CN115618697B - 一种盾构隧道多地层参数的cae仿真反演方法和服务器 - Google Patents

一种盾构隧道多地层参数的cae仿真反演方法和服务器 Download PDF

Info

Publication number
CN115618697B
CN115618697B CN202211636206.4A CN202211636206A CN115618697B CN 115618697 B CN115618697 B CN 115618697B CN 202211636206 A CN202211636206 A CN 202211636206A CN 115618697 B CN115618697 B CN 115618697B
Authority
CN
China
Prior art keywords
soil layer
parameter
parameters
value
layer related
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211636206.4A
Other languages
English (en)
Other versions
CN115618697A (zh
Inventor
闫鹏洋
王长欣
田淑明
吴连奎
刘韶鹏
赵洪斌
康天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yunlu Technology Co Ltd
Original Assignee
Beijing Yunlu Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Yunlu Technology Co Ltd filed Critical Beijing Yunlu Technology Co Ltd
Priority to CN202211636206.4A priority Critical patent/CN115618697B/zh
Publication of CN115618697A publication Critical patent/CN115618697A/zh
Application granted granted Critical
Publication of CN115618697B publication Critical patent/CN115618697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种盾构隧道多地层参数的CAE仿真反演方法和服务器。CAE仿真反演方法包括将一组力学反演参数细分为土层相关实验参数，分级扩展为土层相关子实验参数，并形成组；获得实际测点位置的地表沉降实测值；将各个土层相关子实验参数组分别输入到有限元CAE仿真二维模型中，得到与各个土层相关子实验参数组的地表沉降仿真值；计算各个土层相关子实验参数组的相对误差的平均值，并选取基准组合；得到土层相关实验参数的重要性排序；利用模式搜索算法依次对各个土层相关实验参数的最优值进行搜索，得到最优土层相关实验参数的组合。整体的CAE仿真反演方法具有流程清晰明确和不依赖于应用人员经验的优点，提高力学参数组合的寻优效率。

