本发明涉及填方造地工后沉降监测相关领域，尤其涉及基于填方工程沉降监测结果的长期工后沉降预测方法。
背景技术：
填方工程沉降监测可以获得填方区域沉降的第一手资料，对于分析填方工程工后沉降达到稳定状态发挥重要作用。填方工程沉降稳定对于后期在填方工程造地面上所修建建(构)筑物的安全非常关键。然而，因填方工程完成后，在填方工程造地面上施工作业造成沉降监测装置破坏、存活率低，继续获得大面积填方沉降监测数据显得很困难。
常规的现场工后监测方法是在填筑体内部埋设大量沉降监测元器件，并且人工长期监测沉降数据。但是，以上现有技术的监测方法存在两个缺陷：1)费时费力、成本高昂、填方工程后期，检测元器件受施工破坏严重；2)难以将填筑体和原始沟谷地基的沉降分开、剥离，不利于特定沉降诱因的分析。因为以上两个缺陷的存在，如果需要得到精确的预测填筑体工后沉降，单纯采用常规监测的方法是不可取的。
技术实现要素：
本发明的目的在于提供基于填方工程沉降监测结果的长期工后沉降预测方法，通过数值手段反演填筑体沉降的实测结果，有效发挥数值计算和现场实测方法两方面的优势，获取填筑体工后沉降与时间曲线，为填方工程的工后沉降长期预测提供指导。
为了实现上述目的，本发明采用了如下技术方案：
基于填方工程沉降监测结果的长期工后沉降预测方法，所述方法包括以下步骤：
s1：选定一填方工程典型监测断面，在典型监测断面布置位移监测传感器，并测量计算获得填方工程不同填土填筑高度时沉降值；
s2：选取填方工程对象并建立有限元网格；
s3：通过室内试验获得土体初始物理力学参数；
s4：计算在初始物理力学参数下的各沉降监测点的沉降；
s5：采用迭代参数反演分析方法，计算沉降与物理力学参数变化关系式，获得工程对象的沉降的初步数值模型；
s6：结合现有工后初期监测数据，检验并校准初步数值模型，获得一最终数值模型；
s7：预测填方工程长期工后沉降。
优选地，所述s1步骤中，通过结合结构有限元分析计算和现场勘查的方式，选定填筑体覆盖深度变化最大的断面作为沉降监测点断面。
优选地，所述s1步骤中，保持所述填方工程处于连续施工状态，在所述沉降监测点附近保持连续监测，监测各所述沉降监测点处的沉降变化值，根据所述填筑体高度变化值计算获得所述填筑体自重沉降变化值。
优选地，所述s2步骤中，选取沉降监测断面位置宽度方向三倍的距离范围内的区域为所述工程对象，并在所述填方工程建立所述有限元网格，所述有限元网格包括多个网格单元，所述网格单元的分布密度向远离所述沉降监测断面的方向逐渐稀疏。
优选地，所述s4步骤中，利用所述有限元网格和所述初始物理力学参数，计算获得各所述沉降监测点沉降。
优选地，所述s5步骤中，采用智能优化算法对所述初始物理力学参数与沉降变化值的关系式进行参数回归。
优选地，所述初始物理力学参数与填筑体沉降变化值的关系式设置有一误差允许因子。
优选地，所述s6步骤中，随机选择多个所述监测点工后初期沉降状态，并利用所述初步数值模型进行数值计算，并将计算结果与实测结果进行对比，检验并校准所述初步数值模型，获得所述最终数值模型。
优选地，所述智能优化算法包括：神经网络算法和遗传算法。
与现有技术相比，本发明的有益效果是：
1、通过最终数值模型的建立，方法简单方便、预测周期短，不会对填方工程后期施工造成影响。
2、本发明用数值计算模型的方法来模拟长期沉降，与现场实测相比，大大缩短了观测时间，节约了成本；
3、可有效发挥数值计算和现场实测方法两方面的优势，增加了预测测点的工后沉降准确度，又可用于填方工程后期的趋势预测和方案比选。
综上所述，本发明可以有效发挥数值计算和现场实测方法两方面的优势，获取测点的初始物理力学参数，为填方工程工后沉降长期监测提供指导。
附图说明
图1为本发明实施例的基于填方工程监测结果的工后沉降预测数值方法的流程图；
图2为本发明实施例的填方工程建立数值模型范围和监测断面示意图；
图3为本发明实施例的填方工程内部沉降监测点埋设位置示意图。
图中：1、待预测区域；2、等高线；3、填筑体；4、监测断面；5、高程标记；6、监测点埋设位置；7、原状沟谷地；8、填挖交接面；9、填筑体；10、原状沟谷谷底；11、填方工程造地面；12、监测点。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1-3，基于填方工程沉降监测结果的长期工后沉降预测方法，所述方法包括以下步骤：
s1：在一填方工程上选定多个沉降监测点12，填筑不同高度填土，并测量计算获得沉降监测点12处的实测填筑体沉降累加si；i为填筑土层数。
本实施例中，s1步骤中：
通过结合有限元分析计算和现场勘查的方式，选定填方工程区域内相对其他位置填土高度变化范围大的沉降监测断面4，并选定该断面多个位置作为沉降监测点12。
保持填筑体9处于连续填筑状态，根据填土厚度计算获得填筑体自重应力，测量计算各沉降监测点12处的沉降累积值。
s2：选取填方工程对象并建立有限元网格。
