浅析深基坑变形监测与变形预测

田强

摘要：深基坑变形监测与变形预测在深基坑工程中是非常重要的，会受到开挖技术等的影响，结构的顶部极有可能会产生水平位移的现象。这样就会造成一定的安全隐患，而且随着时间的逐渐推移相应的曲线效应也会发生了变化，在这样的情况下，就需要进行深基坑变形监测与变形预测。

关键词：深基坑；变形监测；变形预测

我国城市化建设在逐渐的加快，建筑行业也得到了迅速的发展，深基坑工程的数量也在逐渐的增加，在深基坑施工的过程中，必须要重视相应的细节规划，做好监测与变形预测工作，这样才能够有效地避免安全事故的发生，保证整个流程的规范性。本文就是对深基坑变形监测与变形预测进行分析，为相关的研究提供借鉴。

一、深基坑变形监测

（一）深基坑变形监测的主要原理。在进行深基坑施工的过程中，必须要结合相关的道路设施和建筑设施来进行施工，保证其周边建筑物的安全稳定。监测系统必须要全面地对周围的环境进行监测，能够准确的掌握其受力变形情况和内部土体性质的变化。在施工的过程中，还要最大限度的满足机械处理的要求，按照相应的实施标准来进行机械的处理，满足深基坑施工的安全性。基坑结构的相应沉降标准在监测的过程中，必须要重视对观测点设置和周边位置的监测，监测的仪器也要使用测微仪，这样才能够进行综合的分析。深基坑工程在进行变形监测的过程中，主要包括两个方面的内容：一方面是沉降监测。在对基础沉降进行监测的过程中一定要严格的按照相应的规范要求进行，在监测的过程中，一定要利用相同的设备和固定的线路来对同一位置进行监测，这样就能够最大限度的减少相应的监测误差，使监测数据更加的准确。

（二）对基坑结构监测结果的相关研究。在对实际的位置进行监测的过程中，对获取的监测数据要进行相应的整理，与基坑的沉降效果结合来制作曲线分布图，对于时间作用和深度效应的综合标准也必须要在相应的曲线图中有所体现。相关人员在监测的过程中，要每隔三天进行一次曲线图的绘制，这样才能够顺利的对基坑结构进行监测，获取准确的监测结果，对于后期的研究有着重要的参考价值。除此之外，还要对稳定标准和具体的规模进行衡量，如果出现问题就要及时的采取补救的措施，避免出现更大的安全事故。支护结构顶部成像效果在研究的过程中，对于所引起的地下水位的变化有着比较灵敏的沉降反应，相关的结构施工标，必须要根据具体的机械控标准来进行制定，还要充分的展现出止水帷幕措施的效果，这样才能够达到相关方案的要求。按照相应曲线图的曲线形状以及曲线斜率的变化情况来对标准指标进行确定，这样就能够降低沉降的速率，即使在基坑开挖之后的沉降量变得较大，那么基坑的变形趋势也会比较平稳，这样对于后期工作的开展是极为有利的。

二、变形预测

深基坑的变形预测可以利用灰色系统预测模型来进行，灰色系统模型经过了长期的发展，所研究的内容也变得更加的丰富。深基坑在进行变形监测的过程中，灰色系统是非常明显的，因此，可以利用灰色系统来进行变形预测。在变形预测的过程中，需要对原始的时间序列进行一定的累加，这样就会形成一个新的时间序列。在对这一事件序列进行研究的过程中需要利用一阶线性微分方程来进行，按照这种方法计算出来的时间序列是有着一定的规律的，时间序列呈现指数变化的，预测的精度是极高的。深基坑自身有着模糊性和非线性的特征，灰色系统理论将随机量控制在一定的范围内，将这一随机过程当做是在一定时区和一定服务区所变化的一系列的灰色过程，在对这些数据序列进行确定之后就可以进行建模预测。但是实际的工作中是很难的，利用常规的数学方法来进行输入与输出关系的确定极为困难，而神经网络具有非线性和学习功能，这样就对深基坑变形预测有着重要的影响，而且神经网络的关系信息是不会被人为地主观臆断的，这样就能够准确的反应出整个控制系统的输出与输入信息，而且神经网络的预测精度也较高，使用的是GM（1，1）模型来进行精度的检验的。

本文以某地的基坑监测项目所获取的大量的实测数据为依托，引用本文所介绍的灰色模型、BP神经网络模型、Elman神经网络模型及灰色神经网络组合模型对基坑变形监测数据进行拟合，并对预测结果进行对比分析。本章所使用的实测数据主要来源于基坑周边环境沉降、桩顶水平位移、土体深层水平位移监测项目。分别应用以上几种模型对基坑周边环境沉降、桩顶水平位移、土体深层水平位移进行预测，所选取实测数据的监测點为位于基坑东侧中部的D19号沉降监测点、基坑东侧北部的X4号测斜孔、基坑北侧东部的W12号桩顶水平位移监测点。

应用所选取的三种预测模型对基坑周边环境沉降进行预测和分析，在具体操作中用到的沉降监测数据来源于基坑东侧中部的D19号点。其中，对于灰色模型，本文主要建立等时距灰色GM（1，1）模型来对基坑的变形预测情况进行研究。选用现场所获取的沉降监测数据17期，每期时间间隔为四天，所应用数据的日期范围为2013年9月11日至2013年11月14日。在具体建模过程，选取前13期的监测数据来设计GM（1，1）模型，最后应用所建模型对剩下的四期监测数据进行拟合预测，并对模型的后验差比值C进行检验，把获得的预测结果与实际测量数值进行对比，并作出分析。

应用样本数据建立BP神经网络预测模型，应用此模型对时间序列数据进行预测。经研究，具体操作选用包括输入层、隐含层及输出层的三层网络结构，隐含层神经元个数的确定是重中之重，通过反复进行测试，发现当隐含层节点个数取为15时神经网络预测效果较好。

结论：本文主要较为深入的研究了深基坑工程施工过程中的变形监测及预测。通过对施工现场监测所得到的变形数据进行分析，参考最终的预测结果可以较为有效的对相关险情进行预警并及时采取相应的排险措施，以保证整个施工过程稳定有序的进行。

参考文献

[1]何习平，华锡生，田林亚.基坑开挖引起的建筑物沉降多点灰色预测模型[J].路基工程.2007（04）

[2]李晶，吴启勋.灰色神经网络模型及其应用[J].计算机与应用化学.2007（08）

[3]李爱国，袁宝远，陈艳国，赵燕容，任丽芳.灰色神经网络在深基坑位移预测中的应用[J].人民黄河.2006（04）