Description

一种盾构隧道多地层参数的CAE仿真反演方法和服务器
技术领域
本申请涉及一种盾构隧道地层力学参数位移反分析技术领域，更具体地说，涉及一种盾构隧道多地层参数的CAE仿真反演方法和服务器。
背景技术
地铁盾构隧道项目建设过程，线路地质条件复杂多变，工程本体及周边既有建筑结构施工风险大。随着计算机科学的发展，越来越多的工程人员采用CAE仿真方法提前对盾构隧道开挖过程地层响应情况进行仿真分析，及时对风险点位采取有效措施，确保盾构隧道的安全施工。
而对盾构隧道开挖过程进行有限元CAE仿真，其中最重要的一个环节就是获取有效且可靠的隧道地层力学参数，“参数给不准”是行业人员面临的共同难题，常规的地质勘测以及经验数据只能提供初步参考，如何获取更加贴近现场实际的隧道地层力学参数成为行业的一个热点问题。目前通过现场地表沉降位移监测和有限元CAE仿真相结合的位移反分析技术是解决地层参数瓶颈问题广泛采用的一种有效手段，具有较大的工程实用价值。现有的有限元CAE仿真模型结合人工神经网络优化算法的方法，利用神经网络训练反演代替重复的有限元计算，但是也存在以下不足：
①神经网络的模型超参数较多，例如，反向传播人工神经网络的超参数包括隐藏层层数、学习率和迭代次数等，需要结合具体训练情况根据经验调整模型超参数，如果超参数的设计不当，在神经网络训练优化过程中容易陷入局部最优的情况，使得优化结果不够理想，从而导致整个仿真反演过程的效率低下；
②神经网络算法的训练需要大量的样本数据，需要花费较长时间训练模型，目前获取的样本组数较难达到理想的训练效果；
③为了提升神经网络训练的效率，通常先对多地层反演参数进行敏感性评价，选取敏感系数较大的参数作为目标参数，其他参数舍弃，这样获取的参数准确度及可靠度存在一定的缺陷和不足。
发明内容
本申请为解决现有技术中存在的上述问题提供了一种盾构隧道多地层参数的CAE仿真反演方法和服务器，整体的CAE仿真反演方法具有流程清晰明确和不依赖于应用人员经验的优点，并且有效的提高了力学参数组合的寻优的效率，所获得的力学参数组合具有准确度和可靠性高的特点。
根据本申请的第一方案，提供一种盾构隧道多地层参数的CAE仿真反演方法，所述CAE仿真反演方法包括：选取一组力学反演参数。按照地层深度分布情况，将盾构隧道施工影响范围划分为n个土层，并基于土层的划分数量，将所述一组力学反演参数细分为土层相关实验参数，并将各个所述土层相关实验参数根据分级扩展为N级别的土层相关子实验参数，将各个级别的土层相关子实验参数形成组。在所述反演断面处布设地表沉降监测断面，确定所述地表沉降监测断面上的实际测点位置，获得实际测点位置的地表沉降实测值S X 。根据所述地表沉降监测断面上的实际测点位置在有限元CAE仿真二维模型中确定相应的节点位置，将各个土层相关子实验参数组分别输入到有限元CAE仿真二维模型中，得到与各个土层相关子实验参数组相对应的各个节点位置的地表沉降仿真值S Y0 。计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ，并选取最小f(S) la 值的土层相关子实验参数组作为基准组合。基于各个所述土层相关子实验参数组的f(S) la 值，得到土层相关实验参数的重要性排序。以基准组合中的各个相关实验参数的对应值为起点，在各个相关实验参数的取值范围内，按照土层相关实验参数的重要性，利用模式搜索算法依次对各个土层相关实验参数的最优值进行搜索，得到最优土层相关实验参数的组合。
根据本申请的第二方案，提供一种盾构隧道多地层参数的CAE仿真反演服务器，所述服务器包括通信接口，其配置为获取地表沉降实测值S X 、土层的划分数量和通过各种CAE软件利用求解器得到与各个土层相关子实验参数组相对应的各个节点位置的地表沉降仿真值S Y0 。以及所述处理器，其配置为选取一组力学反演参数；基于土层的划分数量，将所述一组力学反演参数细分为土层相关实验参数，并将各个所述土层相关实验参数根据分级扩展为N级别的土层相关子实验参数，将各个级别的土层相关子实验参数形成组；计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ，并选取最小f(S) la 值的土层相关子实验参数组作为基准组合；基于各个所述土层相关子实验参数组的f(S) la 值，得到土层相关实验参数的重要性排序；以基准组合中的各个土层相关实验参数的对应值为起点，在各个土层相关实验参数的取值范围内，按照土层相关实验参数的重要性，利用模式搜索算法依次对各个土层相关实验参数的最优值进行搜索，得到最优土层相关实验参数的组合。
本申请各个实施例提供的盾构隧道多地层参数的CAE仿真反演方法和服务器，通过土层划分细分力学反演参数和参数分级，有利于精准的确定基准组合和各个土层相关实验参数的重要性排序；通过地表沉降仿真值和实测值的相对误差，并选取相对误差的最小值作为基准组合，给后续的模式搜索提供搜索基点，提升力学参数组合寻优的效率，过程简单易行；通过土层相关实验参数的重要性排序，有助于模式搜索法快速明确各个参数寻优的方向，极大的提高了参数寻优效率，能够获得可靠的全局最优结果；通过模式搜索法在基准组合的基础上寻找得到最优组合，整个过程步骤清晰，流程明确，不依赖于应用人员的经验，具备推广性强、应用范围广的特点。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。
图1示出根据本申请实施例的盾构隧道多地层参数的CAE仿真反演方法的流程图；
图2示出根据本申请实施例的建立有限元CAE仿真二维模型的流程图；
图3示出根据本申请实施例的单洞隧道的CAE仿真二维模型的盾构隧道参数的示意图；
图4示出根据本申请实施例的双洞隧道的CAE仿真二维模型的盾构隧道参数的示意图；
图5示出根据本申请实施例的单洞隧道的CAE仿真二维模型的位移边界条件约束的示意图；
图6示出根据本申请实施例的双洞隧道的CAE仿真二维模型的位移边界条件约束的示意图；
图7示出根据本申请实施例的确定所述地表沉降监测断面上的实际测点位置的流程图；
图8示出根据本申请实施例的单洞隧道施工现场实际测点位置的布置示意图；
图9示出根据本申请实施例的双洞隧道施工现场实际测点位置的布置示意图；
图10示出根据本申请实施例的土层相关实验参数的最优值的搜索流程图；
图11示出根据本申请实施例的模式搜索法的搜索判断过程图；以及
图12示出根据本申请实施例的CAE仿真反演服务器的结构示意图。
具体实施方式
为使本领域技术人员更好的理解本申请的技术方案，下面结合附图和具体实施方式对本申请作详细说明。下面结合附图和具体实施例对本申请的实施例作进一步详细描述，但不作为对本申请的限定。
本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。本申请中结合附图所描述的方法中各个步骤的执行顺序并不作为限定。只要不影响各个步骤之间的逻辑关系，可以将数个步骤整合为单个步骤，可以将单个步骤分解为多个步骤，也可以按照具体需求调换各个步骤的执行次序。
图1示出根据本申请实施例的盾构隧道多地层参数的CAE仿真反演方法的流程图。所述CAE仿真反演方法包括：步骤101，选取一组力学反演参数。盾构隧道地层涉及的物理力学参数包括弹性模量E、泊松比v、粘聚力c、内摩擦角φ和单一土层内的注浆层弹性模量E g 等。可以任取其中的多个物理力学参数作为力学反演参数。在一些实施例中，一组力学反演参数包括弹性模量E、泊松比v、粘聚力c、内摩擦角φ和单一土层内的注浆层弹性模量E g 。由于所述CAE仿真反演方法的寻优效率高，对于影响不大的反演参数也可以不必舍弃，所以选取的物理力学参数更全面。特别考虑到注浆层对地层沉降的影响，提出了注浆层弹性模量作为力学反演参数，有利于完善地层参数反演技术，较好的提升地层参数反演的精准性以及技术的可靠性、实用性。
在步骤102，按照地层深度分布情况，将盾构隧道施工影响范围划分为n个土层，并基于土层的划分数量，将所述一组力学反演参数细分为土层相关实验参数，并将各个所述土层相关实验参数根据分级扩展为N级别的土层相关子实验参数，将各个级别的土层相关子实验参数形成组。进一步，不同的划分土层数，得到的土层相关实验参数分别为E i 、v i 、c i 、φ i 和E g ，其中i取值为1至土层数之间的整数，包括1和土层数。比如分为3个土层，则弹性模量E可以细分为E 1 、E 2 、E 3 ，泊松比v可以细分为v 1 、v 2 、v 3 ，粘聚力c可以细分为c 1 、c 2 、c 3 ，内摩擦角φ可以细分为φ 1 、φ 2 、φ 3 ，注浆层区域限定在单一地层内，所以得到单一地层的注浆层弹性模量E g 。所以在划分三个土层的情况下，可以得到13个土层相关实验参数。然后将各个土层相关实验参数进行分级扩展，比如可以按照各个土层相关实验参数的取值范围等进行分级，进一步细分土层相关实验参数，这样有助于寻优得到更接近最优结果的基准组合，以提高寻优的效率。可以根据每个组中都含有各个土层相关实验参数进行分组，以输入到有限元CAE仿真二维模型得到地表沉降仿真值。
在步骤103，确定地层参数反演断面，在所述反演断面处布设地表沉降监测断面，确定所述地表沉降监测断面上的实际测点位置，获得实际测点位置的地表沉降实测值S X 。通过现场对实际测点位置进行监测，可以依据现有的标准方法确定实际测点位置和进行监测，以得到S X 。
在步骤104，根据所述地表沉降监测断面上的实际测点位置在有限元CAE仿真二维模型中确定相应的节点位置，将各个土层相关子实验参数组分别输入到有限元CAE仿真二维模型中，得到与各个土层相关子实验参数组相对应的各个节点位置的地表沉降仿真值S Y0 。有限元CAE仿真二维模型的监测点位置与实际测点位置在空间上一一对应，所以结合现场实际测点位置，在CAE仿真模型中确定相应的节点位置，以使有限元CAE仿真二维模型与真实的现场实际情况进行匹配。各个土层相关子实验参数组输入到有限元CAE仿真二维模型中，有限元CAE仿真二维模型进行计算输出地表沉降仿真值S Y0 。
在步骤105，计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ，并选取最小f(S) la 值的土层相关子实验参数组作为基准组合。通过f(S) la 能够获得仿真值与实测值之间相对误差情况，如果f(S) la 值最小，说明可能对应的土层相关实验参数较为接近最优值，并以对应的土层相关子实验参数组作为基准组合，进行后续的搜索，有利于快速找到最优值，提高找到最优组合的效率。
在步骤106，基于各个所述土层相关子实验参数组的f(S) la 值，得到土层相关实验参数的重要性排序。结合土层相关子实验参数组中的土层相关实验参数和对应的f(S) la 值，可以得到不同级土层相关实验参数所对应的f(S) la 值的情况，即不同级土层相关实验参数的相对误差情况，进而可以得到土层相关实验参数的重要性排序。
在步骤107，以基准组合中的各个土层相关实验参数的对应值为起点，在各个相关实验参数的取值范围内，按照土层相关实验参数的重要性，利用模式搜索算法依次对各个土层相关实验参数的最优值进行搜索，得到最优土层相关实验参数的组合。
步骤101至步骤107的CAE仿真反演方法，先根据土层数细分力学反演参数，然后进行参数分级，有利于后续确定更为精准的基准组合，使寻优搜索的初始值更加接近最优值，提高寻优的效率，缩短寻优时间，还有利于获得准确度高和可靠性好的地层参数。参数寻优的过程中，确定基准组合、土层相关实验参数的重要性排序和模式搜索的过程采用传统数学方法，明确参数寻优方向，步骤清晰，无须依赖于应用人员的经验，使寻优的结果更加贴近现场实际的隧道地层力学参数。
