城市轨道交通盾构工程预警预测方法 技术领域 本发明涉及一种盾构工程预警预测方法， 属于盾构安全施工技术领域， 尤其是指 一种城市轨道交通盾构工程预警预测方法。
背景技术 目前， 城市轨道交通工程建设采用的施工方法主要包括有明挖法、 矿山法与盾构 法， 其中， 盾构法是利用盾构机设备在地下通过刀盘、 千斤顶、 螺旋机等关键设备进行切土 与出土， 以实现掘进的施工方法。但是， 在施工过程中， 盾构机施工容易因对参数控制的不 合理而造成地面沉降、 建 ( 构 ) 物破坏、 管线断裂等， 进而造成极大的人员与经济损失。而 现有技术中， 至今未有一种科学合理的盾构工程预警预测方法能够实现对盾构施工安全的 及时预警与预测， 本发明即针对现有技术中存在的问题进行的技术改进。
发明内容 本发明的目的在于克服现有技术中的缺陷与不足， 提供一种城市轨道交通盾构工 程预警预测方法， 实现对盾构施工引起的地表沉降进行及时预警、 及时处置， 以规避不合理 的盾构掘进造成的人员与经济损失， 除患于未然。
为了实现上述目的， 本发明按以下技术方案实现 ：
一种城市轨道交通盾构工程预警预测方法， 其包括以下步骤 ：
a、 建立预测地表沉降的理论公式
b、 根据工程实测数据， 应用上述理论公式计算地表沉降值 ；
c、 将计算得出的地表沉降值与预警阈值相比较， 如果超过预警阈值， 系统自动将 产生指令， 指导盾构施工安全进行。
进一步， 所述 a 步骤中， 建立预测地表沉降的理论公式包括以下步骤 ：
a1、 利用多元线性回归分析预测法确定实测地表沉降的回归模型
Y 实测地表沉降＝ b0+b1·Q 实际出土量 +b2·Q 实际注浆量 +b3·υ 实际掘进速度，
其中， b0 为常数项， b1 为出土量沉降系数， b2 为注浆量沉降系数， b3 为掘进速度沉 降系数， 基于工程实测数据， 利用最小二乘法确定 b0、 b1、 b2 和 b3 ；
a2、 用理论出土量、 理论注浆量和理论掘进速度代入 a1 的回归模型， 得出新的实 测地表沉降公式
Y 实测地表沉降＝ b0+b1·ζ1·Q 理论出土量 +b2·ζ2·Q 理论注浆量 +b3·ζ3·ν 理论掘进速度，
其中， ζ1 为出土量校正系数， ζ2 为出土量校正系数， ζ3 为出土量校正系数， 且通
过公式确定 ζ1、 ζ2 和 ζ3 ；a3、 将理论出土量、 理论注浆量和理论掘进速度的求解公式代入 a2 的沉降公式， 即可建立预测地表沉降的理论公式。
进一步， 所述 a1 步骤中， 对回归模型和沉降系数进行假设检验、 及对回归模型进 行拟合效果评价。
进一步， 所述 c 步骤中， 预警阈值根据不同地质条件而确定。
本发明与现有技术相比， 其有益效果为 ：
基于工程实测数据， 建立一种城市轨道交通盾构工程预警预测方法， 可以实现对 盾构施工引起的地表沉降进行及时预警、 及时处置， 从而以规避不合理的盾构掘进造成的 人员与经济损失， 除患于未然。
为了能更清晰的理解本发明， 以下将结合附图说明阐述本发明的具体实施方式。 附图说明
图 1 是本发明的实现流程示意图。具体实施方式
如图 1 所示， 本发明所述的城市轨道交通盾构工程预警预测方法， 其包括以下步 骤：
a、 建立预测地表沉降的理论公式
b、 根据工程实测数据， 应用上述理论公式计算地表沉降值 ；
c、 将计算得出的地表沉降值与预警阈值相比较， 如果超过预警阈值， 系统自动将 产生指令， 指导盾构施工安全进行。
上述 a 步骤中， 建立预测地表沉降的理论公式包括以下步骤 ：
a1、 利用多元线性回归分析预测法确定实测地表沉降的回归模型
Y 实测地表沉降＝ b0+b1·Q 实际出土量 +b2·Q 实际注浆量 +b3·υ 实际掘进速度，
其中， b0 为常数项， b1 为出土量沉降系数， b2 为注浆量沉降系数， b3 为掘进速度沉 降系数， 基于工程实测数据， 利用最小二乘法确定 b0、 b1、 b2 和 b3 ；
a2、 用理论出土量、 理论注浆量和理论掘进速度代入 a1 步骤中的回归模型， 得出 新的实测地表沉降公式
Y 实测地表沉降＝ b0+b1·ζ1·Q 理论出土量 +b2·ζ2·Q 理论注浆量 +b3·ζ3·ν 理论掘进速度，
其中， ζ1 为出土量校正系数， ζ2 为出土量校正系数， ζ3 为出土量校正系数， 且通
过公式
确定 ζ1、 ζ2 和 ζ3 ； a3、将 理 论 出 土 量 和理论掘进速度 理 论 注 浆 量 的求解公式代入 a2 步骤中的沉降公式， 即可建立预测地表沉降的理论公式
