[发明专利]软土地区考虑基坑开挖全过程的坑外地表沉降预测方法有效
申请号: | 202110040831.1 | 申请日: | 2021-01-13 |
公开(公告)号: | CN112729232B | 公开(公告)日: | 2022-05-17 |
发明(设计)人: | 程康;张旭东;唐达昆;夏明锬;胡小银;梅灿;徐日庆;甘晓露 | 申请(专利权)人: | 中铁十一局集团有限公司;浙江大学 |
主分类号: | G01C5/00 | 分类号: | G01C5/00;E02D1/00;G06F17/15;G06Q10/04;G06Q50/08 |
代理公司: | 武汉蓝宝石专利代理事务所(特殊普通合伙) 42242 | 代理人: | 刘璐 |
地址: | 430000 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 土地 考虑 基坑 开挖 全过程 外地 沉降 预测 方法 | ||
1.一种软土地区考虑基坑开挖全过程的坑外地表沉降预测方法,其特征在于,所述坑外地表沉降预测方法包括:
步骤1,对基坑开挖全过程实施地表沉降监测,基于监测数据得到坑外地表横向最大沉降值与开挖深度的关系函数一以及坑外地表横向最大沉降位置与开挖深度的关系函数二,基于所述关系函数一和关系函数二得到考虑基坑开挖全过程的坑外地表横向沉降预测函数,该横向为垂直于基坑长边方向;
步骤2,基于互补误差函数和由所述坑外地表横向沉降预测函数得到的坑外地表横向最大沉降值,得到考虑基坑开挖全过程的坑外地表纵向沉降预测函数,该纵向为平行于基坑长边方向;
步骤3,基于所述坑外地表横向沉降预测函数和所述坑外地表纵向沉降预测函数的曲线得到任意开挖阶段坑外任意点的沉降值。
2.根据权利要求1所述的坑外地表沉降预测方法,其特征在于,所述步骤1中得到所述关系函数一和关系函数二的过程包括:
以基坑长边的中垂线为地表沉降观测线ll,取所述中垂线所在方向为x轴方向,取所述中垂线与基坑长边交点为x轴零点;
记录在基坑不同开挖深度H下,地表沉降观测线ll上横向最大沉降值δvmax以及横向最大沉降点P发生位置距基坑长边的距离Smax;
绘制基坑各开挖阶段下的δvmax/H随开挖深度H的分布曲线,基于该分布曲线拟合得到所述关系函数一;绘制基坑各开挖阶段下的Smax随开挖深度H的分布曲线,基于该分布曲线拟合得到所述关系函数二。
3.根据权利要求2所述的坑外地表沉降预测方法,其特征在于,所述关系函数一为:
δvmax/H=0.01H2-0.17H+1.179。
4.根据权利要求2所述的坑外地表沉降预测方法,其特征在于,所述关系函数二为:
smax=-0.072H2+2.23H-7.40。
5.根据权利要求2所述的坑外地表沉降预测方法,其特征在于,所述坑外地表横向沉降预测函数为:
其中,δv表示坑外地表横向沉降预测值,s表示距基坑长边的垂直距离。
6.根据权利要求1所述的坑外地表沉降预测方法,其特征在于,所述步骤2中,基于互补误差函数erfc()和由所述坑外地表横向沉降预测函数给出的坑外地表横向最大沉降值δvmax,得到的所述坑外地表纵向沉降预测函数为:
其中,δ(x)表示在基坑外侧所选的纵向沉降观测线上,到基坑端点垂向距离为x的沉降预测值,L为基坑长边长度,δvmax是在该纵向沉降观测线上的最大沉降值,选取在该纵向沉降观测线上沉降值为δvmax/2所在点,A为该点到邻近一端基坑的垂直距离。
7.根据权利要求6所述的坑外地表沉降预测方法,其特征在于,确定所述垂直距离A的过程包括:
以基坑长边所在方向为y方向,选取距基坑长边任意垂直距离s,长度等于基坑长边L且与y方向平行的线段为地表纵向沉降观测线l'l';
记录在基坑不同开挖深度H下,所述地表纵向沉降观测线l'l'上各点的沉降值;
所述地表纵向沉降观测线l'l'与x轴的交点为l'l'上的最大沉降点P',其沉降值为wvmax,在所述地表纵向沉降观测线l'l'上找出沉降量为0.5wvmax的沉降点并记为所述地表纵向沉降观测线l'l'上的反弯点P”,再记录该反弯点P”到所述地表纵向沉降观测线l'l'就近一端端点的距离为A;
以基坑在不同挖深H下的反弯点到所述地表纵向沉降观测线l'l'就近一端端点的距离A为数据点,绘制基坑各开挖深度H下的2A/L随H/L的分布曲线,基于该分布曲线拟合得到2A/L与H/L的关系函数。
8.根据权利要求7所述的坑外地表沉降预测方法,其特征在于,拟合得到的2A/L与H/L的关系函数为:
得到所述坑外地表纵向沉降预测函数为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中铁十一局集团有限公司;浙江大学,未经中铁十一局集团有限公司;浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110040831.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种采用机器学习进行图纸布局分类识别的方法
- 下一篇:一种新型风能发电装置