图2示出根据本申请实施例的建立有限元CAE仿真二维模型的流程图。有限元CAE仿真二维模型为多地层的有限元CAE仿真二维模型，在一些实施例中，有限元CAE仿真二维模型分为单洞隧道有限元CAE仿真二维模型和双洞隧道有限元CAE仿真二维模型。盾构开挖施工区域限定在单一地层，管片周边设置等代注浆层，模型除注浆层和管片衬砌采用线弹性本构外，其余土层皆采用摩尔库伦本构。在步骤201，确定盾构隧道参数。如图3和图4所示，结合盾构隧道相关资料现场实际情况，盾构隧道参数包括：盾构开挖隧道直径尺寸d、注浆层厚度δ、管片衬砌厚度η、注浆圈的外径D和双洞隧道的净间距为L等中的一种或多种。其中双洞隧道位于同一地层，双洞隧道的高程可以不等，也可以相等。
在步骤202，根据隧道开挖的影响范围，确定CAE仿真二维模型的尺寸范围。CAE仿真模型的宽度选取以影响范围不波及边界为原则，根据圣维南原理，影响范围约为开挖范围的3~5倍，因此模型两侧边界距离临近隧道中轴线距离为可以3D（注浆圈的外径），模型底部距离隧道注浆层底部距离可以为3D（注浆圈的外径）。
在步骤203，基于所述盾构隧道参数和所述CAE仿真二维模型的尺寸范围通过有限元CAE软件建立二维盾构隧道CAE仿真模型。基于尺寸范围确定的模型形状，在XY平面建立二维盾构隧道CAE仿真模型。
在步骤204，对二维盾构隧道CAE仿真模型进行网格划分。可以先对二维盾构隧道CAE仿真模型进行自动网格剖分，然后对网格质量进行检查，对于质量较差处的网格进行手动修改，以获得更高质量的网格。
在步骤205，确定二维盾构隧道CAE仿真模型的计算过程。具体的，计算步骤包括两个阶段，第一阶段为地应力平衡阶段，此时模型注浆层和管片衬砌单元未被激活，注浆层区域单元材料仍为土层材质，激活模型各个土层的单元，开挖区土体单元仍然激活，自重生成对应的初始应力场；第二阶段为盾构开挖阶段，二维盾构隧道CAE仿真模型包括土层单元、注浆层单元和管片衬砌单元，开挖部分土体单位被删除，同时注浆层材质由土体材料转换为土-浆液混合材料，管片衬砌单元被激活，土层i与注浆层、注浆层与管片衬砌之间的接触设置被激活。 其中，双洞隧道盾构开挖情况下，结合施工情况确定左线隧道和右线隧道的开挖施工顺序。
在步骤206，对二维盾构隧道CAE仿真模型施加位移边界条件得到有限元CAE仿真二维模型。如图5和图6所示，具体的，对模型左部和右部边界设置X向位移约束，模型底部边界设置X和Y向位移约束，模型上部边界位移无约束。
通过步骤201-步骤206，能够建立多地层盾构隧道施工有限元CAE仿真模型，特别是分别建立了盾构隧道施工单洞隧道及双洞隧道的有限元CAE仿真反演模型。有利于分别得到单洞隧道和双洞隧道的隧道地层力学参数，应用范围广。
图7示出根据本申请实施例的确定所述地表沉降监测断面上的实际测点位置的流程图，在所述反演断面处布设地表沉降监测断面，确定所述地表沉降监测断面上的实际测点位置具体包括：在步骤701，确定盾构隧道的轴线，基于所述反演断面，确定垂直于所述盾构隧道轴线的地表沉降监测断面。在步骤702，基于所述地表监测断面对于周围土体和周边环境的影响，确定监测间距。在步骤703，基于所述监测间距在盾构隧道上方、盾构隧道轴线两侧布置实际测点位置。可以按照《城市轨道交通工程监测技术规范GB50911-2013》确定地表沉降监测断面的分布位置和监测间距。具体的，根据隧道工程施工对周围岩土体扰动和周边环境影响的程度及范围划分，可分为主要、次要和可能等三个工程影响分区。中轴线上方和两侧的测点测量位置不同，监测范围应根据隧道埋深和断面尺寸、施工工法、支护结构形式、地质条件、周边环境条件等综合确定，并应包括主要影响区和次要影响区，且主要影响区的监测点间距宜为3m~5m，次要影响区的监测点间距宜为 5m~10m，考虑到中轴线两侧地层的非对称性，监测点应沿着中轴线在水平间距上对称分布，获取地层不对称分布对隧道两侧地表沉降情况的影响。
在一些实施例中，在以隧道中轴线为中心轴，实际测点位置布设在隧道中轴线上方，考虑到中轴线两侧地层分布的不对称性，中轴线测点两侧分别以相邻水平间距3m、5m和5m对称布设实际测点。比如，如图8所示，对于单洞隧道，在隧道中轴线的上方布设7个实际测点位置，分别为DB01、DB02、DB03、DB04、DB05、DB06和DB07，其中DB04与中轴线重合，DB03和DB05分别与DB04的间距为3m，其余相邻实际测点位置的间距为5m。
在一些实施例中，双洞隧道以左隧道中轴线、右隧道中轴线、左右隧道中心水平方向连线垂直中轴线为基点位置，分别在三条中轴线位置处布设地表沉降监测点，并在轴线基点测点两侧水平间隔3m分别布设一个测点，区间内其他位置以3m标准水平间距确定测点位置，不足3m间距的与相邻间距进行调整。左隧道中轴线、右隧道中轴线外侧分别以水平间距3m、5m、5m布设地表沉降测点，共K个地表侧点。比如，如图9所示，在隧道中轴线的上方设置K个测点，DB-1、DB-2、DB-3、DB-4、DB-5...DB-K，设置与隧道中轴线重合的实际测点为DB-i，DB-4和DB-(K-3)分别与双洞隧道的中轴线重合，在与DB-i两侧对称布设实际测点，与DB-3、DB-4、DB-5…DB-(K-2)相邻的两个实际测点之间的间距分别3m，DB-1、DB-2和DB-3之间的间距为5m，DB-(K-2)、DB-(K-1)、DB-K之间的间距为5m。
在一些实施例中，获得实际测点位置的地表沉降实测值S X 的方法可以包括：利用Leica NA2精密水准仪，配套钢尺等工具，采用精密水准测量方法。具体的，在基点和附近基准点联测取得初始高程，观测时各项限差应严格控制，各测点读数应在 0.3mm 以内，对不在水准路线上的观测点，一个测站不宜超过 3个，如超过时，应重读后视点读数，以作核对；地表监测基点为高程已知的标准基准点，监测时通过测得各测点与基准点的高程差获得各监测点的标准高程，然后与上次测得高程进行比较，差值即为该测点的沉降值。在条件许可的情况下，尽可能的布设导线网，以便进行平差处理，提高观测精度，然后按照测站进行平差，求得各点高程。
在一些实施例中，将各个所述土层相关实验参数根据分级扩展为N级别的土层相关子实验参数具体包括：根据各个力学反演参数的取值范围，确定分级水平数N，将各个所述土层相关实验参数进行分级，得到各个级别的土层相关子实验参数。具体的，可以根据土层相关实验参数的取值范围确定分级N的数值。即根据弹性模量E i 为[E i min ，E i max ]，泊松比v i 为[v i min ，v i max ]，粘聚力c i 为[c i min ，c i max ]，内摩擦角φ i 为[φ i min ，φ i max ]，i表示各个土层，注浆层弹性模量E g 为[E g min ，E g max ]进行确定分级N的数值，不同的地层下分级N的数值可以相同或不同，根据不同地层的力学反演参数的取值范围进行确定。对于取值范围较大的土层相关实验参数，分级N的数值可能较大，对于取值范围较小的土层相关实验参数，分级N的数值可能较小。对于土层相关实验参数的取值范围，可以根据勘察资料进行确定。进一步，土层相关子实验参数分别为E ij-1 、v ij-2 、c ij-3 、φ ij-4 和E gj-5 ，其中i取值为1至土层数之间的整数，包括1和土层数；j-1、j-2、j-3、j-4和j-5分别为1至N之间的整数，包括1和N。比如土层数为3，N=3，则扩展后的土层相关子实验参数包括E 11 、E 21 、E 31 、v 11 、v 21 、v 31 、c 11 、c 21 、c 31 、φ 11 、φ 21 、 φ 31 、E g1 ，E 12 、E 22 、E 32 、v 12 、v 22 、v 32 、c 12 、c 22 、c 32 、φ 12 、φ 22 、φ 32 、E g2 ，E 13 、E 23 、E 33 、v 13 、v 23 、v 33 、c 13 、 c 23 、c 33 、φ 13 、φ 23 、φ 33 、E g3 。通过对土层相关实验参数进行分级，定位更小取值范围内的土层相关实验参数，有利于获取更加准确的基准组合。
在一些实施例中，以土层相关子实验参数组中包含土层相关实验参数进行分组，得到各个土层相关子实验参数组如表1所示：
表1 各个土层相关子实验参数组
Figure 2096DEST_PATH_IMAGE001
在一些实施例中，依据公式（1）计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ，通过这样计算得到相对误差，可以减小由于实际测点数量的不同导致相对误差的波动影响。
f(S) la=
Figure 256359DEST_PATH_IMAGE002
公式（1）；
X为各个节点，K为节点数量。其中对于单洞隧道，K为单洞隧道的节点的数量；对于双洞隧道，K为双洞隧道的节点的数量。
以单洞隧道设置7个实际测点为例，K=7，各个土层相关子实验参数组对应的各个 节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la=
Figure 805152DEST_PATH_IMAGE003
。
以表1所示的各个土层相关子实验参数组为例，可以是单洞隧道或双洞隧道，分别得到27个土层相关子实验参数组对应的f(S) la ，比如第1土层相关子实验参数组，la=1，对应f(S) 1 ...，第27土层相关子实验参数组，la=27，对应f(S) 27 ，可以得到表2。
表2 各个土层相关子实验参数组对应的平均值f(S) la
Figure 362036DEST_PATH_IMAGE004
Figure 363490DEST_PATH_IMAGE005
以表2为例，如果第12土层相关子实验参数组，对应f(S) 12 最小，则选取第12土层相关子实验参数组作为基准组合。
在一些实施例中，基于各个所述土层相关子实验参数组的f(S) la 值，得到土层相关实验参数的重要性排序具体包括：计算与各个级别对应的土层相关实验参数的f(S) la 平均值，并计算不同级别的f(S) la 平均值的最大值与最小值之差R，基于R对各个土层相关实验参数进行重要性排序。各个级别对应的土层相关实验参数的f(S) la 平均值的最大值与最小值之差R可以称为极差。比如，在表2的基础上，级别1对应的土层相关实验参数E1的f(S) la 值之和为f(S) 1 +f(S) 2 +f(S) 3 +f(S) 10 +f(S) 11 +f(S) 12 +f(S) 19 +f(S) 20 +f(S) 21 ，然后将总和除以9，得到f(S) la 平均值。各个级别对应的土层相关实验参数的f(S) la 平均值进行统计，并计算极差R，得到的表3和表4。
表3 各个级别对应的第一部分土层相关实验参数的f(S) la 平均值和极差
Figure 421444DEST_PATH_IMAGE006
表4 各个级别对应的第二部分土层相关实验参数的f(S) la 平均值和极差
Figure 824744DEST_PATH_IMAGE007
Figure 552529DEST_PATH_IMAGE008
通过表3和表4可以得到各个土层相关实验参数对应的极差R。通过极差R能够获得反演力学参数对所述公式（1）函数值的重要性程度，R值越大，相应的土层相关实验参数对公式（1）所述的f(S) la 值的影响越大，反之越小。这样能够获得土层相关实验参数重要性排序。通过确定土层相关实验参数对公式（1）所述的函数的影响重要性顺序，为模式搜索算法提供了参数寻优的顺序，可以按照重要性从大到小的顺序对参数依次寻优，可以快速明确各个参数寻优的方向，极大的提高了参数寻优效率，能够获得可靠的全局最优结果。
