摘要：为客观评价卵石地层深基坑降水回灌的可行性,分析梳理了影响可回灌性的关键因素,划分了可回灌性等级,确定了对应的评价指标水平,基于Euclid贴近度–灰色关联度分析,提出了可回灌性多因素、多水平综合评价模型。通过分析深基坑工程参数与可回灌性评价指标的关联度,可确定深基坑工程降水的可回灌性等级。以回灌工程实例对可回灌性分析的可靠性进行了验证,结果表明,基于Euclid贴近度–灰色关联度的可回灌性分析方法可为回灌设计提供参考。

摘要：研究目的:地下工程施工诱发的地表沉降预测模型及参数,不仅与施工方法密切相关,更因区域地质条件的变化而具有很大的局限性。为精确获得暗挖隧道地表沉降的Peck模型经验参数,依据北京地区大量岩土工程勘察报告所揭示的不同区域地层岩土力学参数进行区域划分,基于不同区域矿山法和盾构法工程地表沉降监测大数据,利用理论计算与回归分析方法,对Peck公式预测模型参数(沉降槽宽度参数K及地层损失率Vl)进行大量的反演分析,获得不同区域典型地质条件下的经验参数,给出精确参数的取值范围,从而为本地区及类似地质条件下的暗挖工程地表沉降变形预测及工程安全风险管控提供技术支持。研究结论:(1)北京西部砂卵石地层、中部中粗砂地层、东部黏性土地层的暗挖隧道地表沉降Peck公式预测参数的取值范围如下:盾构法隧道沉降槽宽度参数K分别为0.32~0.44、0.34~0.51、0.48~0.73,地层损失率Vl分别为0.60%~1.24%、0.83%~1.38%、1.28%~2.52%;(2)西、中、东部区域矿山法隧道地表沉降Peck公式参数适宜的取值范围如下:沉降槽宽度参数K分别为0.29~0.44、0.47~0.61、0.59~0.70,地层损失率Vl分别为0.97%~1.51%、1.13%~1.90%、1.65%~2.00%;(3)本研究成果可应用于类似地质条件下的暗挖工程领域地表沉降的变形预测。

摘要：城市轨道交通工程建设多处于复杂的城市环境中,其安全风险的控制至关重要。监测项目控制值的大小不仅直接影响到工程自身和周边环境的安全,对设计方案、施工方法的制定及工期造价也会产生很大影响,因此,合理地确定监测项目控制值是一项十分重要的工作。为了进一步精确地表沉降控制值,通过总结分析目前监测项目控制值相关研究成果,基于大量的工程监测数据资料,对城市轨道交通工程地表沉降控制指标进行了系统的统计分析研究,最终给出了不同地层、不同工法的区间及车站地表沉降控制值的建议值。

摘要：近年来,三维可视化技术日趋发展成熟,倾斜摄影技术、三维激光扫描技术等测绘新技术以及国内BIM技术的全面推广使用,使得建筑行业正在由二维设计建造向三维设计建造转变。由于城市轨道交通多建造在城市地下空间,与地上建筑相比,其在设计建造过程中面临着地下周边环境不可直观展示的困境,其更加迫切需要三维可视化技术来辅助地铁规划设计与建造施工。

摘要：以长春地铁2号线东延三道村东站为例,分别采用数值模拟法、动态曲线比拟法、频率分析法和BP神经网络法对车站未来百年可能出现的最高水位进行了预测。用4种方法对地下水位埋深预测结果分别为2.0 m、2.31 m、2.05 m和2.13 m。结合孔隙水压力监测结果显示,该站孔隙水压力不存在折减的情况,综合确定最终抗浮水位埋深2.0 m,抗浮水位标高257.2 m。

摘要：时序InSAR技术是监测地表形变的一种有效手段。本文基于179景Sentinel-1A影像数据,采用PS-InSAR技术对北京地铁6号线慈寿寺站—潞城站沿线范围进行地表形变监测,并对典型沉降区间进行具体分析;同时利用地面水准数据对监测结果进行对比分析和精度评定。结果表明,北京地铁6号线沿线表现出不同程度的沉降,年均沉降速率呈现自西向东的差异性,金台路站以西年均沉降速率较小,自金台路站向东年均沉降速率迅速增大,最大达-32 mm/a;金台路站以东倾斜值较大,倾斜值波动较为明显,存在不均匀沉降问题。水准测量结果与PS-InSAR监测成果具有较强的相关性,两者平均误差为3.5 mm,中误差为4.7 mm,说明PS-InSAR具有一定的可靠性与准确性。

摘要：据中国城市轨道交通协会统计,截至2020年12月31日,中国内地累计有45个城市开通城轨交通运营线路7978.19 km。2020年初,中国城市轨道交通协会发布了《中国城市轨道交通智慧城轨发展纲要》,同年,上海申通地铁发布了《5G+智慧地铁白皮书》,北京地铁发布了《首都智慧地铁发展白皮书》。

摘要：地学建模技术是开展地质空间分析、地质现象解释、地质过程数值模拟、矿产资源评价、地下空间开发利用等的基础(王鹏等,2020)。随着我国城市轨道交通大规模建设,利用三维建模技术对地质进行更加准确、直观、有效的解译势在必行。复杂多变的地质环境不利于与地铁建设与运营,尤其是在岩溶发育的地层进行盾构施工时.

摘要：地铁盾构隧道洞门钢环中心三维坐标精确测定是盾构施工中的一项重要工作。针对特殊的盾构隧道椭圆洞门圈,本文提出了一种基于RANSAC的最小二乘法的椭圆拟合算法,以测定椭圆洞门钢环中心三维坐标。与直接采用最小二乘法拟合椭圆进行对比,以判定算法的有效性与优越性,并以北京市某地铁始发椭圆钢环为例,验证该算法的可行性。结果表明,基于RANSAC的最小二乘法拟合椭圆的精度和形状误差优于直接采用最小二乘法拟合结果,以基于RANSAC的最小二乘法拟合的椭圆求定钢环中心三维坐标与设计坐标差值较小,满足相关规定要求与工程需要。基于RANSAC的最小二乘法的椭圆钢环中心计算方法具有一定的可行性与可靠性,可作为测定椭圆钢环中心的技术参考。

摘要：利用低分辨率图像生成高分辨率图像的过程称为图像超分辨率,目的是得到一张清晰的影像。随着人工智能的蓬勃发展,在遥感、辅助文本识别等诸多领域,图像超分辨率的应用愈加广泛。本文利用生成对抗网络的深度学习模型进行单图像超分重建,SRGAN模型相较于传统方法,提出了新的感知损失函数,由对抗损失和内容损失组成。对抗损失通过训练判别器网络结构区分生成图像和实际高分辨率图像,而内容损失则利用预训练的VGG19网络模型计算图像特征的感知相似度,而不是在像素空间上的相似度。试验证明,利用SRGAN获得的高分辨率图片,MOS指标高于传统方法。本文围绕SRGAN的原理、效果、应用等进行了阐述。