 2.4 ARIMA-BP 集成模型 ........................................................................ - 18 - 2.4.1 ARIMA-BP 权重组合集成模型 ............................................... - 20 - 2.4.2 ARIMA-BP 误差校正集成模型 ............................................... - 20 - 2.5 本章小结 ........................................................................................... - 21 - 第 3 章 某地下工程变形预测实例 .................................................................. - 23 - 3.1 工程概况 ........................................................................................... - 23 - 3.2 现场监测 ........................................................................................... - 24 - 3.3 数据来源 ........................................................................................... - 30 - 3.4 ARIMA 模型预测与分析 ................................................................... - 31 - 3.4.1 地表沉降数据预测及分析 ....................................................... - 31 - 3.4.2 墙顶竖向位移数据预测与分析 ............................................... - 36 - 3.4.3 墙顶水平位移数据预测与分析 ............................................... - 38 - 3.5 BP 神经网络模型预测与分析 ........................................................... - 40 - 3.5.1 地表沉降数据预测与分析 ....................................................... - 40 - 万方数据 湖南科技大学硕士学位论文 3.5.2 墙顶竖向位移数据预测与分析 ............................................... - 46 - 3.5.3 墙顶水平位移数据预测与分析 ............................................... - 47 - 3.6 ARIMA-BP 集成模型预测与分析 ..................................................... - 48 - 3.6.1 地表沉降数据预测与分析 ....................................................... - 48 - 3.6.2 墙顶竖向位移数据预测与分析 ............................................... - 53 - 3.6.3 墙顶水平位移数据预测与分析 ............................................... - 53 - 3.7 模型预测精度比较 ............................................................................ - 54 - 3.8 本章小结 ........................................................................................... - 56 - 第 4 章 某矿区地表沉陷预测实例 .................................................................. - 59 - 4.1 工程概况 ........................................................................................... - 59 - 4.2 数据来源 ........................................................................................... - 59 - 4.3 R/S 分析模型预测与分析 .................................................................. - 61 - 4.3.1 R/S 分析与预测 ...................................................................... - 61 - 4.3.2 结论检验 ................................................................................. - 63 - 4.4 ARIMA-BP 集成模型预测与对比分析 .............................................. - 64 - 4.5 本章小结 ........................................................................................... - 67 - 第 5 章 结论与展望 ........................................................................................ - 69 - 5.1 结论 .................................................................................................. - 69 - 5.2 展望 .................................................................................................. - 70 - 参 考 文 献...................................................................................................... - 71 - 附录 A 攻读学位期间发表的论文与科研成果清单 .......................................... - 75 - 致 谢 ............................................................................................................... - 77 - 万方数据 湖南科技大学硕士学位论文 - 1 - 第第 1 章章 绪论绪论 1.1 研究背景和意义研究背景和意义 进入 21 世纪以来，全球许多国家日益重视地下空间的开发和利用，掀起了建 设地下工程的热潮， 许多学者称 21 世纪是地下空间的世纪。 中国自改革开放以来， 经济发展进入快车道，为满足经济发展的需要，兴建了许多的地下工程。地下工 程一般是在地面以下为开发利用地下空间资源所建造的地下洞室和隧道等，包括 矿山井巷、地下管道、交通隧道、国防和人防工程、市政通道及地下商业建筑等。 时代在进步，世界通过铁路、公路等交通线路变得不在遥远，空间的距离通 过交通可以缩短，改善交通状况就成为了时代发展的必然趋势。由于地球是不规 则球体，为了解决高山阻隔问题，修建隧道成为一条有效途径；为了改善城市交 通状况，许多城市还修建了地下交通地铁。另外，煤炭等不可再生资源始终是人 类不可或缺的需求，如今采煤不断往地底深部发展，地下开采需要开凿一系列安 全、科学、高效的井巷。在建设诸如地铁隧道、矿山井巷等复杂程度大、难度高 的地下工程过程中，会面临许多难以想象的困难，这需要相关研究者们攻克这些 难关。 地下工程是一个错综复杂的工程，受各种因素的影响，它和监测技术、结构 工程、土木工程、环境工程、施工技术等多种学科存在交叉。在地下工程开挖支 护过程中，由于地下工程复杂的地质条件和周边环境以及地下工程施工不可预知 性和不完善的理论，地下工程崩塌、地表道路或建（构）筑物出现裂缝甚至严重 开裂的情况屡屡发生，给社会带来巨大的经济损失和危及工作者的生命。因此， 结合当前科技发展的新成果，寻求不同的、更为综合的技术手段来解决地下工程 变形预测问题，是亟待解决的当务之急[1-2]。 与地面工程相比，地下工程一般在地下岩土中，而岩土体由于经过多次的自 然构造运动、人工挖填活动，存在较为明显的时空差异性，使得地下工程在物理 结构、变形机理、地应力分布、抗侵蚀等很多方面拥有高度分线性、离散性和不 万方数据 第 1 章 绪论 - 2 - 确定性等特点。因此，地下工程在建设期、运营期具有复杂的力学性质，通过单 纯的理论方法和经验法得到其应力应变的关系及变形规律是不稳健的。 目前数值计算方法不断发展，这为研究复杂的地下工程问题提供了很好的途 径，但数值计算方法需要对介质的力学参数、本构关系要有确定的分析和了解。 由于在介质力学模型建立、材料参数确定等方面，数值方法还存在许多困难和问 题，以致于工程应用方面还不够成熟，因此另辟蹊径基于现场监测得到的变形数 据，寻求科学有效的预测方法预测地下工程未来的变形是对地下工程变形预测的 重要途径。 1.2 地下工程变形预测研究现状地下工程变形预测研究现状 1.2.1 矿山开采沉陷预测研究现状矿山开采沉陷预测研究现状 开采沉陷实质上是一个地质力学和地质体变形的过程。当地底深部矿产资源 被开采出来，采区周围岩土体初始应力平衡状态被打破，岩土体会因为受力状态 的改变而发生弯曲变形、位移，导致采区地面沉陷下沉，并最终形成低洼的沉陷 地。 国外将开采沉陷预测方法分为经验方法、影响函数法、数值模拟法三大类型 [3-6]。我国在经历了长时间的努力，在丰富的实测资料的基础上，对开采沉陷的基 本规律有了更为深入的了解，并提出了适用于本国实际情况的预计方法。常见的 有威布尔分布法、负指数函数法、积分格网法、样条函数法、典型曲线法、双曲 线函数法、皮尔森函数法、概率积分法等，还建立了力学预计法。 自从上个世纪以来，科技不断进步，科学的研究手段更为多样化，良性的科 学环境推动了采空区沉陷预测方法的更深入的发展，人们已经可以用经典统计方 法得到一般情况下的岩层和地表移动，但是在复杂条件下，比如在地质构造不连 续、地形变化大和不规则的采空区等情况时就会受到很大的局限性。