喬　煒

(武漢地鐵集團　武漢　430077)

基于光纖傳感的地鐵隧道沉降安全預測

喬煒

(武漢地鐵集團武漢430077)

摘要研究了基于光纖光柵位移傳感器的地鐵隧道沉降安全預測方法,利用光纖光柵傳感系統(tǒng)對地鐵隧道沉降數據進行在線監(jiān)測，并結合BP神經網絡算法對數據進行分析，能夠準確而有效地預測地鐵隧道的沉降發(fā)展趨勢。在地鐵的長期營運過程中，系統(tǒng)可為地鐵隧道的運行環(huán)境狀態(tài)提供及時的預警信息和安全建議。

關鍵詞光纖傳感沉降監(jiān)測神經網絡

地鐵建設促進了經濟發(fā)展和城市地下空間的利用[1]，但是和其他地下公共設施一樣，地鐵隧道多建在松軟的第四紀沉積土層中，且易處于地質復雜、道路狹窄、地下管線密集、交通繁忙的鬧市中心，又由于地鐵沿線區(qū)域的城市建設等原因，必然引起地鐵隧道結構的縱向沉降，一定程度的沉降，可以視為正?，F象，但是若沉降量超過一定的限度，尤其是不均勻沉降，將會引起地鐵隧道結構的變形，給地鐵的正常運行帶來隱患，甚至引發(fā)難以想像的安全事故[2]。

所以，為了確保地鐵隧道主體結構和周邊環(huán)境的安全，在隧道的正常運營和沿線建筑施工的過程中，必須對地鐵隧道進行實時而有效的沉降監(jiān)測，對沉降監(jiān)測數據進行及時地反饋，并對沉降趨勢做出預測，提前采取措施，防止事故的發(fā)生。地鐵隧道沉降監(jiān)測在隧道安全監(jiān)控中有著極為重要的意義[3]。

1　準分布式光纖傳感技術應用于地鐵隧道沉降監(jiān)測

地鐵隧道位于地下，工程結構復雜，監(jiān)測難度和監(jiān)測工程量均較大。目前對地下空間結構的健康監(jiān)測主要依賴于全站儀、測斜儀、應變片等監(jiān)測手段，操作較繁瑣，對于長距離監(jiān)測的累計誤差較大，而且很難適應一些復雜的監(jiān)測環(huán)境。特別是在地鐵隧道的結構安全監(jiān)測中，由于傳統(tǒng)監(jiān)測手段精度低、環(huán)境適應能力弱，很難給出地鐵隧道變形的真實結果，而且缺少一種可以對地鐵隧道沉降進行長期、長距離、自動化監(jiān)測的手段，以確保地鐵隧道的安全。

與普通機械、電子類傳感器相比，光纖傳感器在傳輸信號過程中具有長距離、低損耗、耐腐蝕和電絕緣性等特點，還可以將光纖本身作為應變、位移、濕度，以及溫度等物理參量的探測元件。因此與其他傳統(tǒng)的傳感技術相比，光纖傳感技術的優(yōu)勢非常明顯。其中，光纖Bragg光柵傳感器通過Bragg波長的移位量來檢測外部參量，將被感測信息轉化為其響應波長的移動，還具有不受光源功率波動和系統(tǒng)損耗影響等特點[4-5]。

光纖光柵傳感技術非常適合用于長距離、自動化的監(jiān)測。在被測大型結構上，安裝大量具有不同中心波長的FBG傳感器，將各FBG傳感器通過光纖連接在一起，形成了光纖傳感網絡，采用波分復用技術，構成準分布式光纖光柵傳感系統(tǒng)進行多點測量，并通過計算機對傳感信號進行遠程監(jiān)控，可以實現對大型建筑物內部狀態(tài)的連續(xù)實時的準分布式監(jiān)測[6-7]。

基于光纖光柵位移傳感器構建地鐵隧道沉降監(jiān)測網見圖1，各監(jiān)測點傳感器通過光纖串接，連接到光纜終端盒，經光纖光柵信號解調器解調，將信號輸入到報警管理計算機做進一步分析。其中，各個監(jiān)測點的類型已在系統(tǒng)軟件中由人工配置好，分為區(qū)間隧道監(jiān)測點及地下車站與隧道交接處監(jiān)測點2種，監(jiān)測系統(tǒng)同時進行區(qū)間隧道整體沉降監(jiān)測及地下車站沉降差異監(jiān)測。

