黃 浩，高俊強(qiáng)，蘇小文，李 靜

（1.南京工業(yè)大學(xué) 測(cè)繪學(xué)院，江蘇 南京 211816；2.中設(shè)設(shè)計(jì)集團(tuán)股份有限公司，江蘇 南京210014）

變形預(yù)測(cè)模型在地鐵保護(hù)區(qū)監(jiān)測(cè)中的應(yīng)用

黃 浩1,2，高俊強(qiáng)1，蘇小文1,2，李 靜1

（1.南京工業(yè)大學(xué) 測(cè)繪學(xué)院，江蘇 南京 211816；2.中設(shè)設(shè)計(jì)集團(tuán)股份有限公司，江蘇 南京210014）

結(jié)合某地鐵保護(hù)區(qū)隧道監(jiān)測(cè)工程，對(duì)沉降數(shù)據(jù)進(jìn)行了分析及建模預(yù)測(cè)，以掌握其變形規(guī)律并預(yù)測(cè)變形趨勢(shì)。由于單一預(yù)測(cè)模型存在弊端，較難達(dá)到預(yù)測(cè)要求，所以將灰色預(yù)測(cè)模型與時(shí)間序列模型進(jìn)行組合，并將新陳代謝的思想引入組合模型進(jìn)行建模預(yù)測(cè)。結(jié)果表明，新陳代謝灰色-時(shí)序組合模型預(yù)測(cè)結(jié)果可靠，具有較高應(yīng)用價(jià)值。

地鐵保護(hù)區(qū)監(jiān)測(cè)；預(yù)測(cè)模型；灰色-時(shí)序組合模型；新陳代謝

隨著經(jīng)濟(jì)飛速發(fā)展，我國(guó)城市軌道交通建設(shè)取得了一定成績(jī)。地鐵的建設(shè)緩解了城市交通的壓力，也帶動(dòng)了地鐵沿線的發(fā)展，而地鐵周邊其他工程項(xiàng)目的施工必然會(huì)對(duì)地鐵隧道產(chǎn)生影響。為保證地鐵隧道的安全，在鄰近工程施工過(guò)程中，對(duì)地鐵隧道進(jìn)行精密監(jiān)測(cè)，并對(duì)隧道變形趨勢(shì)進(jìn)行科學(xué)準(zhǔn)確地分析及預(yù)測(cè)就顯得尤為重要[1]。變形預(yù)測(cè)的方法有回歸分析、時(shí)間序列、灰色預(yù)測(cè)[2]、人工神經(jīng)網(wǎng)絡(luò)、小波變換等。由于變形機(jī)理的復(fù)雜性，單一預(yù)測(cè)模型較難滿足預(yù)測(cè)要求。為最大限度地挖掘單一模型蘊(yùn)含的信息，提高預(yù)測(cè)精度，本文建立了灰色-時(shí)序組合預(yù)測(cè)模型，并將新陳代謝思想引入組合模型中，最后通過(guò)工程實(shí)例進(jìn)行了驗(yàn)證。

1 新陳代謝灰色-時(shí)序組合模型

1.1 沉降數(shù)據(jù)的GM(1,1)模型

灰色預(yù)測(cè)模型是由我國(guó)著名學(xué)者鄧聚龍教授提出的，用以對(duì)既含有已知信息又含有未知或非確定信息的系統(tǒng)進(jìn)行預(yù)測(cè)[3]。該模型對(duì)建模數(shù)據(jù)的要求低，可直接處理非平穩(wěn)數(shù)據(jù)；且所需數(shù)據(jù)量較小，信息利用率高[4]。最常用的灰色預(yù)測(cè)模型為GM(1,1)模型。

設(shè)原始觀測(cè)序列為：

對(duì)原始觀測(cè)序列進(jìn)行一次累加，得到遞增序列為：

累加序列的一階線性微分方程為：

式中，a為發(fā)展系數(shù)；u為灰色作用量；a、u均為待定常數(shù)?？捎勺钚《嗽砬蟮茫?/p>

1.2 分離趨勢(shì)項(xiàng)

沉降量序列是由沉降量趨勢(shì)項(xiàng)和沉降量隨機(jī)項(xiàng)構(gòu)成的[5]，即

式中，yt為沉降量序列；xt為趨勢(shì)項(xiàng)；et為隨機(jī)項(xiàng)。

GM(1,1)模型可直接處理非平穩(wěn)的時(shí)間序列，將沉降數(shù)據(jù)進(jìn)行GM(1,1)建模處理，得到趨勢(shì)項(xiàng)；但GM(1,1)模型并未對(duì)et進(jìn)行處理，因此單一的GM(1,1)模型預(yù)測(cè)精度并不高。