开采沉陷是 由于地表变形产生的一种地质现象，现今对其定量分析和描述的方法主要有经验 方法、影响函数法、数值模拟法等。 开采沉陷预测的经验方法经过多年的发展，技术上已经较为成熟，它是指在 万方数据 湖南科技大学硕士学位论文 - 3 - 特定的采矿条件下，基于其丰富的观测数据和经验，分析开采区沉陷规律，进而 采取典型曲线等方法，这样可以给在相近地质采矿条件下的地表移动变形预计提 供借鉴并加以应用[6-8]。迄今为止，我国和国外一些国家积累了丰富的采空区沉陷 实测资料，建立了相当数量的这一类预测方法，典型的有我国的峰峰矿区的典型 曲线[9]、平顶山矿区的典型曲线[10]、乌克兰顿涅茨煤田的典型曲线和英国的诺模 图[11]等。前苏联在上个世纪 50 年代出版了岩层与地表移动一书，这是一本贴 近实际的代表性著作[12]。书中提出了三带理论，指出了采空区上方岩层移动的形 式垮落带、断裂带和整体弯曲带，还系统地分析研究了岩层与地表变形分布规 律及相关参数规律，提出了前苏联较为通用的岩层与地表变形计算方法典型 曲线法。此外中国学者何国清[13]提出了威布尔分布法、波兰学者提出了积分网格 法。因为典型曲线的分布函数特征和参数主要来源于实测资料，所以有着预计误 差小，预计结果可靠的优点；缺点是样本量大，实测数据需求大，否则无法建立 适用于本矿区特定采矿条件下的典型曲线，另外曲线函数相对适用于矩形或近似 矩形工作面，应用时要特别注意其坐标原点和坐标轴的方向选取。 影响函数法是考虑将整体开采对岩层和地表的影响作为矿区所有微小单元开 采产生的影响的综合，根据理论研究或其他研究方法确定微小单元开采对岩层和 地表的影响，据此计算整个开采引起的地表移动和变形[14-16]。影响函数法的理论 基础是分布函数，是从经验方法向理论方法过渡的一种类型，是一种预计地表移 动和变形的有效方法。我国学者刘宝琛、廖国华[17]在德国学者凯因霍尔斯和波兰 专家 Litwiniszyn 的基础上提出了比较实用的概率积分法， 是当前中国应用较为广 泛的一种沉陷预计方法。 数值模拟法是基于力学模型、弹性或塑性理论的一种计算方法，常见的有限 单元法，边界单元法，离散单元法，FLAC3D 等[18-20]。把岩体抽象为某种理论模 型，按照该模型计算模拟受开采影响岩体的变形和应力分布等情况，这为岩体变 形预测提供了新的途径。计算机数值模拟所依据理论基础的主要是有限元、离散 元、边界元等工程动力学原理，其中有限元法应用较为普遍。从上世纪 70 年代开 始，国内外的研究人员就将数值分析方法应用于采煤沉陷领域，经过多年的发展， 积累了丰富的经验。 万方数据 第 1 章 绪论 - 4 - 近年来，随着各学科研究工作的深入发展，采煤沉陷领域不断与力学、数学、 计算机等学科交叉融合，这对采煤沉陷方法的研究起到了积极的推动作用。施式 亮[21]等构建了灰色理论与 Compertz 耦合的预测模型， 并验证了其在矿区地表沉陷 预测中的应用问题；戴华阳[22]等建立了基于开采影响传播角变化的特厚煤层水平 分层开采地表移动的预测模型，通过实例验证分析表明，预测模型能较好地反映 实际规律，预计参数物理意义明确，易于确定；毛文军[23]研究发现遗传 BP 神经 网络模型GA-BP能够较好的实现矿区开采沉陷高精度预计；刘振国 [24]基于 TerraSAR-X 高分辨率 SAR 数据，利用时序 DInSAR 技术监测矿区开采沉陷,研究 其在开采沉陷监测中的定量化应用；龙四春[25]等利用概率积分和 GIS 技术对矿区 开采地表沉陷进行预计并实现了预警可视化表达；姜春玲、吴泉源[26]等在分析沉 陷区时空演变模式中采用了遥感技术和地理学的“区位”理论。 1.2.2 城市地下工程变形预测研究现状城市地下工程变形预测研究现状 城市化进程加快，高楼、轨道交通不断发展。作为城市地下工程建设中必不 可少的一环，深基坑工程始终是业界专家学者关注和研究的重点。深基坑工程往 往是实践先于理论，利用经验的理论公式法来预测变形一直广泛存在于深基坑工 程支护设计中。依靠经验明显存在缺陷，所以基于有限元法的深基坑变形预测分 析也得到了广泛的应用。对于深基坑工程,只要给定准确的计算参数，使用有限元 等数值分析方法得到的分析结果和实际结果相对接近。但是，由于岩土体是个无 规则的地质体，导致建立有限元计算模型所需的参数往往无法完全确定，参数不 准使得有限元法对岩土工程问题的数值模拟不能准确。 随着深基坑监测研究队伍不断壮大，与深基坑变形监测有关的研究工作得以 全面开展。实际上，变形体的变形是一动态的连续过程，因此，其变形过程是一 个动态过程，具有惯性、记忆等特征，且这个变形过程会连续受到各种复杂因素 影响而发生演化 [27]。正是变形系统具备这样的特性，由此适合描述动态变形系统 的控制论、时序分析、系统动力学、模糊数学、灰色理论、信息论等新兴理论 [27-32] 被大量学者引入到变形分析与预测中，并取得了很多不错的研究成果。除此之外， 正处于快速发展阶段的分形论、突变论、混沌动力学、人工神经网络等非线性理 论在复杂变形系统的变形分析与预测中也是当前的研究热点[33-37]；分形理论经常 万方数据 湖南科技大学硕士学位论文 - 5 - 被用来研究板块运动并用以实现地震的预测预报；突变理论常用于边坡滑坡分析 与预测预报；神经网络能够提取变形系统中的非线性特征等。 时间序列模型是时间序列分析常用的预测模型，时间序列分析的建模理论最 早 可 以 追 溯 到 上 个 世 纪 二 三 十 年 代 ， 英 国 学 者 Yule G.U. 提 出 了 自 回 归 （Autoregressive,简称 AR）模型，数学家 Walker G.T.提出了滑动平均（Moving Average,简称 MA）模型。经过进一步研究，G.E.P. Box 和 G.M. Jenkins 于 1970 年共同提出了求和自回归滑动平均模型 （Autoregressi