本实施例中，选取沉降监测断面位置宽度方向三倍的距离范围内的区域为所述工程对象，并在所述填方工程建立所述有限元网格，所述有限元网格包括多个网格单元，所述网格单元的分布密度向远离所述沉降监测断面的方向逐渐稀疏。
s3：通过室内试验获得土体初始物理力学参数；本实施例中，土体包括原状沟谷地基7、填筑体9，物理力学参数主要有：土的容重γ、内摩擦角φ、内聚力c、体积模量k、剪切模量g等。
s4：计算在初始参数下的各沉降监测点2的沉降；
本实施例中，利用有限元网格和初始物理力学参数，计算获得各监测点12的初始沉降s0。
s5：根据初始物理力学参数与有限元模型计算获得理论沉降累积值；对初始物理力学参数与监测沉降变化值的关系式进行参数迭代反演分析，直至数值模型计算沉降累积值与实测沉降累积值一致，获得工程对象沉降初步数值模型。
采用智能优化算法对初始物理力学参数与各监测点沉降累积值的关系式进行参数回归。
初始物理力学参数与沉降累积值的关系式设置有一误差允许因子。
s6：检验并校准初步数值模型，获得一最终数值模型。
根据多个监测点工后初期沉降值，并利用初步数值模型进行数值计算，并将计算结果与实测结果进行对比，检验并校准初步数值模型，获得最终数值模型。智能优化算法包括：神经网络算法和遗传算法。
本发明实施例的基于填方工程沉降监测结果的长期工后沉降预测方法，可根据校准的最终数值模型，方便地计算沉降监测点12的初始沉降状态，为填筑体9工后沉降的长期监测提供参考。
本发明由于采用了以上技术方案，使其具有以下有益效果：
1、通过最终数值模型的建立，方法简单方便、预测周期短，不会对在工程造地面上的后期施工作业造成影响。
2、本发明用数值计算模型的方法来模拟长期沉降，与现场实测相比，大大缩短了观测时间，节约了成本；
3、可有效发挥数值计算和现场实测方法两方面的优势，预测测点的工后沉降准确度高，又可用于工程前期的趋势预测和方案比选。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
1.基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述方法包括以下步骤：
s1：选定一填方工程典型监测断面，在典型监测断面布置位移监测传感器，并测量计算获得填方工程不同填土填筑高度时沉降值；
s2：选取填方工程对象并建立有限元网格；
s3：通过室内试验获得土体初始物理力学参数；
s4：计算在初始物理力学参数下的各沉降监测点的沉降；
s5：采用迭代参数反演分析方法，计算沉降与物理力学参数变化关系式，获得工程对象的沉降的初步数值模型；
s6：结合现有工后初期监测数据，检验并校准初步数值模型，获得一最终数值模型；
s7：预测填方工程长期工后沉降。
2.根据权利要求1所述的基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述s1步骤中，通过结合结构有限元分析计算和现场勘查的方式，选定填筑体覆盖深度变化最大的断面作为沉降监测点断面。
3.根据权利要求1所述的基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述s1步骤中，保持所述填方工程处于连续施工状态，在所述沉降监测点附近保持连续监测，监测各所述沉降监测点处的沉降变化值，根据所述填筑体高度变化值计算获得所述填筑体自重沉降变化值。
4.根据权利要求1所述的基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述s2步骤中，选取沉降监测断面位置宽度方向三倍的距离范围内的区域为所述工程对象，并在所述填方工程建立所述有限元网格，所述有限元网格包括多个网格单元，所述网格单元的分布密度向远离所述沉降监测断面的方向逐渐稀疏。
5.根据权利要求1所述的基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述s4步骤中，利用所述有限元网格和所述初始物理力学参数，计算获得各所述沉降监测点沉降。
6.根据权利要求1所述的基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述s5步骤中，采用智能优化算法对所述初始物理力学参数与沉降变化值的关系式进行参数回归。
7.根据权利要求1所述的基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述初始物理力学参数与填筑体沉降变化值的关系式设置有一误差允许因子。
8.根据权利要求1所述的基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述s6步骤中，随机选择多个所述监测点工后初期沉降状态，并利用所述初步数值模型进行数值计算，并将计算结果与实测结果进行对比，检验并校准所述初步数值模型，获得所述最终数值模型。
9.根据权利要求6所述的基于填方工程沉降监测结果的长期工后沉降预测方法，其特征在于，所述智能优化算法包括：神经网络算法和遗传算法。
技术总结