娄益彰
（中铁十六局集团路桥工程有限公司，北京 101500）
黄土在我国广泛分布，其分布面积约64×104km2，占国土面积的6.60%。随着基础设施建设快速发展，黄土隧道工程越来越多，引发的工程事故也随之增加。因此，开展黄土隧道的相关事故研究具有重要的现实意义[1-2]。目前，已有不少学者进行了类似的研究，王思捷等[3]对黄土隧道初支扭曲变形成因进行分析；
梁庆国等[4]研究了富水条件下的黄土大变形控制技术；
周鹏等[5]分析了偏压黄土隧道的大变形特征。上述研究虽然取得了相应的成果，但是均未涉及黄土隧道塌方事故研究，尤其未细化研究浅埋条件下的塌方成因及后续失稳风险评价。一方面，塌方成因分析可为其防治措施研究提供理论基础，研究意义重大；
另一方面，隧道变形是其各类影响成因综合作用的直观体现，通过变形预测来评价其后续失稳风险也是可行的。因此，开展浅埋黄土隧道塌方成因分析及后续失稳风险评价显得十分必要。综上所述，该文以浅埋黄土隧道塌方事故为工程背景，在开展其塌方成因分析的基础上，进一步通过变形预测评价其后续失稳风险，以便为其防治提供理论依据。
该文的分析过程如下：以浅埋黄土隧道塌方段为工程背景，首先，结合其地质条件，开展其塌方成因分析；
其次，以变形监测成果为基础，在开展其变形特征分析的基础上，通过变形预测来完成其后续失稳风险评价。在该文的分析过程中，所涉及的理论主要是变形预测模型构建。一般来说，如果塌方段的后续变形持续增加，那么其失稳风险相对会更大，所以通过变形预测来开展其后续失稳风险评价是可行的。
由于支持向量机（Stochastic Volatility Model，SVM）能将低维非线性问题转变为高维线性问题，可保证预测过程的结构风险最小[6-7]，因此利用其构建塌方段的变形预测模型；
结合其基本原理，其训练函数如公式（1）所示。
式中：yi为隧道变形预测值；
wT为维列向量的转置向量；
xi为隧道变形输入信息；
φ（xi）为模型激励函数；
b为偏置量。
但是根据使用经验，核函数、偏置量参数是由模型随机产生，因此有必要对其进行优化处理，以保证其预测精度。
考虑到生物地理学优化算法（Biogeography Based Optimization，BBO）具有较强的全局寻优能力，因此，提出利用其开展SVM模型的参数优化处理；
结合该算法的基本原理，将其寻优步骤整理如图1 所示。
图1 BBO 算法对SVM 模型的优化流程
综上所述，将塌方段的变形预测模型最终确定为BBOSVM 模型。
结合相关文献[8]研究成果，隧道变形速率s的变形程度可划分为如果s＞1 mm/d，那么其变形属急剧变形阶段；
如果0.2mm/d ≤s≤1mm/d，那么其变形属缓慢变化阶段；
如果s＜0.2 mm/d，那么其变形属基本稳定阶段。
综上所述，将外推预测结果对塌方后续失稳风险的评估标准定义为若变形属加速变形阶段，那么塌方段的后续塌方风险的可能性较大，即极易再次发生塌方事故；
如果变形属缓慢变形阶段，那么塌方段的后续失稳风险的可能性相对一般；
如果变形属基本稳定阶段，那么塌方段的后续失稳风险相对较低。同时，提出以外推预测结果的变形速率均值作为隧道变形程度的划分指标。
2.1 工程概况
2.1.1 隧道基本信息
某隧道埋深较浅，最大埋深仅为80m，具浅埋隧道特征，且该隧道属双洞分离式隧道，两洞净距为45m~65m，其中，左洞长度为1295m，明洞长度24m，洞口加强段长度为55m，Ⅴ级围岩段长度为960m，进口段具600m 上坡段，对应坡率为0.625%，其后均是下坡段，坡率为0.5%；
右洞长度为1076m，明洞长度30m，洞口加强段长度为65m，Ⅴ级围岩段长度为985m，进口段具550m 上坡段，对应坡率亦为0.625%，其后均是下坡段，坡率也为0.5%。
2.1.2 隧址区工程地质条件
结合隧道勘察成果，其工程地质条件如下：①地形地貌。隧址区具黄土残塬地貌，其切割相对较浅，但顶部较宽且平缓，起伏相对较小；
