SPSS软件在隧道围岩监控量测数据分析中的应用.pdf

《SPSS软件在隧道围岩监控量测数据分析中的应用.pdf》由会员分享，可在线阅读，更多相关《SPSS软件在隧道围岩监控量测数据分析中的应用.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、收稿日期:2010-05-17基金项目:国家自然科学基金(40472136),(40272117)作者简介:王丹微(1982-)女,吉林长春人。助教,博士研究生,主要从事岩土工程的教学与研究工作。E?ma i:lwendy_19 126?com。SPSS软件在隧道围岩监控量测数据分析中的应用王丹微1,2,陈剑平2,庞大鹏3(1?吉林建筑工程学院,长春?130021;2?吉林大学建设工程学院,长春?130026;3?东北电力设计院勘测公司,长春?130000)摘?要:为了保证隧道工程的安全施工,并为围岩稳定性评价提供较为可靠的数据预测,应用数据挖掘软件 SPSS对研究区隧道监测断面的数据资料进行

2、了分析得出:隧道围岩接触压力、位移及时间等监测值之间存在着显著的相关关系;通过对隧道围岩各项监测值进行的回归分析,得到了各监测值即围岩压力、位移与监测时间之间的非线性回归方程,在此基础上,对隧道围岩稳定性进行了评价。证实 SPSS软件在分析隧道围岩监测数据方面具有较高的预测精度,可用来指导隧道的设计与施工。关键词:隧道围岩;接触压力;位移;SPSS;回归分析中图分类号:U452?1+2?文献标志码:A?文章编号:1003-8825(2010)06-0010-040?引言随着新奥法在隧道工程中的应用和推广,上世纪60年代隧道监控量测在国外得到了广泛的应用和长足的发展。我国从上世纪 80年代逐步采

3、用新奥法施工,经 20多年的发展,在量测方法和手段上都取得了很大的进步。同时,隧道围岩现场监控量测数据的分析方法也已取得了不少成果,众多的国内外学者做出了贡献,如:意大利的 Fanelli与 G ioda、葡萄牙的Rocha、日本的 S.Sakural、美国的 R.E.Goodman与我国学者杨志法、蒋村屏等 1-3。岩土工程的安全监测数据,由于影响因素复杂不可避免地存在观测误差,具有不确定性,可当随机变量来处理,监测数据同时存在潜在的规律性,可通过统计分析法总结其规律性。统计分析法是采用概率论、数理统计、随机过程等统计分析技术,把监测数据作为随机变量来处理分析的数值计算方法。它包括:回归分析

4、法、时序分析法等。其中,回归分析在监测数据分析中应用最为广泛。黄铭、葛修润4等(2001)采用多元逐步回归分析建立既能反映位移大小、方向随水压、温度和时间变化的规律,又能反映位移在区域内的分布情况的模型。徐洪钟、吴中如、王建、于应章等 5-7提出偏最小二乘法多元回归法,解决了自变量之间的多重共线性问题。为简化计算,提高效率,本文拟用成熟的数据挖掘软件 SPSS对隧道围岩监测数据进行分析,找出蕴含在其中的规律及变化,以便指导工程施工。1?隧道围岩监测1?1?研究区工程概况研究区隧道是浅埋偏压连拱隧道,隧道围岩节理裂隙发育,岩体破碎,极易发生大规模掉块、坍塌等事故。因此,严格按照新奥法施工的原则,

5、加强监控量测工作,根据量测结果及时加强支护,改变开挖断面形状,避免事故的发生。选取该隧道左洞 K50+763监测断面进行分析,其监测断面位于 III,I V围岩分类界限附近,分别进行了压力监测和应变监测,其监测结果具有较大的控制意义。1?2?隧道围岩监测1?2?1?接触压力该隧道左洞 K50+763围岩初衬断面压力盒布设于 2009年 5月 28日,截止到 2009年 6月 17日,其接触压力与时间关系曲线,见图 1。?10?路 基 工 程Subgrade Eng ineering?2010年第 6期(总第 153期)由图 1可知:围岩和初衬接触压力都趋于稳定,接触压力最大为 0?2367MP

6、a,初衬处于稳定状态。1?2?2?位移该监测断面多点位移计布设于 2009年 5月 28日,每个多点位移计测量断面由 3个测点组成,每个测点又包括 3个安装深度分别为 1?0,2?0,3?0 m的位移计,间隔 0?5 m。截止到 2009年 6月 17日,其测点的围岩内部位移-时间曲线见图 2图 4。由图 2 图 4可知:围岩变形曲线已趋向平稳,说明围岩内部变形正在趋向稳定;且变形最大值为13?651mm,小于允许位移值,说明初衬对围岩内部变形起到了有效的控制作用,围岩能保持稳定。为了明确该监测断面压力和位移之间的关系,验证监测数据的正确性,可将位移随时间的变化过程和前述围岩初衬之间接触压力随