1.3 對(duì)et建立自回歸模型

et為穩(wěn)定的時(shí)間序列，對(duì)其建立階數(shù)為p的自回歸模型，階數(shù)p可由AIC準(zhǔn)則確定[6]。

可由最小二乘原理求得參數(shù)的估值，從而得到et。

綜上，可將式（7）寫成為：

式（9）即為灰色-時(shí)序組合模型的預(yù)測(cè)式。其實(shí)質(zhì)為先運(yùn)用GM(1,1)模型對(duì)非平穩(wěn)序列進(jìn)行預(yù)處理，再對(duì)平穩(wěn)的et建立自回歸模型；亦可理解為一個(gè)具有指數(shù)趨勢(shì)項(xiàng)的時(shí)間序列模型。

1.4 將新陳代謝思想引入組合模型

由式（9）可建立灰色-時(shí)序組合模型對(duì)監(jiān)測(cè)點(diǎn)的沉降量進(jìn)行預(yù)測(cè)。但隨著監(jiān)測(cè)數(shù)據(jù)的逐漸增多，預(yù)測(cè)數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)相距漸遠(yuǎn)，且原預(yù)測(cè)模型不能隨時(shí)間推移而改進(jìn)[7]。若直接套用原模型進(jìn)行預(yù)測(cè)，其預(yù)測(cè)精度得不到保證。為解決此問題，本文將生物學(xué)中新陳代謝的思想引入灰色-時(shí)序組合模型，即不斷吸收新信息，淘汰舊信息，并保持相同維數(shù)。新陳代謝灰色-時(shí)序組合模型建模過(guò)程為：

2 工程實(shí)例

2.1 工程概況

某基坑項(xiàng)目位于某市地鐵一號(hào)線某區(qū)間西北側(cè)，開挖深度約為6 m?；余徑罔F側(cè)支護(hù)結(jié)構(gòu)外邊線，離地鐵隧道外邊線最近距離約為10．9 m?；舆吘€對(duì)應(yīng)地鐵左線里程為ZK20+218．85～ZK20+301．35，長(zhǎng)度為82．5 m；地鐵右線里程為YK20+226．50～YK20+312．50，長(zhǎng)度為86．0 m。監(jiān)測(cè)范圍為基坑邊線對(duì)應(yīng)地鐵線路里程及前后外放40 m范圍，左線為162．5 m，右線為166．0 m。

2.2 新陳代謝灰色-時(shí)序組合模型建模及預(yù)測(cè)結(jié)果

由于監(jiān)測(cè)點(diǎn)較多，選取較具有代表性的Y10點(diǎn)，對(duì)其前6期數(shù)據(jù)進(jìn)行分析。通過(guò)監(jiān)測(cè)點(diǎn)的累積沉降值進(jìn)行建模，分別使用GM(1,1)模型、灰色-時(shí)序組合模型、新陳代謝灰色-時(shí)序組合模型對(duì)累積沉降量進(jìn)行預(yù)測(cè)。運(yùn)用 Matlab 進(jìn)行計(jì)算[8]，可得Y10點(diǎn)3種模型的預(yù)測(cè)值和殘差值，如表1所示。

表1 Y10點(diǎn)3種模型的預(yù)測(cè)值及殘差值/mm

從表1可以看出，GM(1,1)模型預(yù)測(cè)殘差最大值達(dá)到0．72 mm，且從第7～9期殘差值增幅較大。組合模型相對(duì)于GM(1,1)模型預(yù)測(cè)精度均有提高，結(jié)果更接近實(shí)測(cè)值?；疑?時(shí)序組合模型和新陳代謝灰色-時(shí)序組合模型第7～8期的預(yù)測(cè)精度較高，殘差值均小于0．20 mm；特別是新陳代謝灰色-時(shí)序組合模型第7～8期的殘差值最大為0．10 mm，表明兩種組合模型的短期預(yù)測(cè)均可靠。當(dāng)預(yù)測(cè)第9期數(shù)據(jù)值時(shí)，GM(1,1)模型的殘差值為0．72 mm，相對(duì)誤差為47．37%，灰色-時(shí)序組合模型的殘差值為0．45 mm，相對(duì)誤差為29．31%，誤差精度都很難達(dá)到要求；而新陳代謝灰色-時(shí)序組合模型的殘差值僅為0．17 mm，相對(duì)誤差僅為11．18%，相對(duì)于GM(1,1)模型和灰色-時(shí)序組合模型預(yù)測(cè)結(jié)果更為可靠。