图10示出根据本申请实施例的土层相关实验参数的最优值的搜索流程图。在步骤1001，以基准组合对应的各个所述土层相关实验参数的参数值为基准值。比如以第12土层相关子实验参数组作为基准组合，即分别以第12土层相关子实验参数组中的E g2 、E 11 、v 12 、c 13 、φ 13 、E 21 、v 22 、c 23 、φ 21 、E 32 、v 33 、c 31 、φ 32 的参数值作为基准值开始进行搜索。
在步骤1002，基于各个所述土层相关实验参数的取值范围确定搜索步长。根据弹 性模量E i 为[E i min ，E i max ]，泊松比v i 为[v i min ，v i max ]，粘聚力c i 为[c i min ，c i max ]，内摩擦角φ i 为 [φ i min ，φ i max ]，i表示各个土层，注浆层弹性模量E g 为[E g min ，E g max ]进行确定步长。比如步长
Figure 41279DEST_PATH_IMAGE009
=0.02(
Figure 138810DEST_PATH_IMAGE010
-
Figure 396616DEST_PATH_IMAGE011
)，
Figure 826460DEST_PATH_IMAGE012
=0.02(
Figure 802507DEST_PATH_IMAGE013
-
Figure 812051DEST_PATH_IMAGE014
)，步长
Figure 314576DEST_PATH_IMAGE015
=0.02(
Figure 384163DEST_PATH_IMAGE016
-
Figure 847506DEST_PATH_IMAGE017
)，步长
Figure 660741DEST_PATH_IMAGE018
=0.02 (
Figure 17773DEST_PATH_IMAGE019
-
Figure 523841DEST_PATH_IMAGE020
)，步长
Figure 208900DEST_PATH_IMAGE021
=0.02(
Figure 825826DEST_PATH_IMAGE022
-
Figure 37365DEST_PATH_IMAGE023
)。所述步长可以根据取值范围和具体需要进行 设置，步长较小，这样每次移动使取值变化较小，这样可以更加精准地得到最优值。
在步骤1003，基于所述搜索步长，按照土层相关实验参数的重要性依次对各个土层相关实验参数的参数值进行搜索，得到探测移动后的土层相关实验参数对应的参数搜索值和参数搜索值对应的土层相关子实验参数组。以第12土层相关子实验参数组作为基准组合为例，根据土层相关实验参数的重要性进行排序后，基准组合可以为v 12 、c 13 、φ 13 、v 22 、c 23 、φ 21 、v 33 、c 31 、φ 32、 E g2 、E 11 、E 21 、E 32 。相当于决定了基准组合中各个土层相关实验参数的排序。以v 12 为例，基准值为a，经过一个探测移动搜索步长可以得到参数搜索值为b=a+步长，参数搜索值为b和其它土层相关实验参数形成新的土层相关子实验参数组，若探测失败，调整探测移动方向，参数搜索值为c=a-步长，依次对上述参数进行探测移动。
在步骤1004，将参数搜索值对应的土层相关子实验参数组输入所述有限元CAE仿真二维模型得到的地表沉降仿真值S Y1 。以参数搜索值b为例，将参数搜索值b对应的土层相关子实验参数组输入到有限元CAE仿真二维模型，能够获得对应的地表沉降仿真值S Y1 。
在步骤1005，计算与所述参数搜索值对应的土层相关子实验参数组，其所对应的各个节点位置的S Y1 与S X 之间的相对误差的平均值F(S) lb ，通过探测移动过程中相邻的相对误差的平均值进行比较，获取最优的参数搜索值。
通过步骤1001-步骤1005的搜索过程，可以搜索到更加接近地表沉降实测值的最优土层相关实验参数。判断过程明确，不需要依赖应用人员的经验。在基准组合中各个土层相关实验参数对应的基准值为基础，这样就可以在接近最优值的范围内进行搜索，有助于提高搜索到最优值的效率。如果先确定较重要的土层相关实验参数，接下来进行搜索相对不是很重要的土层相关实验参数时，得到的相对误差平均值F(S) lb 就更为接近最小值，可以提高寻优效率。如果各个参数土层相关实验参数的最优值都确定之后，可以得到最优土层相关实验参数的组合。
在一些实施例中，依据公式（2）计算与所述参数搜索值对应的各个土层相关子实验参数组，其所对应的各个节点位置的S Y1 与S X 之间的相对误差的平均值F(S) lb ：
F(S) lb=
Figure 714334DEST_PATH_IMAGE024
公式（2）；
X为各个节点，K为节点数量。其中对于单洞隧道，K为单洞隧道的节点的数量；对于双洞隧道，K为双洞隧道的节点的数量。通过公式（2）所示的函数值，能够判断得到的参数搜索值组成的新土层相关子实验参数组，其所对应的仿真值与实测值之间的相对误差平均值，这样就能判断是否达到了最优值。
在一些实施例中，如图11所示，模式搜索法的具体过程包括：
根据基准组合的各个土层相关实验参数的重要性排序，以基准组合中的各个土层 相关实验参数组合
Figure 152268DEST_PATH_IMAGE025
为起点，其中，
Figure 307306DEST_PATH_IMAGE026
表示第T个土层相关实验参数的基准值；根据上述 步长设定，在步骤1101，输入
Figure 514296DEST_PATH_IMAGE026
、搜索步长
Figure 985336DEST_PATH_IMAGE027
、加速因子α(α>1)、缩减因子β(β<1)、第一阈值ε、t、T，t表示参数组合每轮探测和移动的次数，T表示参数组合的参数数量，为4n+1；接下来 在步骤1102，对于起点，令
Figure 644987DEST_PATH_IMAGE028
=
Figure 603716DEST_PATH_IMAGE026
，t=s=0，T=1。
接下来从从
Figure 399634DEST_PATH_IMAGE029
出发进行探测移动，先沿
Figure 543039DEST_PATH_IMAGE030
方向探测，进行判断步骤1103，参数增 加一个搜索步长后对应的组合的相对误差平均值是否小于未加搜索步长前对应的组合的 相对误差平均值，判断是否F
Figure 689987DEST_PATH_IMAGE031
<F
Figure 452406DEST_PATH_IMAGE032
。如果F
Figure 633989DEST_PATH_IMAGE031
<F
Figure 558082DEST_PATH_IMAGE032
，则探测成功，进行步骤1104，令
Figure 316960DEST_PATH_IMAGE033
=
Figure 617491DEST_PATH_IMAGE034
+
Figure 653580DEST_PATH_IMAGE035
。步骤1104之后转到判断是否具 有条件1107；如果步骤1103为否，探测失败，转步骤1105。其中函数F表示相对误差的平均 值。相对误差平均值越小，越接近于最优值，说明探测和移动方向正确。
从
Figure 748575DEST_PATH_IMAGE029
出发，沿
Figure 994749DEST_PATH_IMAGE036
方向进行探测移动。进行判断步骤1105，是否
Figure 98971DEST_PATH_IMAGE037
。如果F
Figure 723988DEST_PATH_IMAGE038
<F
Figure 255463DEST_PATH_IMAGE032
，则探测成功，进行步骤 1106，令
Figure 224818DEST_PATH_IMAGE033
=
Figure 132731DEST_PATH_IMAGE034
-
Figure 877834DEST_PATH_IMAGE035
；如果步骤1105输出为否，探测失败，进行步骤1110，令
Figure 580210DEST_PATH_IMAGE033
=
Figure 676342DEST_PATH_IMAGE034
。
条件1107，T <4n+1。如果满足条件1107，则进行步骤1108，令t =t +1,T =T+1。然后转步骤1103，否则，转步骤1109。如果步骤1107判断T <4n+1，说明土层相关实验参数未全部进行探测移动。
在步骤1109，判断是否F
Figure 247001DEST_PATH_IMAGE039
<F(
Figure 846610DEST_PATH_IMAGE040
)，在步骤1109判断这一轮得到的组合相 对误差平均值是否小于这一轮基点组合的相对误差平均值。如果F
Figure 719888DEST_PATH_IMAGE039
<F(
Figure 37736DEST_PATH_IMAGE040
)，则进 行步骤1111，将
Figure 146507DEST_PATH_IMAGE041
作为新的基点，令
Figure 866201DEST_PATH_IMAGE042
=
Figure 910380DEST_PATH_IMAGE041
，
Figure 715525DEST_PATH_IMAGE028
=
Figure 627987DEST_PATH_IMAGE042
+α
Figure 467767DEST_PATH_IMAGE043
(
Figure 682847DEST_PATH_IMAGE042
-
Figure 709709DEST_PATH_IMAGE044
)，s=s+1，t=0，T= 1，在步骤1111中，由于搜索方向正确，这时乘以加速因子，以便后续加快搜索。接下来转步 骤1103；否则，转步骤1113。
在步骤1113，判断是否∣F
Figure 301228DEST_PATH_IMAGE032
-F(
Figure 364823DEST_PATH_IMAGE045
)∣≤ε 。如果为是，则计算结束，
Figure 750805DEST_PATH_IMAGE046
（最 优参数）=
Figure 530542DEST_PATH_IMAGE047
，
Figure 660172DEST_PATH_IMAGE048
（最优组合）=
Figure 68019DEST_PATH_IMAGE045
（最优参数组成的组合），得到了最优参数和最优组合， 则进行步骤1114，输出
Figure 156061DEST_PATH_IMAGE046
=
Figure 891936DEST_PATH_IMAGE047
，
Figure 90836DEST_PATH_IMAGE048
=
Figure 228556DEST_PATH_IMAGE045
。
如果步骤1113为否，进行步骤1112，令δ=β
Figure 346554DEST_PATH_IMAGE049
，
Figure 835304DEST_PATH_IMAGE029
=
Figure 306737DEST_PATH_IMAGE047
，
Figure 564543DEST_PATH_IMAGE050
=
Figure 853442DEST_PATH_IMAGE047
，s=s+1，t =0，T =1，在步骤1112中，由于搜索方向不正确，这时乘以减速因子。步骤1112之后返回步骤1103。
以土层数n=3，级别N=3为例，盾构隧道多地层参数的CAE仿真反演方法的具体过程如下：