7、时间的变化过程进行对比,发现围岩的内部位移和接触压力存在着相似的变化趋势。2?SPSS软件对隧道围岩监测的回归分析回归分析是一种研究两个变量或多个变量之间因果关系的统计方法。其基本思想是,在对变量进行相关分析的基础上,对具有相关关系的两个或多个变量之间数量变化的一般关系进行测定,确立一个合适的数学模 型,以 便 从 一 个 已 知 量 来 推断 另 一 个 未知量 7。由前述的围岩监测数据与时间关系曲线看出,两者之间服从某种分布关系,是属于非线性的过程。可选用 SPSS提供的 Nonlinear过程对其进行回归分析。回归分析时,由于 SPSS本身不具备自主选择回归模型的功能,在应用中必须根据实

8、际情况选择合适的非线性回归模型,并结合工程情况对其进行适当改造,尽量减少运算工作量,获得较好的回归效果。利用SPSS进行回归分析,可得出以下结果。(1)迭代过程,如表 1。表 1?非线性回归的迭代过程情况迭代数(a)残差平方和参数abc1?011?2801?0001?0001?0001?10?0150?2000?6700?9912?00?0150?2000?6700?9912?12?1590?206-0?0510?9822?22?1590?206-0?0510?9822?30?0110?1970?6050?9993?00?0110?1970?6050?9993?10?0060?1970?463

9、1?0144?00?0060?1970?4631?0144?10?0070?2100?2331?0334?20?0030?2030?3461?0275?00?0030?2030?3461?0275?10?0020?2110?3211?0656?00?0020?2110?3211?0656?10?0020?2100?3291?0687?00?0020?2100?3291?0687?10?0020?2110?3281?0678?00?0020?2110?3281?0678?10?0020?2100?3281?0679?00?0020?2100?3281?0679?10?0020?2100?3281

10、?06710?00?0020?2100?3281?06710?10?0020?2100?3281?06711?00?0020?2100?3281?06711?10?0020?2100?3281?067?(2)非线性回归方差统计,如表 2。表 2是非线性回归分析的方差分析。由表 2可知,未修正的总误差平方和 值为 0?612,自由度是19;它被 分解成 回归平 方和 0?609 与残 差平 方和0?002,自由度分别为 3与 16。经修正的总误差平方和为 0?073,自由度是 18。?11?王丹微,等:SPSS软件在隧道围岩监控量测数据分析中的应用表 2?非线性回归方差统计数据平方和自由度样本方

11、差回归0?60930?203残差0?002160?000未修正的总误差0?61219经修正的总误差0?07318注:R squared=1-(ResidualSum of Squares)/(Corrected Sum ofSquares)=0?968其中,表 2注的公式表示:R2=1-残差平方和/修正平方和=0?968,它表明非线性回归的效果很好。拱顶压力与间隔时间之间存在高度相关的高斯函数关系。(3)模型参数估计,如表 3。表 3?模型参数估计参数估计渐进标准误差95%置信区间下限上限a0?2100?0050?2010?220b0?3280?0330?2570?399c1?0670?050

12、0?9601?174?表 3显示的是模型参数的估计值、渐进标准误差和渐进 95%置信区间。据参数估计值可知,其回归过程建立的预测方程为拱顶压力=0?210 1-1?067exp(-0?328间隔时间)可借助这个高斯曲线模型对拱顶压力未来的发展变化作出预测。(4)参数估计的渐进相关系数矩阵,如表 4。表中列出了各对参数系数之间的相关系数值。表 4?参数估计的渐进相关系数矩阵abca1?000-0?669-0?235b-0?6691?0000?580c-0?2350?5801?000?根据拟合的高斯回归模型输出的预测值、残差看出,预测模型的拟合效果比较理想。表 5是截至 2009年 6月 29日,

13、根据回归模型对拱顶接触压力作出的预测值和实测值的对比。表 5?拱顶压力现场实测值与回归分析预测值对比监测时间/d实测值/MPa预测值/MPa残差/M Pa00?00390?00000?003910?03270?0486-0?015920?07020?0937-0?023530?11380?1262-0?012440?16380?14970?014150?18790?16650?0214表 5?拱顶压力现场实测值与回归分析预测值对比(续)监测时间/d实测值/MPa预测值/MPa残差/M Pa60?19330?17870?014670?19610?18740?008780?19840?19380?

14、004690?19950?19830?0012100?19890?2016-0?0027110?20070?2039-0?0032120?20290?2056-0?0027130?20150?2068-0?0053140?20430?2077-0?0034150?20550?2084-0?0029160?20670?2088-0?0021180?20810?2094-0?0013200?20990?20970?0002220?21130?20980?0015240?21240?20990?0025260?21370?21000?0037280?20510?2100-0?0049300?2145

15、0?21000?0045320?21590?21000?0059根据表 5可绘制拱顶压力的实测曲线与预测曲线,见图 5。由图 5看出,这种非线性回归拟合具有较好的预测精度。同理,重复以上步骤就可分别得出监测断面不同部位的围岩压力和监测时间,围岩内部位移与监测时间的非线性回归方程,见表 6。通过这些回归方程,就可对围岩未来的压力和位移进行预测,由于其拟合度均较高,且具有较高的预测精度,都能够取得较好的拟合效果。在此基础上,通过这些回归方程可对监测时间的二阶导数的 正负对围岩的 稳定性进 行预测,见表7,并结合现场量测的位移-时间曲线进行如下判断:?12?路 基 工 程Subgrade Eng i