由圖1可看出，進(jìn)行第7期數(shù)據(jù)預(yù)測(cè)時(shí)，3種模型的預(yù)測(cè)結(jié)果均接近實(shí)際沉降值，效果較好；進(jìn)行第 8期數(shù)據(jù)預(yù)測(cè)時(shí)，GM(1,1)模型預(yù)測(cè)結(jié)果偏離實(shí)際沉降值較多，結(jié)果不夠理想，灰色-時(shí)序組合模型與新陳代謝灰色-時(shí)序組合模型的預(yù)測(cè)結(jié)果仍接近實(shí)際沉降值；進(jìn)行第9期數(shù)據(jù)預(yù)測(cè)時(shí)，GM(1,1)模型與灰色-時(shí)序組合模型的預(yù)測(cè)結(jié)果均已偏離實(shí)際沉降值較多。新陳代謝灰色-時(shí)序組合模型由于不斷引入最新數(shù)據(jù)、淘汰舊數(shù)據(jù)，其預(yù)測(cè)結(jié)果更接近實(shí)際沉降值，更為可靠。

圖1 Y10點(diǎn)累積沉降值及3種模型預(yù)測(cè)值

3 結(jié) 語(yǔ)

當(dāng)數(shù)據(jù)量較小時(shí)，GM(1,1)模型可對(duì)后期數(shù)據(jù)進(jìn)行預(yù)測(cè)。但單一的GM(1,1)模型預(yù)測(cè)精度不高?；疑?時(shí)序組合模型充分利用了GM(1,1)模型與自回歸模型，更好地反映了實(shí)際沉降規(guī)律，在中短期預(yù)測(cè)時(shí)精度較高；但由于未及時(shí)進(jìn)行數(shù)據(jù)更新，在進(jìn)行長(zhǎng)期預(yù)測(cè)時(shí)，效果并不理想。新陳代謝灰色-時(shí)序組合模型在灰色-時(shí)序組合模型的基礎(chǔ)上，及時(shí)引入了最新的監(jiān)測(cè)數(shù)據(jù)，淘汰舊的監(jiān)測(cè)數(shù)據(jù)。實(shí)例數(shù)據(jù)表明，新陳代謝灰色-時(shí)序組合模型在中短期預(yù)測(cè)、長(zhǎng)期預(yù)測(cè)中均取得了較可靠的預(yù)測(cè)結(jié)果，在類似的地鐵保護(hù)區(qū)變形預(yù)測(cè)分析中具有較高的應(yīng)用價(jià)值。

[1] 于來(lái)法．論地下鐵道的變形監(jiān)測(cè)[J]．測(cè)繪通報(bào),2000(5):13-15

[2] 袁明月,周呂,文鴻雁,等．灰色系統(tǒng)與時(shí)間序列在高鐵沉降變形中的應(yīng)用[J]．地理空間信息,2013,11(4):131-133

[3] 鄧聚龍．灰色預(yù)測(cè)決策[M]．武漢:華中理工大學(xué)出版社,1988

[4] 陳偉清,田海濤,陳佳佳．工程建筑變形分析的灰色模型探討[J]．廣西大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,36(1):64-70

[5] 王磊,陳偉清,劉國(guó)獻(xiàn),等．灰色自回歸模型的建筑物沉降預(yù)測(cè)探討[J]．測(cè)繪科學(xué),2013,38(2):125-127

[6] 何超,黃聲享,陳啟文,等．基于數(shù)據(jù)殘差的AR模型在高鐵路基沉降預(yù)測(cè)中的應(yīng)用[J]．測(cè)繪工程,2011,20(5):53-56

[7] 孫澤信,龐逸群,黃騰．改進(jìn)的灰色模型在建筑物沉降預(yù)測(cè)中的應(yīng)用[J]．測(cè)繪工程,2010,19(3):59-62

[8] 陳?。甅atlab在變形監(jiān)測(cè)數(shù)據(jù)處理中的應(yīng)用[J]．城市勘測(cè), 2009(2):130-133

P258

B

1672-4623（2017）01-0104-03

10.3969/j.issn.1672-4623.2017.01.032

黃浩，碩士研究生，主要從事工程測(cè)量等科研和應(yīng)用方面工作。

2015-01-15。