（1）各个土层相关实验参数的取值范围如表5所示，各个土层相关子实验参数组的取值范围如表6所示，各级对应的各个土层相关实验参数的极差如表7和表8所示。
表5 各个土层相关实验参数的取值范围
Figure 563909DEST_PATH_IMAGE051
表6 各个土层相关子实验参数组的f(S) la 值
Figure 839032DEST_PATH_IMAGE052
Figure 216924DEST_PATH_IMAGE053
表7 各个级别对应的第一部分各个土层相关实验参数的极差
Figure 552090DEST_PATH_IMAGE054
表8 各个级别对应的第二部分各个土层相关实验参数的极差
Figure 641531DEST_PATH_IMAGE055
（2）通过对比上表f(S) la 值，选取最小f(S) la 值0.1850，对应的组合序列数为9，其对应的参数组合初始基点组合X =(（E gj-5 、E 1j-1 、v 1j-2 、c 1j-3 、φ 1j-4 ）、（E 2j-1 、v 2j-2 、c 2j-3 、φ 2j-4 ）、（E 3j-1 、v 3j-2 、c 3j-3 、φ 3j-4 ）……（E nj-1 、v nj-2 、c nj-3 、φ nj-4 ）)=(（E g1 、E 13 、v 13 、c 13 、φ 13 ）、（E 23 、v 23 、c 22 、φ 22 ）、（E 32 、v 31 、c 31 、φ 31 ）)=(（300、10、0.4、14、22）、（12、0.4、15、23.5）、（16、0.25、2、30）)。
（3）通过上述极差R值的大小获得参数重要性排序，极差R越大，则参数越重要。重 要性排序为c 3 ，φ 2 ，E g ，φ 3 ，φ 1 ，E 3 ，v 2 ，c 2 ，c 1 ，v 3 ，E 1 ，v 1 ，E 2 ，则按照重要性顺序排序获得初始 基点组合X (0)=(
Figure 454767DEST_PATH_IMAGE056
，
Figure 687165DEST_PATH_IMAGE057
，
Figure 927653DEST_PATH_IMAGE058
，
Figure 2925DEST_PATH_IMAGE059
，
Figure 619852DEST_PATH_IMAGE060
，
Figure 706756DEST_PATH_IMAGE061
…，
Figure 383725DEST_PATH_IMAGE026
,
Figure 680714DEST_PATH_IMAGE062
)=(
Figure 835752DEST_PATH_IMAGE063
，
Figure 42743DEST_PATH_IMAGE064
，
Figure 625034DEST_PATH_IMAGE065
，
Figure 409319DEST_PATH_IMAGE066
，
Figure 368048DEST_PATH_IMAGE067
，，
Figure 429545DEST_PATH_IMAGE068
，
Figure 713895DEST_PATH_IMAGE069
，
Figure 860843DEST_PATH_IMAGE070
，
Figure 980852DEST_PATH_IMAGE071
，
Figure 896856DEST_PATH_IMAGE072
，
Figure 86529DEST_PATH_IMAGE073
，
Figure 720772DEST_PATH_IMAGE074
)=（2，23.5，300，30，22，16，0.4，15，14，0.25，10，0.4， 12）。
（4）以初始基点组合X (0)内分级后力学参数为基准点，确定参数搜索步长分别为
Figure 145937DEST_PATH_IMAGE075
，
Figure 916447DEST_PATH_IMAGE076
（5）模式搜索算法过程中，从初始基点组合X (0)=(
Figure 277022DEST_PATH_IMAGE077
，
Figure 398561DEST_PATH_IMAGE078
，
Figure 361838DEST_PATH_IMAGE079
，
Figure 252434DEST_PATH_IMAGE080
，
Figure 783909DEST_PATH_IMAGE081
，
Figure 392745DEST_PATH_IMAGE082
，
Figure 300658DEST_PATH_IMAGE083
，
Figure 170394DEST_PATH_IMAGE084
，
Figure 872771DEST_PATH_IMAGE085
，
Figure 703324DEST_PATH_IMAGE086
，
Figure 883769DEST_PATH_IMAGE087
，
Figure 375056DEST_PATH_IMAGE088
，
Figure 248334DEST_PATH_IMAGE089
)=（2，23.5，300，30，22，16，0.4，15，14，0.25，10，0.4，12） 中排在第一重要性的参数c 3 开始，依次进行探测移动，按照搜索步长
Figure 566183DEST_PATH_IMAGE090
=0.12、
Figure 550319DEST_PATH_IMAGE091
、
Figure 394647DEST_PATH_IMAGE021
=2.4、
Figure 438827DEST_PATH_IMAGE092
=0.2、
Figure 243972DEST_PATH_IMAGE093
=0.14、
Figure 31799DEST_PATH_IMAGE094
、
Figure 730634DEST_PATH_IMAGE095
=0.002、
Figure 945714DEST_PATH_IMAGE096
=0.12、
Figure 972576DEST_PATH_IMAGE097
=0.12、
Figure 564095DEST_PATH_IMAGE098
=0.002、
Figure 117436DEST_PATH_IMAGE099
、
Figure 503418DEST_PATH_IMAGE100
= 0.002、
Figure 548734DEST_PATH_IMAGE101
=0.08进行参数改变，确定加速因子α=1.1，缩减因子β=0.5，目标函数误差控制精 度ε=0.0008，初始基点组合X (0)=(
Figure 678364DEST_PATH_IMAGE077
，
Figure 961578DEST_PATH_IMAGE078
，
Figure 407209DEST_PATH_IMAGE079
，
Figure 408663DEST_PATH_IMAGE080
，
Figure 76405DEST_PATH_IMAGE081
，
Figure 479705DEST_PATH_IMAGE082
，
Figure 597702DEST_PATH_IMAGE083
，
Figure 820873DEST_PATH_IMAGE084
，
Figure 557885DEST_PATH_IMAGE085
，
Figure 815691DEST_PATH_IMAGE086
，
Figure 839011DEST_PATH_IMAGE087
，
Figure 80636DEST_PATH_IMAGE088
，
Figure 355760DEST_PATH_IMAGE089
)=（2，23.5，300，30，22，16，0.4，15，14，0.25，10，0.4，12），初始基点
Figure 468072DEST_PATH_IMAGE102
=
Figure 803239DEST_PATH_IMAGE103
=
Figure 125635DEST_PATH_IMAGE077
= 2，t=s=0，T=1。
（6）模式搜索算法过程中，基础力学参数
Figure 204450DEST_PATH_IMAGE104
按照搜索步长改变，新的力学参数组 合定义为
Figure 436848DEST_PATH_IMAGE105
=(
Figure 677337DEST_PATH_IMAGE106
，
Figure 254074DEST_PATH_IMAGE107
，
Figure 871000DEST_PATH_IMAGE108
，
Figure 957905DEST_PATH_IMAGE109
，
Figure 634874DEST_PATH_IMAGE110
，
Figure 807229DEST_PATH_IMAGE111
，
Figure 352480DEST_PATH_IMAGE112
,
Figure 293891DEST_PATH_IMAGE113
)，
Figure 141761DEST_PATH_IMAGE105
表示参数组合完成第s轮 探测移动和模式移动。
Figure 801413DEST_PATH_IMAGE114
=(
Figure 884775DEST_PATH_IMAGE106
，
Figure 946272DEST_PATH_IMAGE107
，
Figure 965044DEST_PATH_IMAGE108
，
Figure 846412DEST_PATH_IMAGE109
，
Figure 733465DEST_PATH_IMAGE110
，
Figure 649469DEST_PATH_IMAGE111
，
Figure 839142DEST_PATH_IMAGE115
,
Figure 473385DEST_PATH_IMAGE113
)表示参数组 合完成第s轮探测移动和模式移动后，第T个参数
Figure 397086DEST_PATH_IMAGE115
正在进行探测移动。
（7）此时初始基点组合
Figure 167596DEST_PATH_IMAGE116
的相对误差的平均值F
Figure 793749DEST_PATH_IMAGE117
=0.1850，c 3 的取值范 围［2,8］，c 3 先沿
Figure 649710DEST_PATH_IMAGE030
=
Figure 753932DEST_PATH_IMAGE090
=0.12方向探测，此时力学参数组合为
Figure 769161DEST_PATH_IMAGE118
=(
Figure 300637DEST_PATH_IMAGE077
+
Figure 440631DEST_PATH_IMAGE090
，
Figure 207599DEST_PATH_IMAGE078
，
Figure 952701DEST_PATH_IMAGE079
，
Figure 655078DEST_PATH_IMAGE080
，
Figure 751210DEST_PATH_IMAGE081
，
Figure 197234DEST_PATH_IMAGE082
，
Figure 688521DEST_PATH_IMAGE083
，
Figure 561799DEST_PATH_IMAGE084
，
Figure 614069DEST_PATH_IMAGE085
，
Figure 863784DEST_PATH_IMAGE086
，
Figure 708112DEST_PATH_IMAGE087
，
Figure 752292DEST_PATH_IMAGE088
，
Figure 291858DEST_PATH_IMAGE089
)，其相对误差的平均值F
