基于FP-Growth算法的盾构掘进参数与隧道管片渗漏关联性分析
- 格式：pdf
- 大小：409.25 KB
- 文档页数：5
第３６卷第５期 ２０１６年５月
隧道建设
Ｔｕｎｎｅｌ Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｖ０１．３６ Ｎｏ．５
Ｍａｙ ２０１６
基于ＦＰ—Ｇｒｏｗｔｈ算法的盾构掘进参数与隧道管片渗漏关联性分析 吴惠明 ，杨 威 ，姜 苊 ，高新闻 （１．上海大学土木３－程系，上海２０００７２；２．上海大学一上海城建建筑产业化研究中心，上海２０００７２； ３．上海隧道工程有限公司，上海２０００３０）
摘要：为研究隧道管片渗漏与盾构掘进参数之间的关联性，对关联规则中的Ａｐｒｉｏｒｉ算法与ＦＰ—Ｇｒｏｗｔｈ算法进行比较，选择ＦＰ— Ｇｒｏｗｔｈ算法作为文章研究使用的关联规则算法。选取关键掘进参数并对其数据筛选、划分及编码。采用ＦＰ—Ｇｒｏｗｔｈ算法，结合 Ｍａｔｌａｂ数据分析语言编程，挖掘基于掘进参数频繁项集的管片渗漏关联规则，分析关键掘进参数渗漏原理。依据渗漏频繁项集和 渗漏规则，推荐４个关键掘进参数组合的预设范围，并应用在某隧道东线的盾构掘进中。结果表明，关键掘进参数组合优化后的成 环管片发生渗漏的概率降低２９．３６％。 关键词：隧道管片；关联规则；ＦＰ—Ｇｒｏｗｔｈ算法；渗漏水；掘进参数 ＤＯＩ：１０．３９７３／ｊ．ｉｓｓｎ．１６７２—７４１Ｘ．２０１６．０５．００３ 中图分类号：Ｕ ４５７ ．２ 文献标志码：Ａ 文章编号：１６７２—７４１Ｘ（２０１６）Ｏ５—０５１３—０５
Ｒｅｌｅｖａｎｃｙ Ａｎａｌｙｓｉｓ ｏｆ Ｓｈｉｅｌｄ Ｔｕｎｎｅｌ Ｂｏｒｉｎｇ Ｐａｒａｍｅｔｅｒｓ ａｎｄ Ｌｅａｋａｇｅ ｏｆ Ｔｕｎｎｅｌ Ｓｅｇｍｅｎｔ ｂｙ Ｍｅａｎｓ ｏｆ ＦＰ－Ｇｒｏｗｔｈ Ａｌｇｏｒｉｔｈｍ
ＷＵ Ｈｕｉｍｉｎｇ ，ＹＡＮＧ Ｗｅｉ ，ＪＩＡＮＧ Ｐｅｎｇ ，ＧＡＯ Ｘｉｎｗｅｎ （１．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｉｖｉｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｇｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０００７２，Ｃｈｉｎａ； ２．ＳＨＵ－ＳＵＣＧ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｆｏｒ Ｂｕｉｌｄｉｎｇ Ｉｎｄｕｓｔｒｉａｌｉｚａｔｉｏｎ，Ｓｈａｎｇｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０００７２，Ｃｈｉｎａ； ３．Ｓｈａｎｇｈａｉ Ｔｕｎｎｅ２ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏ．，Ｌｔｄ．，Ｓｈａｎｇｈａｉ ２０００３０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ａｄｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ Ａｐｒｉｏｒｉ ａｌｇｏｒｉｔｈｍ ａｎｄ ＦＰ—Ｇｒｏｗｔｈ ａｌｇｏｒｉｔｈｍ ａｒｅ ｃｏｍｐａｒｅｄ．