其中， n0 为土层的松散系数 ( 具体数值可查看土层松散系数表 )， D1 为盾构机刀盘外径， D2 为管片外径， L 为管片宽度， 为注浆率 ( 规范是在 130％～ 180％ )。 上述 a1 步骤中， 利用最小二乘法确定 b0、 b1、 b2 和 b3 的过程如下 ：
假 设 Y 为 实 测 地 表 沉 降， λ1 为 出 土 量， λ2 为 注 浆 量， λ3 掘 进 速 度， 经分析 λ1， λ2， λ3 在一定范围内与 Y 成线性关系， 则多元线性回归模型的一般形式为 ： Y＝ b0+b1λ1+b2λ2+b3λ3+e。
其中 bj 为参数 βj 的估计值， b0 为常数项， b1， b2， b3 为沉降系数， b1 为当 λ2、 λ3 固定时 λ1 每增加一个单位对 Y 的效应， b1 为 λ1 对 Y 的偏回归系数 ； 同理， b2 为 λ2 对 Y 的 偏回归系数， b3 为 λ3 对 Y 的偏回归系数， e 为其他的随机误差。
求参数 bj， 建立多元线性回归方程为 ：
解回归参数的正规方程组为 ：
其中 Y 是沉降均值， 为 Y 的估计值， λj 是自变量均值。解此方程可求得 b0， b1， b2， b3 的值。
对回归模型和沉降系数需要进行假设检验、 及对回归模型进行拟合效果评价， 其 中要用到的几个参数公式 ：
总变异平方和 ： 回归平方和 ： 残差平方和 ： 1、 对回归模型的假设检验 ： F 检验 检验统计量为 F ：根据给定的显著水平 a， 自由度 (m， n-m-1) 查 F 分布表， 得到相应的临界值 Fa， 若 F ＞ Fa， 则回归方程具有显著意义， 回归效果显著 ； F ＜ Fa， 则回归方程无显著意义， 回归效 果不显著， 需重新选择样本数据进行回归分析， n 为样本个数， m 为参数个数， 本申请中 m ＝ 3。
2、 对沉降系数的假设检验
回归方程成立只能认为总的来说自变量与因变量间存在线性关系， 但是否每一个 自变量都与因变量间存在线性关系， 需对其沉降系数进行假设检验， 分为方差分析跟 t 检验法两种， 检验效果完全一样的。
计算 λi 的偏回归平方和 Ui， 它表示模型中含有其他 m-1 个自变量的条件下对该 自变量 Y 的回归贡献， 相当于从回归方程中剔除 λi 后所引起的回归平方和的减少量。偏 回归平方和 Ui 越大说明自变量 λi 越重要。
检验统计量为 F ：其中 Ui 为第 i 个变量的偏回归平方和， 注意 m-1 个自变量对 Y 的回归平方和由 m-1 个自变量对 Y 重新建立回归方程后计算得到， Ui 仍然用 SS 回的计算公式。根据给定的显著 水平 a， 自由度 (1， n-m-1) 查 F 分布表， 得到相应的临界值 Fa， 若 F ＞ Fa， 则 λi 说明对 Y 越 重要， 回归效果显著 ； F ＜ Fa， 则 λi 说明 λi 对 Y 重要， 不能剔除。
3、 标准偏化回归系数
多元线性回归方程中， 每个自变量的单位不同， 其沉降系数之间无法直接比较的， 需要对沉降系数标准化， 以消除量纲的影响。
标准沉降系数标准沉降系数绝对值的大小， 可用以衡量自变量对因变量贡献的大小， 说明的是 这个自变量在多元回归方程中的重要性， 该变量越重要， 需要保留。
4、 对模型拟合效果进行评价
4.1 决定系数
多元线性回归的多重可决系数 R2， 是在 Y 的总变化中， 由回归方程解释的变动 ( 回 归平方和 ) 所占的比重， 计算公式为 ：
R2 为单位， 取值在 0 ～ 1 之间。R2 越大， 回归方程中对样本数据点拟合的程度越 强， 所有自变量与因变量的关系越密切， 说明拟合方程有效。
4.2 复相关系数
是衡量因变量 Y 跟回归方程内所有自变量线性组合相关关系的密切程度。0 ≤ R ≤ 1， 没有负值。R 越接近 1， 说明相关关系越密切。 4.3 剩余标准差
扣除 m 个自变量的影响后， 因变量 Y 仍然存在的变异， 即不能有 m 个自变量解释的 Y 的变异， 用 SY-12...m 来表示。
剩余标准差越小， 说明回归效果越好。
4.4 校正决定系数
当方程中包含很多自变量时， 即使其中一些自变量在解释因变量 Y 的变异时贡献 很小， 但随着回归方程中自变量的增加， 决定系数仍然会表现为只增不减， 故计算校正决定
系数以消除自变量个数的影响。
校正决定系数决定越大， 说明回归效果越好， 不需要重新进行回归分析。本发明并不局限于上述实施方式， 如果对本发明的各种改动和变型不脱离本发明 的精神和范围， 倘若这些改动和变型属于本发明的权利要求和等同技术范围之内， 则本发 明也意图包含这些改动和变型。