Figure 79685DEST_PATH_IMAGE119
= 0.1840<F
Figure 778520DEST_PATH_IMAGE117
=0.1850，则探测成功。
（8）更新T=T+1，依次进行后续参数的探测移动，完成第1轮探测移动获得参数组合
Figure 993600DEST_PATH_IMAGE120
=(
Figure 286041DEST_PATH_IMAGE077
+
Figure 877560DEST_PATH_IMAGE090
，
Figure 571846DEST_PATH_IMAGE121
，
Figure 82462DEST_PATH_IMAGE122
+
Figure 596620DEST_PATH_IMAGE021
，
Figure 726250DEST_PATH_IMAGE123
+
Figure 275043DEST_PATH_IMAGE092
，
Figure 466814DEST_PATH_IMAGE124
，
Figure 468268DEST_PATH_IMAGE125
，
Figure 401589DEST_PATH_IMAGE126
，
Figure 804888DEST_PATH_IMAGE127
，
Figure 657307DEST_PATH_IMAGE128
，
Figure 146057DEST_PATH_IMAGE129
，
Figure 883069DEST_PATH_IMAGE130
，
Figure 140875DEST_PATH_IMAGE131
，
Figure 305140DEST_PATH_IMAGE132
)=（2.12，23.68，302.4，30.2， 21.86，15.84，0.398，14.88，13.88，0.252，9.92，0.398，11.92），计算参数组合
Figure 405820DEST_PATH_IMAGE133
相对误 差的平均值F(
Figure 680943DEST_PATH_IMAGE134
)=0.1802<F(
Figure 527677DEST_PATH_IMAGE116
)=F
Figure 987477DEST_PATH_IMAGE117
= 0.1850，则探测成功。
（9）经过第2次加速移动获得参数组合
Figure 185240DEST_PATH_IMAGE135
=(
Figure 529634DEST_PATH_IMAGE077
+2.1
Figure 496453DEST_PATH_IMAGE090
，
Figure 2520DEST_PATH_IMAGE136
，
Figure 313678DEST_PATH_IMAGE122
+
Figure 930604DEST_PATH_IMAGE137
，
Figure 17509DEST_PATH_IMAGE123
+2.1
Figure 694478DEST_PATH_IMAGE092
，
Figure 991467DEST_PATH_IMAGE138
，
Figure 412084DEST_PATH_IMAGE139
，
Figure 353496DEST_PATH_IMAGE140
，
Figure 201366DEST_PATH_IMAGE141
，
Figure 985651DEST_PATH_IMAGE142
，
Figure 944380DEST_PATH_IMAGE143
，
Figure 271456DEST_PATH_IMAGE144
，
Figure 24648DEST_PATH_IMAGE145
，
Figure 171596DEST_PATH_IMAGE146
)=（2.252，23.878，305.04，30.42，21.706，15.664， 0.3958，14.748，13.748，0.2542，9.832，0.3958，11.832）,计算参数组合
Figure 58649DEST_PATH_IMAGE147
相对误差的 平均值F(
Figure 974653DEST_PATH_IMAGE148
)=0.1753<F(
Figure 164326DEST_PATH_IMAGE134
) = 0.1802，则
Figure 532990DEST_PATH_IMAGE135
成为新的基点参数组合。
（10）经过多次加速移动获得参数组合
Figure 456690DEST_PATH_IMAGE149
=（3.4201，25.6302，328.4032， 32.3669，20.3431，14.1064，0.3763，13.5798，12.5798，0.2737，9.0532，0.3763，11.053）， 计算参数组合
Figure 492779DEST_PATH_IMAGE150
相对误差的平均值F(
Figure 853354DEST_PATH_IMAGE151
)=0.1353<F(
Figure 974893DEST_PATH_IMAGE152
) = 0.1370，则
Figure 79116DEST_PATH_IMAGE149
成为新 的基点参数组合。
（11）经过26次加速移动获得参数组合
Figure 94345DEST_PATH_IMAGE153
=（3.5502，25.8253，331.0036， 32.5836，20.1915，13.9330，0.3742，13.4498，12.4498，0.2758，8.9665，0.3742，10.9665）， 计算参数组合
Figure 625821DEST_PATH_IMAGE154
相对误差的平均值F(
Figure 969077DEST_PATH_IMAGE155
)=0.1365>F(
Figure 611411DEST_PATH_IMAGE151
) = 0.1353，则采用缩减因 子β=0.5减小搜索步长，则
Figure 481147DEST_PATH_IMAGE149
成为新的基点参数组合。
（12）缩减步长后，经过1次移动获得参数组合
Figure 183524DEST_PATH_IMAGE153
=（3.4802，25.7202，329.6033， 32.4669，20.2731，14.0264，0.3753，13.5198，12.5198，0.2747，9.0132，0.3753，11.0132）， 计算参数组合
Figure 14077DEST_PATH_IMAGE154
相对误差的平均值F(
Figure 460101DEST_PATH_IMAGE155
)=0.1359>F(
Figure 184344DEST_PATH_IMAGE151
) = 0.1353，满足∣F(
Figure 323201DEST_PATH_IMAGE155
)-F(
Figure 641050DEST_PATH_IMAGE151
)∣≤0.0008精度要求，则获得
Figure 890766DEST_PATH_IMAGE156
=
Figure 344881DEST_PATH_IMAGE153
=（3.4802，25.7202，329.6033，32.4669， 20.2731，14.0264，0.3753，13.5198，12.5198，0.2747，9.0132，0.3753，11.0132）。
图12示出根据本申请实施例的CAE仿真反演服务器的结构示意图。所述服务器1200包括：通信接口1202，其配置为获取地表沉降实测值S X 、土层的划分数量和通过各种CAE软件利用求解器得到与各个土层相关子实验参数组相对应的各个节点位置的地表沉降仿真值S Y0 ；以及所述处理器1201，其配置为：选取一组力学反演参数；基于土层的划分数量，将所述一组力学反演参数细分为土层相关实验参数，并将各个所述土层相关实验参数根据分级扩展为N级别的土层相关子实验参数，将各个级别的土层相关子实验参数形成组；计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ，并选取最小f(S) la 值的土层相关子实验参数组作为基准组合；基于各个所述土层相关子实验参数组的f(S) la 值，得到土层相关实验参数的重要性排序；以基准组合中的各个土层相关实验参数的对应值为起点，在各个土层相关实验参数的取值范围内，按照土层相关实验参数的重要性，利用模式搜索算法依次对各个土层相关实验参数的最优值进行搜索，得到最优土层相关实验参数的组合。参数寻优的过程中，确定基准组合、土层相关实验参数的重要性排序和模式搜索的过程采用传统数学方法，明确参数寻优方向，步骤清晰，无须依赖于应用人员的经验，使寻优的结果更加贴近现场实际的隧道地层力学参数。
在一些实施例中，所述处理器进一步配置为：根据各个力学反演参数的取值范围，确定分级水平数N，将各个所述土层相关实验参数进行分级，得到各个级别的土层相关子实验参数。通过对土层相关实验参数进行分级，定位更小取值范围内的土层相关实验参数，有利于获取更加准确的基准组合。
在一些实施例中，所述处理器具体配置为：依据公式（1）计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ：
f(S) la=
Figure 15159DEST_PATH_IMAGE002
公式（1）；
X为各个节点，K为节点数量。通过这样计算得到相对误差，可以减小由于实际测点数量的不同导致相对误差的波动影响。
在一些实施例中，所述处理器具体配置为：计算与各个级别对应的土层相关实验参数的f(S) la 平均值，并计算不同级别的f(S) la 平均值的最大值与最小值之差R，基于R对各个土层相关实验参数进行重要性排序。
在一些实施例中，所述处理器具体配置为：以基准组合对应的各个所述土层相关实验参数的参数值为基准值；基于各个所述土层相关实验参数的取值范围确定搜索步长；基于所述搜索步长，按照土层相关实验参数的重要性依次对各个土层相关实验参数的参数值进行搜索，得到探测移动后的土层相关实验参数对应的参数搜索值和参数搜索值对应的土层相关子实验参数组；将参数搜索值对应的土层相关子实验参数组输入所述有限元CAE仿真二维模型，得到参数搜索值对应的地表沉降仿真值S Y1 ；计算与所述参数搜索值对应的土层相关子实验参数组，其所对应的各个节点位置的S Y1 与S X 之间的相对误差的平均值F(S) lb ，通过探测移动过程中的相邻的相对误差的平均值进行比较，获取最优的参数搜索值。可以搜索到更加接近地表沉降实测值的最优土层相关实验参数。判断过程明确，不需要依赖应用人员的经验。在基准组合中各个土层相关实验参数对应的基准值为基础，这样就可以在接近最优值的范围内进行搜索，有助于提高搜索到最优值的效率。
此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本申请的具有等同元件、修改、省略、组合（例如，各种实施例交叉的方案）、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如，上述示例（或其一个或更多方案）可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本申请。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反，本申请的主题可以少于特定的公开的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
以上实施例仅为本申请的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (13)

