基于灰关联分析与数值模拟的机械化隧道地表沉降参数敏感性分析及长期沉降预测研究

《Scientific Reports》：Understanding surface settlement in mechanized tunneling through integrated analytical and predictive approaches

　　

摘要

地表沉降是机械化隧道施工中的主要挑战之一，因为它会显著影响地面稳定性和既有基础设施。尽管针对机械化隧道地表沉降的研究已十分广泛，但以往研究中，采用灰关联分析（GRA）进行参数敏感性联合研究、通过数值模拟评估盾构锥度，以及基于实际大型工程数据对数学预测模型进行对比评估等方面，仍鲜有关注。本研究采用灰关联分析方法探讨影响地表沉降的参数，通过数值模拟评估盾构锥体构型的影响，并利用数学模型估算长期地表沉降量。研究采用了德黑兰地铁2号线工程获取的综合定量数据集，开展数据驱动分析，以提高结果的可靠性。灰关联分析结果表明，隧道埋深是影响地表沉降的最关键参数。基于此，选择了关键参数进行数值模拟，并在三种不同岩土分层条件下分析了锥体盾构几何形状的影响。PLAXIS数值模拟结果显示，盾构掘进在结构特性各异的土层中可引发超过40%的沉降。此外，采用半对数模型、双曲线模型和混合模型对长期地表沉降进行了预测。对比分析表明，半对数方法相比其他方法具有更高的预测精度。研究结果强调，将数据驱动分析技术与数值模拟相结合，可显著提升对机械化隧道工程地表沉降的认知与预测能力。本文的创新之处在于利用基于大量现场数据的数学相关性来预测长期沉降量，从而有效降低工程成本、控制工期并减少可能的设计或施工风险。