结合地形图，隧址区高程为1851.63 m~1932.48 m，高差为80.85 m，地形起伏相对一般。②地层岩性。隧道所穿越地段均为新黄土，在天然干燥状态下，具有较高的结构性，但受水浸湿后，其强度会明显降低，并经过试验统计，隧址区黄土具自重湿陷性，湿陷性等级为Ⅱ~Ⅲ级，工程性质相对较差。③地质构造。结合区域地质条件，隧址区附近未见大型地质构造，但受黄土性质影响，地层发育有较多节理裂隙，导致其完整性较差，且由于区内近期受大地震影响，在山体内也引发了大量的构造裂隙和断层，影响了地层的完整性。④水文地质条件。隧址区地表及附近均未见常年地表水体，在降雨过程中会在地表形成季节性径流。地下水类型为孔隙水，但是赋存量相对较小，这次勘察过程均未见明显的地下水位。
根据上述工程地质条件，该隧道存在较多的施工难点，主要包括黄土强度较低，具有湿陷性特征，施工时易造成变形较大的问题，对施工要求较高；
隧道口两侧发育有明显重构，地形上存在偏压的可能，易引发滑坡、坍塌现象；
隧道洞口附近山体上发育有若干落水洞，其引发的地下水、裂隙等不清楚。因此，开展该隧道研究具有重要的意义。
2.1.3 隧道塌方概况
当隧道左洞掌子面施工至ZK45+174m 处，正欲施做钢拱架时，掌子面开始出现裂缝，其裂缝宽度为1 cm~2 cm，且具有进一步扩展特征；
当出现上述现象后，施工单位立即组织撤离，待撤离1 h 后，随即出现了塌方灾害，其特点主要表现为左、右两侧出现2 个塌方体，其中，左侧塌方体尺寸为2.5m×2.0m×3.0m，体积约15m3；
右侧塌方体尺寸为2.1m×1.8m×2.7m，体积约10.21 m3。
当发生塌方灾害后，施工单位对塌方体及已施做开裂初支进行重新混凝土喷射。同时，隧道塌方后，其对应地表也出现了明显裂缝。其中，最大的1 条裂缝的延伸长度约15 m，宽度为1 cm~5 cm，并具有明显下错、沉降特征。
2.2 塌方成因分析
结合隧道塌方段的地质条件，将其塌方成因分析如下：1）地形地貌成因。由于塌方段地表较为陡峻，地形起伏较大，且塌方段上部地层的垂直节理较发育，各类结构面交错发育，导致因此地层的完整性差，自稳能力弱。2）浅埋、降雨成因。塌方段埋深为18.4 m，具有显著的浅埋特征，塌方发生前，隧址区发生了10 h 的连续降雨，累计降雨量较大；
同时，该施工段处于斜坡坡脚，降雨汇集易形成径流，侵蚀作用明显。因此，在塌方段施工的过程中，雨水沿垂直节理渗入至隧道深度处，造成其强度、承载力等急剧下降。3）参数变化成因。由于雨水入渗的影响，塌方段地层的含水量会逐步增加，抗剪参数等也会随之减弱，即地层参数变差，因此影响地层的自稳能力。同时，在该过程中，存在参数渐变特征，即参数并不是短时降低。由于参数渐变，隧道变形也会持续变形，这也与后续隧道变形时间曲线匹配。4） 施工扰动成因。隧道施工开挖具有三维特征，即开挖形成后的空间效应明显，这会产生明显的卸荷作用，使地层裂隙扩展，减少其完整性。且该过程是一个持续过程，即其地层劣化具长久时间效应。当某些特殊机械操作不当时，机械可能对围岩施做短期作用力，可能引发一定的小规模塌方。5）机械扰动成因。黄土隧道施工虽然不用爆破作业，但是其施工过程也会用到各类机械，机械施工过程会产生一定的振动，会使地层裂隙逐步扩展、贯通，造成其变形破坏。综上所述，该隧道塌方成因相对较多，其成灾并不是单一因素作用的结果，是各因素相互作用共同造成的。
2.3 后续失稳风险评价
2.3.1 变形特征分析
在塌方灾害初步处理后，在ZK45+165 m 及ZK45+165 m处布设2 个监测断面，监测项目内容包括拱顶沉降及水平收敛，旨在实时掌握塌方段的变形特征；
在监测过程中，监测频率设置为1 次/d，共计收集得到30 d 变形数据。
首先，经过统计，得到ZK45+165m 断面的变形时间曲线，见表1。根据表1，ZK45+165m 断面的沉降变形、水平收敛有持续增加的趋势，其中，沉降变形值为114.66mm，大于水平收敛值77.41mm。同时，拱顶沉降的变形速率为0.22mm/d~12.42mm/d，平均值为3.28mm/d；
水平收敛的变形速率为1.24mm/d~4.07mm/d，平均值为2.21mm/d。在该断面，将2 类监测项目进行对比，得出沉降变形的累计变化量相对更大，且变形速率有更强的波动性。
表1 ZK45+165m 的变形监测数据
表2 为ZK45+170 m 断面的变形时间曲线。根据表2，ZK45+170 m 断面的沉降变形值为131.49 mm，也大于水平收敛值85.28 mm；
在变形速率方面，拱顶沉降的变形速率为0.31 mm/d~10.40 mm/d，平均值为3.76 mm/d；