1.一种盾构隧道多地层参数的CAE仿真反演方法，其特征在于，所述CAE仿真反演方法包括：
选取一组力学反演参数；
按照地层深度分布情况，将盾构隧道施工影响范围划分为n个土层，并基于土层的划分数量，将所述一组力学反演参数细分为土层相关实验参数，并将各个所述土层相关实验参数根据分级扩展为N级别的土层相关子实验参数，将各个级别的土层相关子实验参数形成组；
确定地层参数反演断面，在所述反演断面处布设地表沉降监测断面，确定所述地表沉降监测断面上的实际测点位置，获得实际测点位置的地表沉降实测值S X ；
根据所述地表沉降监测断面上的实际测点位置在有限元CAE仿真二维模型中确定相应的节点位置，将各个土层相关子实验参数组分别输入到有限元CAE仿真二维模型中，得到与各个土层相关子实验参数组相对应的各个节点位置的地表沉降仿真值S Y0 ；
计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ，并选取最小f(S) la 值的土层相关子实验参数组作为基准组合；
基于各个所述土层相关子实验参数组的f(S) la 值，得到土层相关实验参数的重要性排序；
以基准组合中的各个土层相关实验参数的对应值为起点，在各个土层相关实验参数的取值范围内，按照土层相关实验参数的重要性，利用模式搜索算法依次对各个土层相关实验参数的最优值进行搜索，得到最优土层相关实验参数的组合。
2.根据权利要求1所述的CAE仿真反演方法，其特征在于，所述CAE仿真反演方法还包括建立有限元CAE仿真二维模型，所述建立有限元CAE仿真二维模型的具体过程包括：
确定盾构隧道参数；
根据隧道开挖的影响范围，确定CAE仿真二维模型的尺寸范围；
基于所述盾构隧道参数和所述CAE仿真二维模型的尺寸范围通过有限元CAE软件建立二维盾构隧道CAE仿真模型；
对二维盾构隧道CAE仿真模型进行网格划分；
确定二维盾构隧道CAE仿真模型的计算过程；
对二维盾构隧道CAE仿真模型施加位移边界条件得到有限元CAE仿真二维模型。
3.根据权利要求1所述的CAE仿真反演方法，其特征在于，力学反演参数具体包括：相应土层的弹性模量E、泊松比v、粘聚力c、内摩擦角φ和单一土层内的注浆层弹性模量E g 。
4.根据权利要求1所述的CAE仿真反演方法，其特征在于，在所述反演断面处布设地表沉降监测断面，确定所述地表沉降监测断面上的实际测点位置具体包括：
确定盾构隧道的轴线，基于所述反演断面，确定垂直于所述盾构隧道轴线的地表沉降监测断面；
基于所述地表沉降监测断面对于周围土体和周边环境的影响，确定监测间距；
基于所述监测间距在盾构隧道上方、盾构隧道轴线两侧布置实际测点位置。
5.根据权利要求1所述的CAE仿真反演方法，其特征在于，将各个所述土层相关实验参数根据分级扩展为N级别的土层相关子实验参数具体包括：
根据各个力学反演参数的取值范围，确定分级水平数N，将各个所述土层相关实验参数进行分级，得到各个级别的土层相关子实验参数。
6.根据权利要求1所述的CAE仿真反演方法，其特征在于，依据公式（1）计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ：
f(S) la=
Figure QLYQS_1
公式（1）；
X为各个节点，K为节点数量。
7.根据权利要求1所述的CAE仿真反演方法，其特征在于，基于各个所述土层相关子实验参数组的f(S) la 值，得到土层相关实验参数的重要性排序具体包括：
计算与各个级别对应的土层相关实验参数的f(S) la 值平均值，并计算不同级别的f(S) la 平均值的最大值与最小值之差R，基于R对各个土层相关实验参数进行重要性排序。
8.根据权利要求1所述的CAE仿真反演方法，其特征在于，利用模式搜索算法分别对各个土层相关实验参数的最优值进行搜索具体包括：
以基准组合对应的各个所述土层相关实验参数的参数值为基准值；
基于各个所述土层相关实验参数的取值范围确定搜索步长；
基于所述搜索步长，按照土层相关实验参数的重要性依次对各个土层相关实验参数的参数值进行搜索，得到探测移动后的土层相关实验参数对应的参数搜索值和参数搜索值对应的土层相关子实验参数组；
将参数搜索值对应的土层相关子实验参数组输入所述有限元CAE仿真二维模型，得到参数搜索值对应的地表沉降仿真值S Y1 ；
计算与所述参数搜索值对应的土层相关子实验参数组，其所对应的各个节点位置的S Y1 与S X 之间的相对误差的平均值F(S) lb ，通过探测移动过程中的相邻的相对误差的平均值进行比较，获取最优的参数搜索值。
9.一种盾构隧道多地层参数的CAE仿真反演服务器，其特征在于，所述服务器包括：
通信接口，其配置为获取地表沉降实测值S X 、土层的划分数量和通过各种CAE软件利用求解器得到与各个土层相关子实验参数组相对应的各个节点位置的地表沉降仿真值S Y0 ；以及
处理器，其配置为：
选取一组力学反演参数；
基于土层的划分数量，将所述一组力学反演参数细分为土层相关实验参数，并将各个所述土层相关实验参数根据分级扩展为N级别的土层相关子实验参数，将各个级别的土层相关子实验参数形成组；
计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ，并选取最小f(S) la 值的土层相关子实验参数组作为基准组合；
基于各个所述土层相关子实验参数组的f(S) la 值，得到土层相关实验参数的重要性排序；
以基准组合中的各个土层相关实验参数的对应值为起点，在各个土层相关实验参数的取值范围内，按照土层相关实验参数的重要性，利用模式搜索算法依次对各个土层相关实验参数的最优值进行搜索，得到最优土层相关实验参数的组合。
10.根据权利要求9所述的CAE仿真反演服务器，其特征在于，所述处理器进一步配置为：根据各个力学反演参数的取值范围，确定分级水平数N，将各个所述土层相关实验参数进行分级，得到各个级别的土层相关子实验参数。
11.根据权利要求9所述的CAE仿真反演服务器，其特征在于，所述处理器具体配置为：
依据公式（1）计算各个土层相关子实验参数组对应的各个节点位置的S Y0 与S X 之间的相对误差的平均值f(S) la ：
f(S) la=
Figure QLYQS_2
公式（1）；
X为各个节点，K为节点数量。
12.根据权利要求9所述的CAE仿真反演服务器，其特征在于，所述处理器具体配置为：
计算与各个级别对应的土层相关实验参数的f(S) la 平均值，并计算不同级别的f(S) la 平均值的最大值与最小值之差R，基于R对各个土层相关实验参数进行重要性排序。
13.根据权利要求9所述的CAE仿真反演服务器，其特征在于，所述处理器具体配置为：
以基准组合对应的各个所述土层相关实验参数的参数值为基准值；
基于各个所述土层相关实验参数的取值范围确定搜索步长；
基于所述搜索步长，按照土层相关实验参数的重要性依次对各个土层相关实验参数的参数值进行搜索，得到探测移动后的土层相关实验参数对应的参数搜索值和参数搜索值对应的土层相关子实验参数组；
将参数搜索值对应的土层相关子实验参数组输入有限元CAE仿真二维模型，得到参数搜索值对应的地表沉降仿真值S Y1 ；
计算与所述参数搜索值对应的土层相关子实验参数组，其所对应的各个节点位置的S Y1 与S X 之间的相对误差的平均值F(S) lb ，通过探测移动过程中的相邻的相对误差的平均值进行比较，获取最优的参数搜索值。
CN202211636206.4A 2022-12-20 2022-12-20 一种盾构隧道多地层参数的cae仿真反演方法和服务器 Active CN115618697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211636206.4A CN115618697B (zh) 2022-12-20 2022-12-20 一种盾构隧道多地层参数的cae仿真反演方法和服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211636206.4A CN115618697B (zh) 2022-12-20 2022-12-20 一种盾构隧道多地层参数的cae仿真反演方法和服务器

