基于Loganathan & Poulos、Clough修正公式的浅埋超大直径盾构隧道地面沉降预测

doi:10.3973/j.issn.2096-4498.2022.S1.032

中国科学引文数据库（CSCD）来源期刊
中文核心期刊中文科技核心期刊
Scopus RCCSE中国核心学术期刊
美国EBSCO数据库俄罗斯《文摘杂志》
《日本科学技术振兴机构数据库（中国）》

隧道建设（中英文） ›› 2022, Vol. 42 ›› Issue (S1): 274-280.DOI: 10.3973/j.issn.2096-4498.2022.S1.032

基于Loganathan & Poulos、Clough修正公式的浅埋超大直径盾构隧道地面沉降预测

张继超1, 2，曾垂刚1, 2，崔乐健2, 3, 杨振兴1, 2，孙飞祥1, 2，翟乾智1, 2

（1. 盾构及掘进技术国家重点实验室, 河南郑州 450001； 2. 中铁隧道局集团有限公司, 广东广州 510000; 3. 中铁隧道股份有限公司，河南郑州 453000 ）

出版日期:2022-07-22 发布日期:2022-08-23
作者简介:张继超（1993—），男，河南商丘人，2019年毕业于中国地质大学（武汉），地质工程专业，硕士，工程师，主要从事隧道与地下工程领域科研工作。 Email: 2321089229@qq.com。

Ground Settlement Prediction of ShallowBuried SuperLargeDiameter Shield Tunnel Based on Loganathan & Poulos and Clough Modified Formulas

ZHANG Jichao1, 2, ZENG Chuigang1, 2, CUI Lejian2, 3, YANG Zhenxing1, 2，SUN Feixiang1, 2, ZHAI Qianzhi1, 2

(1. State Key Laboratory of Shield Machine and Boring Technology, Zhengzhou 450001, Henan, China;
2. China Railway Tunnel Group Co., Ltd., Guangzhou 510000, Guangdong, China; 3. China Railway Tunnel Stock Co., Ltd., Zhengzhou 453000, Henan, China)

Online:2022-07-22 Published:2022-08-23

摘要/Abstract

摘要： 为解决浅埋大直径隧道开挖沉降预测受到开挖隆起效应影响的问题，采用有限元数值模拟手段计算，结果表明开挖隆起效应使得地表沉降量明显偏小。基于现场地表的沉降监测结果数据，引入Clough修正公式计算沉降槽宽度系数i，对Loganathan & Puolos公式、Celestino公式进行修正和非线性拟合分析，得出结论：地层损失率Vl未知，修正Loganathan & Puolos公式拟合度最高，Celestino公式根据地层损失率Vl预测地面沉降拟合度最高。联合公式绘制完整的沉降预测曲线与现场监测数据曲线相关性达到85%，趋势基本一致，说明沉降预测理论的预测结果具有较好的预测准确度。

关键词: 浅埋超大直径盾构隧道, Loganathan &, Puolos、Celestino公式修正, 非线性拟合, 沉降预测

Abstract: To investigate the impact of the excavation uplift effect on the settlement prediction of shallowburied largediameter tunnels, finite element numerical simulation method is used to conduct calculations. The results show that the excavation uplift effect results in the ground settlement is significantly smaller. Based on the settlement monitoring data of the onsite ground surface, the Clough modified formula is introduced to calculate the width coefficient 〖WT５《TNR#I》〗i〖WT５《TNR》〗 of the settlement trough. The Loganathan & Puolos and Celestino formulas are modified and nonlinear fitting analysis is carried out. It is concluded that the formation loss rate 〖WT５《TNR#I》〗V〖WT《TNR》〗l is unknown, and the fitting degree of the modified Loganathan & Puolos formula is the highest, and the fitting degree of the Celestino formulas is the highest for land subsidence based on the formation loss rate 〖WT５《TNR#I》〗V〖WT《TNR》〗l. The correlation between the complete settlement prediction curve drawn by the combined formula and the onsite monitoring data curve reaches 85%, and the trend is basically the same, indicating that the prediction method has a good prediction accuracy.

Key words: shallowburied superlargediameter shield tunnel, Loganathan &, Puolos and Celestino formula modification, nonlinear fitting, settlement prediction

张继超, 曾垂刚, 崔乐健, 杨振兴, 孙飞祥, 翟乾智.

基于Loganathan & Poulos、Clough修正公式的浅埋超大直径盾构隧道地面沉降预测 [J]. 隧道建设, 2022, 42(S1): 274-280.

ZHANG Jichao, ZENG Chuigang, CUI Lejian, YANG Zhenxing, SUN Feixiang, ZHAI Qianzhi.

Ground Settlement Prediction of ShallowBuried SuperLargeDiameter Shield Tunnel Based on Loganathan & Poulos and Clough Modified Formulas [J]. Tunnel Construction, 2022, 42(S1): 274-280.

[1]	管浩, 刘维, 王峰, 赵华菁, 张功, 张高海. 基于数据增强和机器学习算法的盾构隧道引发地面沉降预测及应用[J]. 隧道建设, 2022, 42(S1): 331-341.
[2]	刘春梅, 姜巍, 宫亚峰, 林思远. 基于K-means改进RBF神经网络对深基坑变形分析及预测[J]. 隧道建设, 2021, 41(S2): 246-254.
[3]	白祥瑞, 戎晓力, 文祝, 张宁. 基于DE-SVR的土压平衡盾构隧道施工阶段地表沉降预测研究[J]. 隧道建设, 2021, 41(S2): 336-345.
[4]	张建. 软土地层浅埋群管顶进顺序优化及沉降预测研究[J]. 隧道建设, 2021, 41(1): 126-133.
[5]	武铁路. 基于深度学习的破碎带盾构施工沉降预测分析[J]. 隧道建设, 2019, 39(2): 197-203.
[6]	韩煊，王法，雷崇红，尹宏磊. 盾构隧道施工引起的土层分层沉降规律实测研究[J]. 隧道建设, 2017, 37(4): 401-408.
[7]	赵军. 杭州地区某盾构区间施工地表变形预测参数的分析与确定[J]. 隧道建设, 2015, 35(10): 1003-1009.
[8]	陈喜凤，刘岭，黄腾. 基于蚁群算法的地铁隧道沉降预测研究[J]. 隧道建设, 2013, 33(6): 462-468.

基于Loganathan & Poulos、Clough修正公式的浅埋超大直径盾构隧道地面沉降预测

Ground Settlement Prediction of ShallowBuried SuperLargeDiameter Shield Tunnel Based on Loganathan & Poulos and Clough Modified Formulas

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics

本文评价