利用基于卷积神经网络(CNN)的逆向建模技术,对深挖工程中的地下空洞进行智能识别和变形分析

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》:Intelligent identification and deformation analysis of subsurface cavities in deep excavations using CNN-based inverse modeling

【字体: 大 中 小 】 时间:2026年01月09日 来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY 7.4

编辑推荐:

  地下洞穴对深开挖变形的放大效应及智能反演研究。通过1,800次有限元模拟发现,距挡土墙水平距离小于0.5倍开挖深度(He)且埋深1.5-2.25He的洞穴区域对水平位移和地面沉降的放大倍数达1.67倍和2.2倍。基于K-means聚类分析揭示五种沉降模式,并构建CNN智能反演系统,在参数不确定条件下仍保持85%以上测试精度(R2>0.85)。该框架为软土层含洞深开挖的实时监测与风险防控提供技术支撑。

  
张伟|薛亚东|张金章|郑刚|钱增志|翟玉欣
教育部岩土与地下工程重点实验室,同济大学岩土工程系,中国上海200092

摘要

软土中的地下空洞对城市地下空间的快速扩展构成了重大的岩土工程挑战。本研究提出了一个综合框架,用于量化深挖掘过程中由空洞引起的变形放大效应,并开发了一种利用监测数据对空洞特征进行智能反演的系统。通过1800次有限元模拟,参数分析表明,位于隔板墙水平方向0.5倍挖掘深度(H_e)以内以及深度在1.5 H_e至2.25 H_e之间的空洞构成了最关键的影响区域,这些空洞可使水平墙体位移放大至原来的1.67倍,地面沉降放大至原来的2.2倍。K均值聚类分析识别出五种与空洞大小和位置密切相关的沉降变形模式(模式I–V)。基于卷积神经网络(CNN)的反演模型能够从变形监测数据中预测空洞的尺寸和位置,在测试数据集上的准确率超过85%(R^2 > 0.85)。该模型在考虑土壤参数不确定性时仍表现出稳健的性能。这一综合框架为在含空洞地层中进行深挖掘项目的实时空洞检测和风险缓解提供了实用工具,对复杂城市地质条件下的施工安全管理具有宝贵指导意义。

引言

城市地下空间的快速扩展给岩土工程安全带来了前所未有的挑战(Chen等人,2025年;Zhang等人,2022a、2022b、2022c年)。在城市岩土工程施工过程中,由于危险地质异常的存在,空洞在施工扰动的影响下极易导致地面加速沉降(Liu和Tan,2023年;Shi等人,2025年;Zhang等人,2023年)。在严重情况下,隐藏的地下空洞可能导致地面塌陷,如图1(a)所示,这对施工安全、地面基础设施以及行人安全构成重大威胁(Gao,2021年)。因此,地下空洞的检测已成为隧道和深挖掘项目等岩土工程建造中的重要检查项目。
近年来,在北京、济南和苏州等城市的地铁站建设中发现了地下空洞,尤其是在历史上的地下干预加剧了地质脆弱性的老旧城区,这种现象更为普遍(Fang等人,2011年)。两个典型案例展示了与空洞相关的故障的严重后果。2005年3月15日北京地铁黄庄站的事故涉及56条管道(包括水、电、通信和燃气),这些管道分布在施工区域内。由于管道安装时土壤压实不足和长期污水泄漏,形成了潜在的空洞(图1(b))。随后,挖掘引起的应力重新分布导致薄弱地层发生土拱效应失效,最终引发了大规模的地表塌陷(Hou等人,2009年)。另一个值得注意的例子是2019年12月19日杭州地铁7号线甘山站的事故,坑内外的持续排水压缩和固结了周围土壤,水分和沙子从隔板墙外的砂层流入,形成了隐蔽的空洞,随后在盾构隧道施工过程中这些空洞失稳,导致了塌陷(Liu,2020年)。这些反复发生的事件揭示了含空洞地层系统的不稳定性。在持续施工的干扰下,该系统可能突然跨越临界稳定阈值,带来极高的施工安全风险。
统计数据显示,地铁建设(包括隧道和深挖掘项目)过程中涉及地表塌陷的事故约占所有事故的37%,其中超过40%的塌陷事故是由各种原因形成的地下空洞引起的(Zhang等人,2010a、2010b、2016年)。土壤层中地下空洞形成的原因可以归纳为以下几种类型:(1)地下作业时回填压实不良;(2)渗流引起的固结或采矿沉降造成的分层;(3)无粘性土壤中的水力侵蚀;(4)异质地层中的振动引起的层间分离;(5)长期管道泄漏侵蚀。
值得注意的是,在特定地质条件下,可能会形成相互连接的或孤立的地下空洞群,这给岩土工程实践带来了显著的不确定性(Xu等人,2022年)。施工地层中存在地下空洞带来了多重挑战:一方面,减少了土壤的有效承载面积,降低了在施工荷载作用下的地基承载能力;另一方面,在挖掘活动中破坏了现有的土壤结构,可能引发土壤压缩和变形(Tabaroei等人,2023年;Tabaroei,2020年)。这些机制共同增加了差异沉降或灾难性塌陷的风险,尤其是在具有复杂相互连接性的空洞群区域。
目前,关于地下空洞的研究主要集中在岩石地层或含有喀斯特和石灰岩的地带,包括溶解空洞的形成(Zerga,2024年)、危险特征评估(Cui等人,2015年;Su等人,2025年)、风险评估框架(Lin等人,2023年)、检测方法(Liu等人,2024年)以及针对含空洞地层的相关施工理论和技术(Yang等人,2023年)。同时,一些学者也对软土层中空洞的形成原因及其引发地表沉降的作用进行了深入研究(Li等人,2015年)。
然而,关于含空洞软土层施工的研究相对较少。与岩石或喀斯特地层中的空洞相比,软土中的空洞带来了根本不同且更为严重的挑战。软土具有高压缩性、低剪切强度以及对施工引起的应力重新分布的高度敏感性。因此,隐藏的空洞在相对较小的扰动下就会发生变形、扩张或塌陷。现有的关于软土空洞的研究主要集中在隧道挖掘和公路建设方面。例如,Wang等人(2010年)系统分析了盾构隧道施工过程中的空洞变形机制,Gao(2021年)研究了受空洞影响的路基在循环荷载作用下的沉降情况,Yue等人(2024年)开发了与施工后空洞演变相关的隧道衬砌失效预测模型。值得注意的是,在含有空洞层的软土区域进行深挖掘时,地层的结构和变形机制仍不清楚。目前,只有少数学者从坑内渗流侵蚀和水/沙泄漏等角度进行了部分分析(Liu和Tan,2023年),忽略了现有空洞的机械效应。这些研究成果不足以为评估含空洞地层的深挖掘影响或在不同施工阶段制定预防措施提供可靠指导。
为了解决这些研究不足,本文采用有限差分方法研究了含空洞软土在深挖掘过程中的土-结构变形响应模式。通过无监督聚类进一步分类了不同空洞配置下的沉降变形模式,为识别异常沉降提供了基于机制且可解释的基础。此外,还开发了一个基于深度学习的反演框架,可以直接从挖掘监测数据中预测空洞的尺寸和位置,克服了目前对施工前地球物理勘探的依赖。本研究的新颖之处在于三个关键贡献:(1)定量定义了深挖掘过程中主要受空洞影响的范围和变形放大规律;(2)识别了与空洞配置相关的五种沉降模式;(3)开发了一种创新的基于CNN的反演预测框架,能够在参数不确定性条件下准确识别空洞特征。这种综合方法将为含空洞软土层的深挖掘项目提供科学可靠的决策支持,同时为风险缓解提供实用工具。
本研究的研究目标和工作流程如图2所示。本文的结构如下:第2节详细介绍了数值模拟和现场案例的验证。第3节分析了空洞特征与挖掘引起的变形之间的参数关系。第4节展示了含空洞地层中的深挖掘沉降模式。第5节介绍了智能空洞反演框架及其验证。第6节总结了研究结论。