ＦＰ—Ｇｒｏｗｔｈ ａｌｇｏｒｉｔｈｍ ｉｓ ａｄｏｐｔｅｄ ｔｏ ｓｔｕｄｙ ｔｈｅ ｒｅｌｅｖａｎｃｙ ａｎａｌｙｓｉｓ ｏｆ ｓｈｉｅｌｄ ｔｕｎｎｅｌ ｂｏｒｉｎｇ ｐａｒａｍｅｔｅｒｓ ａｎｄ ｌｅａｋａｇｅ ｏｆ ｔｕｎｎｅｌ ｓｅｇｍｅｎｔ． Ｔｈｅ ｋｅｙ ｂｏｒｉｎｇ ｐａｒａｍｅｔｅｒｓ ｏｆ ｓｈｉｅｌｄ ｔｕｎｎｅｌ ａｒｅ ｓｃｒｅｅｎｅｄ，ｒａｎｇｅ ｐａｒｔｉｔｉｏｎｅｄ ａｎｄ ｅｎｃｏｄｅｄ．Ｔｈｅ ｒｅｌｅｖａｎｃｙ ｒｕｌｅ ｏｆ ｌｅａｋａｇｅ ｏｆ ｔｕｎｎｅｌ ｓｅｇｍｅｎｔ ｂａｓｅｄ ｏｎ ｆｒｅｑｕｅｎｔ ｉｔｅｍ ｓｅｔｓ ｏｆ ｔｕｎｎｅｌ ｂｏｒｉｎｇ ｐａｒａｍｅｔｅｒｓ ｉｓ ｓｔｕｄｉｅｄ ｂｙ ｍｅａｎｓ ｏｆ ＦＰ—Ｇｒｏｗｔｈ ａｌｇｏｒｉｔｈｍ ａｎｄ Ｍａｔｌａｂ ｓｏｆｔｗａｒｅ．Ｔｈｅ ｌｅａｋａｇｅ ｐｒｉｎｃｉｐｌｅ ｏｆ ｋｅｙ ｂｏｒｉｎｇ ｐａｒａｍｅｔｅｒｓ ｉｓ ａｎａｌｙｚｅｄ．Ｔｈｅ ｌｅａｋａｇｅ ｐｒｏｂａｂｉｌｉｔｙ ｏｆ ｔｕｎｎｅｌ ｓｅｇｍｅｎｔ ｉｎ ｅａｓｔ ｌｉｎｅ ｏｆ ａ ｔｕｎｎｅｌ ｉｓ ｄｅｃｒｅａｓｅｄ ｂｙ ２９．３６％ｂｙ ｕｓｉｎｇ ４ ｇｒｏｕｐｓ ｏｆ ｔｕｎｎｅｌ ｂｏｒｉｎｇ ｐａｒａｍｅｔｅｒｓ ｒｅｃｏｍｍｅｎｄｅｄ． Ｋｅｙｗｏｒｄｓ：ｔｕｎｎｅｌ ｓｅｇｍｅｎｔ；ｒｅｌｅｖａｎｃｙ ｒｕｌｅ；ＦＰ—Ｇｒｏｗｔｈ ａｌｇｏｒｉｔｈｍ；ｗａｔｅｒ ｌｅａｋａｇｅ；ｔｕｎｎｅｌ ｂｏｒｉｎｇ ｐａｒａｍｅｔｅｒｓ
Ｏ 引言 盾构法隧道施工过程中，盾构参数的设定多是基于 以往的工程经验以及工程实算，虽然这些参数的设定可 以保证隧道的正常施工，但隧道管片渗漏病害依然比较 普遍。隧道管片渗漏不仅会造成路面积水，导致行车环 境恶化，而且会侵蚀隧道内的附属设施和设备，降低衬 砌结构的稳定性以及衬砌的强度和安全系数…，进而增 加隧道运营过程中病害的检测和防治成本。 目前关于盾构隧道掘进参数的研究多应用于降低 盾构隧道的沉降风险 ，盾构隧道渗漏水的研究多 集中在病害成因分析、治理措施以及评价指标和等级 的建立等方面 Ｊ。虽然有一些文献从隧道管片质量 和盾构掘进参数等方面阐述掘进参数与隧道渗漏之间 的关系Ｅ６－７１，但基本上以工程经验和定性分析为主，缺 乏实际的指导意义。本文运用数据挖掘技术，挖掘泥 水盾构隧道掘进参数与管片渗漏病害的关联规则，分 析关键掘进参数的渗漏原理，探究降低管片渗漏风险 的掘进参数调控参考范围。
收稿日期：２０１５—１２—２９；修回日期：２０１６—０２—０２ 基金项目：上海市国资委（２０１４００８） 第一作者简介：吴惠明（１９７０一），男，上海人，２０１５年毕业于上海大学，结构工程专业，博士，教授级高级工程师，主要从事隧道施工技术研究工作。 Ｅ－ｍａｉｌ：ｗｈｍｓｔｅｃ＠１６３．ＣＯＢ。 ５１４ 隧道建设 第３６卷 １ 影响隧道管片渗漏的因素 影响隧道管片渗漏的因素复杂且多样，地质水 文条件、盾构掘进参数、防水材料、管片的制造工艺 及运输等都会对管片的渗漏造成影响 ，造成管 片渗漏的因素可以分为如下几种。 １）地质水文因素。地层的渗透系数、孔隙水压 力、地层均匀性以及地层的扰动等。 ２）盾构掘进参数。盾构姿态、盾尾间隙、千斤顶 推力和推进速度等。 ３）注浆因素。同步注浆及二次注浆的浆液材料 和注浆工艺等。 ４）隧道管片质量及管片拼装质量。管片制作工 艺、堆放吊装运输、密封止水材料和隧道椭圆度等。 ２关联规则算法 Ａｐｒｉｏｒｉ算法是最具有影响的挖掘布尔关联规则 频繁项集的算法，该算法使用逐层搜索的迭代方法，即 用Ｋ项集来探索（Ｋ＋１）项集；ＦＰ—Ｇｒｏｗｔｈ算法属于 深度优先搜索，将挖掘长频繁模式的问题转换成挖掘 一些短模式，然后连接形成。仅需２次扫描数据库，第 １次扫描产生频繁１一项集，第２次扫描建立全局ＦＰ— ｔｒｅｅ［１ 。Ａｐｒｉｏｒｉ算法与ＦＰ—Ｇｒｏｗｔｈ算法的优缺点对
比见表１。
表１ Ａｐｒｉｏｒｉ算法与ＦＰ—Ｇｒｏｗｔｈ算法性能比较 Ｔａｂｌｅ １ Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ Ａｐｒｉｏｒｉ ａｌｇｏｒｉｔｈｍ ａｎｄ ＦＰ—Ｇｒｏｗｔｈ ａｌｇｏｒｉｔｈｍ
项日 优点 缺点 利用选项集和频繁项集 算法 枝，挖掘出来的结果较好 将数据库信息压缩在１ 颗频繁模式树上，不生成候 ＋ 选集，节约时间和空间；只 …“ 需扫描２次，大量节省扫描 数据库的时间 多次扫描事务数据库， 需要很大的１／Ｏ负载；会 产生庞大的候选集，内存 利用率低，影响挖掘效率
构建ＦＰ—ｔｒｅｅ时占用 内存卒问大，当数据库庞 大时，构建的ＦＰ—ｔｒｅｅ也 很庞大；产生很大频繁模 式基，会耗费较多时间和 空间
考虑到Ａｐｒｉｏｒｉ算法的２大瓶颈会影响数据的挖 掘效率，因此，本文采用的关联规则算法是ＦＰ— Ｇｒｏｗｔｈ算法¨ 。ＦＰ—Ｇｒｏｗｔｈ算法采取各个击破的策
略：首先，将代表频繁项的数据库压缩成包含项集关 联信息的频繁模式树。然后，将压缩数据库划分为１ 组有条件的数据库，每个数据库关联１个频繁项。 结合１个实例来说明使用ＦＰ—Ｇｒｏｗｔｈ关联规则 算法的基本步骤。例如：采用表２所示的事务数据 库，设置最小支持度ｍｉｎ—ｓｕｐ＝３，使用ＦＰ—Ｇｒｏｗｔｈ算 法挖掘的结果如表３所示。
表２事务数据库 Ｔａｂｌｅ ２ Ｔｒａｎｓａｃｔｉｏｎ ｄａｔａｂａｓｅ
ＦＰ—Ｇｒｏｗｔｈ算法挖掘频繁项集的基本步骤如下： １）遍历１次数据库，导出频繁项１一的集合和支 持度计数，并以降序排列； ２）构造ＦＰ—ｔｒｅｅ； ３）根据第２步得到的ＦＰ—ｔｒｅｅ，为频繁项集１一的 每一项构造条件ＦＰ—ｔｒｅｅ； ４）得到频繁模式。
表３基于ＦＰ—Ｇｒｏｗｔｈ算法的挖掘结果 Ｔａｂｌｅ ３ Ｓｔｕｄｙ ｒｅｓｕｌｔｓ ｂａｓｅｄ ｏｎ ＦＰ—Ｇｒｏｗｔｈ ａｌｇｏｒｉｔｈｍ
３ 隧道管片渗漏数据的采集 本文研究的数据来源于某越江隧道，该越江隧道 采用泥水平衡盾构法施工，盾构推进总长６．７８ ｋｍ，共 需管片３ ３９０环，且管片均来自同一制造商。现场技 术人员使用摄像机拍摄隧道管片渗漏的真实情况，按 照“渗水明显、湿渍面积较大、漏浆清晰可见”的原 则¨ ，将发生渗漏的管片标记并录入管片渗漏记录表 中。图１是隧道管片现场渗漏的情况。
图１ 现场隧道管片的渗漏情况 Ｆｉｇ．１ Ｌｅａｋａｇｅ ｏｆ ｔｕｎｎｅｌ ｓｅｇｍｅｎｔ
４盾构关键掘进参数的确定与编码 ４．１ 关键掘进参数的确定 基于以往的工程经验和数据统计分析结果，结合