Publications (2)

Publication Number Publication Date
CN115618697A CN115618697A (zh) 2023-01-17
CN115618697B true CN115618697B (zh) 2023-03-07

Family

ID=84879735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211636206.4A Active CN115618697B (zh) 2022-12-20 2022-12-20 一种盾构隧道多地层参数的cae仿真反演方法和服务器

Country Status (1)

Country Link
CN (1) CN115618697B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509698A (zh) * 2018-03-19 2018-09-07 石家庄铁道大学 滑坡体土体的力学参数反演方法、装置及计算机设备
CN115061201A (zh) * 2022-06-09 2022-09-16 腾达建设集团股份有限公司 一种盾构隧道地质超前预报方法
CN115099111A (zh) * 2022-07-13 2022-09-23 广州大学 一种基于机器学习和有限元的盾构施工地表沉降预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3465283A1 (en) * 2016-05-27 2019-04-10 Total S.A. Method for providing a calibrated rock-physics model of a subsoil
CN111310392B (zh) * 2020-03-04 2021-04-27 青岛理工大学 一种用于评估基坑开挖边坡失稳面积放大效应的方法
CN113051744A (zh) * 2021-03-18 2021-06-29 天津大学 一种区域大气污染调控方案的评估系统及其评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509698A (zh) * 2018-03-19 2018-09-07 石家庄铁道大学 滑坡体土体的力学参数反演方法、装置及计算机设备
CN115061201A (zh) * 2022-06-09 2022-09-16 腾达建设集团股份有限公司 一种盾构隧道地质超前预报方法
CN115099111A (zh) * 2022-07-13 2022-09-23 广州大学 一种基于机器学习和有限元的盾构施工地表沉降预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宋义敏等.基于数字散斑相关方法和有限元法的岩土材料力学参数反演.2021,第2855-2864页. *
韩 丁等.拼接工况下路基的参数反演与沉降特性.2012,第7-12页. *

Also Published As

Publication number Publication date
CN115618697A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN104792274B (zh) 一种圆形隧道收敛变形的测量方法
CN103266588B (zh) 利用位移监测测定边坡非圆弧滑移面的方法
CN108897066A (zh) 碳酸盐岩裂缝密度定量预测方法及装置
CN105526925A (zh) 一种区域地面沉降水准监测网优化设计方法
CN111210519A (zh) 一种高心墙堆石坝变形参数反演方法
CN109884700B (zh) 多信息融合地震速度建模方法
CN114169238A (zh) 一种节理发育隧道围岩力学参数自动反演方法
CN113221228B (zh) 水电站地下洞群围岩力学参数反演方法
CN109461359A (zh) 一种隧道含水地质构造超前探测方法
CN110847969A (zh) 一种适用于岩体条件地下洞室群变形分级预警指标的确定方法
CN104899928A (zh) 基于稀疏钻孔点的三维地质建模方法
CN114969884A (zh) 一种盾构隧道开挖过程及地表变形三维有限差分数值模拟方法
CN114357750A (zh) 一种采空区充水状态评估方法
CN113420482B (zh) 一种基于结构内力监测值的管片荷载正交数值反演方法
CN115618697B (zh) 一种盾构隧道多地层参数的cae仿真反演方法和服务器
CN108763804B (zh) 一种剔除测量空白域影响的岩体广义rqd获取方法
CN106291704B (zh) 一种不同尺度裂缝面密度预测方法
CN115563831B (zh) 隧道地层力学参数获取方法、装置、电子设备及存储介质
CN106055795B (zh) 一种隧道通风壁面粗糙度评定方法
CN110688767B (zh) 一种评价岩体裂隙网络模型精度的综合差异度的方法
Pan et al. Assessment method of slope excavation quality based on point cloud data
CN107941194A (zh) 一种获取和计算工程岩体代表性rqd值的方法
CN113268808B (zh) 一种极软弱破碎围岩门式系统挑顶施工数字化检测方法
CN116305500A (zh) 桩基础工程量自动生成方法及系统
CN112967256B (zh) 一种基于空间分布的隧道椭圆化检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A CAE simulation inversion method and server for multiple geological parameters of shield tunnels

Granted publication date: 20230307

Pledgee: Shijiazhuang Luquan Rural Commercial Bank Co.,Ltd.

Pledgor: BEIJING YUNLU TECHNOLOGY CO.,LTD.

Registration number: Y2024980015341