水平收敛的变形速率为0.15 mm/d~6.38 mm/d，平均值为2.44 mm/d。该断面2 类监测项目的变形规律与ZK45+165m 断面一致。
表2 ZK45+170m 的变形监测数据
其次，再对两监测断面所有变形速率进行区间分布统计，结果见表3。根据表3 可知，隧道塌方段的变形速率分布特征如下：随着变形速率增加，其对应分布区间的分布次数或所占比例先增大后变小，且小变形速率区间的分布比例一般大于大变形速率区间的分布比例，其中，变形速率在“2 mm/期＜s≤4 mm/期”区间的分布比例相对最大，占30%。
表3 变形速率的区间分布
综上所述，浅埋黄土隧道塌方段的变形特征显著，因此，开展其后续变形失稳风险评价是十分必要的。
2.3.2 变形预测及失稳风险评价
按照该文的思路，该节通过变形预测来实现塌方段后期变形趋势研究，进而评价其后续失稳风险。
在变形预测过程中，预测模型为BBO-SVM 模型，为验证BBO 算法的优化能力，提出以ZK45+165m 断面的拱顶沉降为例，对其优化前后的预测结果进行对比，所得结果见表4。
表4 ZK45+165m 断面的拱顶沉降预测结果
根据表4，在对应验证节点处，BBO-SVM 模型的相对误差值均不同程度地小于SVM 模型的相对误差值，且前者的平均相对误差值为2.10%，有较高的预测精度，但是后者的平均相对误差值为3.18%，明显大于前者，充分说明BBO算法能有效地完成SVM 模型的参数优化处理，对提升预测精度具有良好的效果。
上述已验证了BBO-SVM 模型在该隧道塌方段变形预测中的适用性，然后再利用其对其他监测点、监测项目开展同样预测及外推预测，所得结果见表5。据表5，各监测点、监测项目的预测精度虽然有一定的差异，但是其相对误差均在2%左右，预测结果的稳定性较好，且在两监测断面的所有预测结果中，其相对误差均值为2.08%~2.28%，进一步验证了BBO-SVM 模型的预测能力。
表5 隧道塌方段的最终预测结果
根据表3 中的外推预测的结果，得出该塌方段的后续变形还会进一步增加，并统计得到外推31~34 周期的变形速率均值如下：ZK45+165m 断面的拱顶沉降预测速率均值为1.45 mm/d，属加速变形阶段。ZK45+165m 断面的水平收敛预测速率均值为1.18 mm/d，属加速变形阶段。ZK45+170m 断面的拱顶沉降预测速率均值为1.21 mm/d，属于加速变形阶段。ZK45+170m 断面的水平收敛预测速率均值为0.84 mm/d，属缓慢变化阶段。
由上文可知，除ZK45+170 m 断面的水平收敛存在相对一般的后续失稳风险外，其余监测点或项目均存在较大的后续塌方风险，极易再次发生塌方事故，建议进一步采取必要的措施，以保证塌方段的稳定性，例如在塌方段地表往下进行竖向注浆加固，并在塌方断面，向上部地层、前部地层进行注浆加固处理；
当然，在各类处理过程中，应该保持变形监测，实时预警，保障加固过程的安全。
通过浅埋黄土隧道塌方成因分析及后续失稳风险评价，主要得到以下2 个结论：1）浅埋黄土隧道的塌方成因相对较多，主要包括地形地貌成因、浅埋和降雨成因、参数变化成因、施工扰动成因以及机械扰动成因，且其塌方成灾并不是单一因素作用的结果，是各因素相互作用共同造成的。2）BBO-SVM 模型在该隧道塌方段变形预测中具有良好的预测精度，其预测结果显示除ZK45+170m 断面的水平收敛有相对一般的后续失稳风险外，其余监测点或项目均是存在较大的后续塌方风险，极易再次出现塌方事故。
猜你喜欢 塌方黄土成因 公路工程隧道施工塌方治理技术应用工程建设与设计(2021年11期)2021-07-28各路创新人才涌向“黄土高坡”当代陕西(2020年15期)2021-01-07黄土成金河北画报(2020年21期)2020-12-14只要有信心 黄土变成金河北画报(2020年21期)2020-12-14《刘文西：绘不尽是黄土情》艺术品鉴(2020年5期)2020-01-03晕纹石成因解读(上)宝藏(2017年7期)2017-08-09高埋深隧洞断层破碎带塌方处理及开挖支护方案设计水利水电工程设计(2017年1期)2017-05-17翻译实践问题及成因唐山文学(2016年11期)2016-03-20“酒”类语符两个修辞场及其成因当代修辞学(2013年4期)2013-01-23