圖1光纖光柵地鐵隧道沉降監(jiān)測系統(tǒng)示意圖

2　神經網絡應用于地鐵隧道沉降監(jiān)測數據分析

地鐵隧道結構的沉降量可視為一離散時間序列，沉降受到諸多不確定因素的影響，具有復雜性，刻畫其具體的動態(tài)過程是有一定難度的，因此有關變形監(jiān)測數據分析與預報的理論和方法也較多，可包括：確定函數法、多元線性回歸分析、模糊線性回歸、趨勢分析法、時間序列分析、馬爾柯夫模型、自適應濾波、卡曼濾波、灰色系統(tǒng)理論、神經網絡等。其中，在處理具有非結構性、非精確性規(guī)律的對象時，人工神經網絡模型，具有極強的非線性映射能力，有著較大優(yōu)勢。

人工神經網絡是理論化的人腦神經網絡的數學模型，具有良好的自組織性、自適應性和很強的學習、聯想和抗干擾能力，能夠進行大規(guī)模并行數據處理和分布式信息存儲，可實現對于復雜且具有不確定性的數據的高效推理[8-9]。

2.1BP神經網絡應用于沉降數據分析

本文利用BP神經網絡(back-propagation)算法進行沉降趨勢分析。BP神經網絡是使用最為廣泛的一種神經網絡，又稱誤差反向傳遞神經網絡，依靠反饋值不斷調整節(jié)點之間的連接權值，其結構簡單，可操作性強，能夠模擬任意的非線性輸入輸出關系。

地鐵隧道沉降監(jiān)測內容分為區(qū)間隧道整體沉降監(jiān)測與隧道相對于地下車站沉降差異監(jiān)測2個部分。區(qū)間隧道整體沉降監(jiān)測主要關心所監(jiān)測區(qū)間段的不均勻沉降，以及判斷和預測此區(qū)間段的沉降狀況是否趨于穩(wěn)定，為地鐵是否可以開始正常運營提供安全建議。當其中某些監(jiān)測點相對于其鄰近的監(jiān)測點呈現日益明顯的沉降差異趨勢時，系統(tǒng)需給出預警信息。而對于各個地下車站與隧道交接處的監(jiān)測點，則分別對單點的變化趨勢進行分析。當某點的沉降量呈現不穩(wěn)定且向臨界值發(fā)展的趨勢時，系統(tǒng)需給出預警信息。地鐵隧道沉降監(jiān)測數據的趨勢分析實現過程如下。

(1) 采集沉降監(jiān)測數據，每個樣本分為輸入部分和目標輸出部分。即N個連續(xù)的觀測數據中，采樣時間、采樣環(huán)境參數等數據作為輸入，沉降量數據作為目標輸出。

(2) 確定BP網絡的訓練參數，如隱含層數量以及節(jié)點數，各層的傳遞函數類型，下降算法等。

(3) 對樣本數據做歸一化處理。

(4) 訓練得到用于沉降數據預測的BP神經網絡。

(5) 將實際數據輸入BP神經網絡模型得到沉降預測值。

區(qū)間隧道整體沉降監(jiān)測流程見圖2。在區(qū)間隧道整體沉降監(jiān)測中，先進行沉降數據的整體檢驗，判斷鄰近監(jiān)測點的數據變化趨勢是否具有一致性。若檢驗不通過，認為存在不穩(wěn)定點，此時需對不穩(wěn)定點的沉降趨勢進行分析，給出預警信號；如果檢驗通過，則認為所有的監(jiān)測點都是穩(wěn)定的，此時仍需對隧道的整體平均沉降趨勢進行分析，以判斷此區(qū)域的整體沉降是否已趨于穩(wěn)定，從而給出地鐵是否可以開始運營的安全建議。

圖2　區(qū)間隧道整體沉降監(jiān)測流程圖

隧道相對于地下車站沉降差異監(jiān)測流程見圖3。在隧道相對于地下車站沉降差異監(jiān)測中，則是對相應位置的監(jiān)測點進行沉降趨勢分析，從而判斷是否發(fā)出預警信息。

圖3　隧道相對于地下車站沉降差異監(jiān)測流程圖

2.2實例分析

某城市地鐵隧道延長線坐落在軟流塑淤泥質粉質黏土地層中，所處地質環(huán)境具有高含水量、高壓縮性、高靈敏度、低強度、易變形等特點，此處覆蓋層厚度大、基巖埋沒深，地質狀況較復雜。在此段隧道沿線安裝光纖光柵沉降監(jiān)測系統(tǒng)，開始對隧道進行連續(xù)地沉降監(jiān)測，該地區(qū)在此時間正處于開發(fā)高峰期，隧道周邊存在大量的施工工地，道路也在修筑。