节选内容

定义的符号和命名系统

本研究建立了一个参数系统,用于描述含空洞挖掘场景中的几何配置和变形响应,具体定义见表1,示意图见图3。

工程背景和模型验证

本研究以上海王宝河酒店二期项目作为案例研究,建立了相应的数值模型。该施工现场位于上海的商业中心(图4(a))。其北侧为九江路,东侧为福建中路

含空洞地层中的深挖掘变形行为

本章系统研究了含地下空洞地层中的深挖掘变形行为。为了量化现有空洞引起的放大效应,我们提出了几个关键的放大因子(如图9所示),定义为变形参数与无空洞条件下的变形参数之比。具体包括:
  • (1)
    空间影响放大因子(ζc
    ):表征由于空洞存在而扩展的影响范围。
  • (2)
    沉降
  • 含空洞土壤层的沉降变形模式

    图10和图11表明,含空洞地层与无空洞条件下的沉降曲线模式存在显著差异。因此,本章基于K均值聚类方法(Macqueen,1967年)检验了这些模式及其与各种变量的相关性。
    图18展示了整个分析过程。首先收集了所有条件下的沉降曲线(图18(a)),然后使用肘部方法确定了最佳聚类数量

    智能反演模型

    前面的讨论表明,在含空洞的地层中进行挖掘会导致隔板墙位移和沉降的异常变化。因此,本章提出了一个实用的反演模型,通过分析隔板墙位移和土壤沉降来检测基坑附近的空洞。该模型还可以进一步预测空洞的尺寸和实际位置,从而确保深挖掘的安全性和稳定性

    结论

    本研究通过1800次数值模拟系统研究了含地下空洞的软土层中的深挖掘变形行为,并提出了一种智能反演模型用于空洞检测。与传统参数或经验方法相比,本研究结合了机理分析和基于CNN的智能反演框架,提供了科学的见解和实用的空洞识别及风险控制工具。主要结论

    CRediT作者贡献声明

    张伟:撰写 – 审稿与编辑,撰写 – 原稿,可视化,方法论,数据整理,概念化。薛亚东:验证,监督,方法论,概念化。张金章:验证,监督,数据整理,概念化。郑刚:监督,概念化。钱增志:验证,资源协调,项目管理,资金筹集。翟玉欣:资源协调,项目管理,调查。

    利益冲突声明

    作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

    致谢

    本研究得到了国家关键研发计划(2023YFC3009300)、教育部山区城市建设新技术重点实验室基金(LNTCCMA-20240110)、国家自然科学基金(编号52408434;52130805)、沿海城市气候韧性国家重点实验室(ITC-SKLCRCC26EG01)和上海浦江计划(2022PJD077)的支持。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号