基于HSS-MCC融合模型及SSA-BP神经网络开展深基坑超大变形预测研究

摘要

软土环境下深基坑开挖变形特性研究中，多采用硬化类弹塑性模型进行分析，如HSS模型和MCC模型.南京河漫滩软土地区，深基坑开挖时局部常发生较大变形，部分土体变形状态介于小应变与大应变之间，单一模型无法准确预测土体变形特征.同时，BP神经网络在基坑变形预测中得到广泛应用，但在训练过程中，权阈值易陷入局部最优解，影响预测的准确性.据此，依托南京地区典型软土深基坑工程，采用Midas中的HSS模型与MCC模型进行分析，比对两种模型的桩体变形量差异，并基于最小二乘准则对两模型进行线性融合，融合模型可对后续区段监测数据进行校准及补充.通过融合麻雀搜索算法对BP神经网络进行优化，在其训练过程中快速收敛，得到全局最优的权阈值，依托狭长基坑已开挖区段监测数据学习训练，进而依据后续区段浅部开挖揭露深部变形特征，预测结果与实测值吻合度较高.研究结果对软土地区深基坑大变形的预测研究具有重要参考价值.

关键词

深基坑 / 大变形 / HSS模型 / MCC模型 / BP神经网络 / 麻雀搜索算法