在結構相對穩(wěn)定的7座車站內分別布設了7個工作基點，每2個工作基點之間布設了3個沉降監(jiān)測點。光纖光柵沉降監(jiān)測系統(tǒng)每天進行1次數據測量和記錄，并利用BP神經網絡對所得數據進行分析和預測。系統(tǒng)經過8個月的運行，取得了較好的沉降安全預測效果。

地鐵隧道附近的一處建筑工地在某段時間的施工過程中曾引起一定程度的小范圍地質沉降。系統(tǒng)監(jiān)測到此期間的異常情況，地鐵隧道發(fā)生了不均勻沉降，其位置大致處于第6，7個監(jiān)測點，系統(tǒng)針對這2個監(jiān)測點啟動了沉降趨勢分析預測，發(fā)布了預警信息。將此情況告知相關人員后，采取了應對措施，使此區(qū)段的沉降問題得到及時的緩解。

圖4展示了距離此沉降區(qū)域最近的地鐵車站工作基點、第6，7個監(jiān)測點、還有其鄰近監(jiān)測點記錄的沉降數據，以及對應的BP神經網絡預測效果，圖中，方塊表示光纖光柵傳感器在工作基點(地鐵車站)所測得的沉降數據，星號表示光纖光柵傳感器在區(qū)域監(jiān)測點所測得的沉降數據，線條則展示了對應的BP神經網絡的預測效果。

圖4　光纖光柵傳感器測得沉降數據

圖5展示了另一個距離此沉降區(qū)域較遠的工作基點與其鄰近區(qū)域監(jiān)測點記錄的沉降數據，以及相應的BP神經網絡預測效果。

圖5　光纖光柵傳感器測得沉降數據

圖6展示了此期間10個星期的整體沉降數據，從中也可以觀察到第6，7個監(jiān)測點發(fā)生了較為明顯的沉降。

圖6　10個星期的整體沉降數據展示

由以上實例中的監(jiān)測數據以及預測結果可以看出，BP神經網絡能夠恰當地描述和預測具有非線性和一定隨機性的沉降量數據，對未來沉降變形的預報有著較高的精度和準確性，能夠為保障地鐵隧道的安全運營提供及時的預警信息。

3　結語

本文提出了一種應用光纖光柵傳感技術進行地鐵隧道沉降監(jiān)測并利用神經網絡進行數據分析的方法。結合實際工程，建立人工神經網絡模型，對地鐵隧道沉降趨勢進行預測并做出準確的預報，以指導采取針對性措施，預防事故的發(fā)生，應用效果表明，利用神經網絡算法能夠對沉降數據進行準確有效的預測，同時，驗證了使用光纖光柵傳感技術進行地鐵隧道沉降監(jiān)測的可行性。本文所述的基于光纖傳感的地鐵隧道沉降安全預測方法及系統(tǒng)，能夠在保證地鐵隧道的安全運營，以及指導地鐵隧道沿線的建筑施工等方面起到重要作用，具有廣闊的應用前景。

參考文獻

[1]關寶數,國兆林.隧道及地下工程[M].成都：西南交通大學出版社，2000．

[2]黃騰,李桂華,孫景領,等.地鐵隧道結構變形監(jiān)測數據管理系統(tǒng)的設計與實現[J].測繪工程，2006(6)：1-3．

[3]黃聲享,尹輝.變形監(jiān)測數據處理[M].武漢:武漢大學出版社，2004．

[4]姜德生,方煒煒.Bragg光纖光柵及其在傳感中的應用[J].傳感器世界，2003(7)：22-26．

[5]趙勇.光纖光柵傳感技術及其應用[M].北京：國防工業(yè)出版社，2007.

[6]趙星光,邱海濤.光纖光柵傳感技術在隧道監(jiān)測中的應用[J].巖石力學與工程學報，2007，26(3)：587-593．

[7]關柏鷗,劉志國,開桂云,等．基于懸臂梁結構的光纖光柵位移傳感研究[J].光子學報，1999，28(11)：983-985．

[8]徐麗娜.神經網絡控制[M].北京：電子工業(yè)出版社，2002．

[9]張乃繞,閻平凡.神經網絡與模型控制[M]北京：清華大學出版社，2002．

收稿日期：2015-05-28

DOI10.3963/j.issn.1671-7570.2015.04.033