16、neering?2010年第 6期(总第 153期)!d2udt2 0表示围岩已进入危险状态,须 立即停工,应采 取有效的 工程措 施进行加固。表 6?其它测点的非线性回归方程监测部位及内容回归方程拟合度 R2左拱脚压力?=0?2 1-1?01exp(-0?121t)0?981左拱部压力?=0?232 1-0?865exp(-0?155t)0?964右拱部压力?=0?234 1-1?004exp(-0?323t)0?983右拱部位移u=13?841 1-1?009exp(-0?203t)0?996左拱脚位移u=10?555 1-1?017exp(-0?121t)0?995左拱部位移u=12?9

17、46 1-1?029exp(-0?235t)0?994表 7?非线性回归方程对时间二阶导数及稳定性判定监测项目d2y/dt2稳定性判定左拱脚压力-0?003exp(-0?121t)d2u/dt2 0,稳定左拱部压力-0?005exp(-0?181t)d2u/dt2 0,稳定拱顶压力-0?024exp(-0?298t)d2u/dt2 0,稳定右拱部压力-0?025exp(-0?195t)d2u/dt2 0,稳定右拱部位移-0?576exp(-0?191t)d2u/dt2 0,稳定左拱脚位移-0?157exp(-0?129t)d2u/dt2 0,稳定左拱部位移-0?736exp(-0?220t)d

18、2u/dt2 0,稳定从表 7看出:该监测断面无论压力还是位移曲线的二阶导数都小于零,表明压力和位移都趋于稳定,且最大位移值小于允许最大位移值的最小值,根据公路隧道施工技术规范%(JTJ042-94)规定,隧道周边最大允许相对位移(指实测位移值与两测点间距离之比,或拱顶位移实测 值与隧道宽度 之比)为0?20%0?80%,因此,该隧道的围岩较为稳定。3?结论通过应用 SPSS统计软件,对研究区隧道围岩监测数据进行了系统的回归分析研究,可得以下结论。(1)在隧道围岩监控量测数据分析中应用软件SPSS是合适 的,它可 对监测数据进 行定性、定量分析。(2)隧道围岩监测数据,即接触压力、位移及时间等

19、监测值之间存在着显著的相关关系,联系它们的纽带是同样的围岩性质。(3)利用软件 SPSS对数据进行了非线性回归分析,找出了围岩压力及位移的非线性回归方程,拟合效果较好,进而可用该软件对围岩压力及位移的变化进行预测,对围岩的稳定性开展进一步的分析和评价。参考文献:1 孙钧?岩土力学反演问题的随机理论与方法 M?汕头:汕头大学出版社,1996.2Sakurai S,TakeuckiK?Back analysis ofmeasured displacement of tunnel J?Rock M echanics and Rock Engineering,1983,16(3):173-180.3

20、GiodaG,JurinaG?Nu merical identification of soil structure interaction pres?sures J?Int J forNu m&AnalM eth in Geomech,1981(5):33-56.4 黄铭,葛修润,等?大坝安全监测的多测点位移向量模型 J?上海交通大学学报,2001,35(4):514-517.5 徐洪钟,吴中如?偏最小二乘回归在大坝安全监控中的应用 J?大坝观测与土工测试,2001,25(6):22-23.6 王建,等?监测数据回归分析中典型监测值欠拟合释因 J?武汉大学学报(工学版),2003,36(6)

21、:9-12.7 于印章,等?监测及预报系统变化的自回归模型参数分析法 J?自动化学报,1996,22(5):638-640.Application of SPSS Software toM onitoring Data Analysis of Tunnel SurroundingRockW angDan?w ei1,2,Chen Jian?ping2,Pang Da?peng3(1?Jinlin Institute ofArchitecture and C ivilEngineering,Changchun 130021,China;2?College ofConstruction Engin

22、eering,JilinUniversity,Changchun 130026,China;3.NortheastE lectricPowerDesign Institute,Changchun 130000,China)Abstract:In order to ensure safe construction of tunnel engineering and provide reliable data prediction forsurrounding rock stability,this paper analyzes the data of tunnelmonitoring secti

23、on in research area using SPSSsoft w are.It is shown that the contactpressure,displacement and ti me of tunnel surrounding rock have obviousrelations.Through regression analysis on eachmonitoring data of tunnel surrounding rock,nonlinear regressionequation among confining pressure,displacement andmo

24、nitoring ti me is obtained.Based on this,the stabilityof tunnel surrounding rock is evaluated.It is proven that SPSS soft ware has higher prediction precision in analyzingmonitoring data of tunnel surrounding rock,which can be used to guide tunneldesign and construction.K ey words:tunnel surrounding rock;contact pressure;displace men;t SPSS;regression analysis?13?王丹微,等:SPSS软件在隧道围岩监控量测数据分析中的应用