0 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［1］，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［2 － 3］，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［4 － 5］。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［6 － 7］，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。
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［8 － 10］，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 － 项集，第2 次扫描建立全局FP －tree［11］。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
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［12］。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
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 － 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 － 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
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［13］，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
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，结合泥水平衡盾构的工作原理，认为盾构推进速度、管片注浆方式和盾构推进方式等掘进参数与隧道管片渗漏的关系密切。考虑到数据挖掘的可操作性，将不易量化的掘进参数剔除，如浆液的坍落度和配合比、千斤顶油压及行程等，但可以将这些参数集中表现在某一参数上，如浆液的配合比和坍落度集中反映在注浆量和注浆压力上。盾构掘进过程中隧道开挖面附近水头分布是影响开挖面稳定的重要因素，掘进速度与隧道开挖面附近总水头梯度的关系密切［14］。又如，隧道椭圆度与隧道的变形和裂缝的生成有着密切的关系，隧道变形会使得管片接缝间的止水条受力不均，造成环缝之间的紧密性较差，导致渗漏。隧道椭圆度可以认为是管片拼装质量和掘进参数综合影响的结果，因此本文将隧道椭圆度当作掘进参数进行分析。隧道椭圆度的计算公式如式( 1) 所示。
Y = 2( a － b) /c。( 1)
式中: Y 为隧道椭圆度; a 为隧道的长半轴; b 为隧道的短半轴; c 为隧道的外径。
因此，本文选取推进总力( TZ) 、推进速度( TS) 、隧道椭圆度( SY) 、盾尾间隙( DJ) 、注浆总量( ZZ) 和盾尾油脂量( DY) 作为研究泥水平衡盾构隧道管片渗漏的关键掘进参数。
4． 2 关键掘进参数特征编码
由于关联规则算法无法直接处理空间数据，因此，需要将原始数据进行预处理［15］。为了便于对数据挖掘结果进行分析推理，提高挖掘效率，减少挖掘所需的时间，将明显偏离盾构推进过程中的异常数据剔除，完成对关键掘进参数的预处理，为接下来的关联规则挖掘做准备。
采用数理统计的方法，绘制预处理后的关键掘进参数直方图，得出本文研究数据的范围，并划分为5 个数值区域，按照“编号+ 数值区域编号”的规则，对处理后的数据进行编码，例如: “TZ1”表示推进总力为31． 8 ～ 53． 6 MN，“DJ3”表示盾尾间隙为23 ～ 30 mm。关键掘进参数的范围与划分如表4 所示。
表4 关键掘进参数的范围与划分
5 基于FP － Growth 算法的渗漏数据挖掘
5． 1 关联规则的相关定义
经过提取的特征可形式化表示为I = { Ii，i= 1，2，…，m} 。令发生渗漏时的特征组合( 即事务数据) 集合为D，每个事务T 则是若干特征项的集合，使得TI。每个事务由事务标识符TID 标识。设A 是一个特征项集，B 表示渗漏与否的情况，则表达式AB 就是关联规则［16］。
设特征组合v 是一个规则，支持度s( v) 定义为D中包含v 的事务的百分比。支持度大于或等于给定最小支持度min_sup 的特征项集称为渗漏频繁项集; 而针对确定的频繁渗漏项集，渗漏置信度定义为满足该频繁渗漏项集的渗漏记录条数与满足该项集的所有记录条数之比。
5． 2 关键掘进参数的渗漏原理
通常情况下，推进力和推进速度会间接影响隧道管片的渗漏，且两者同步变化。推进力和推进速度过大会对地层造成冲击扰动，使切水口水压摆动过大，影响盾构开挖面土壤的稳定性，使泥水在周围原状土体中的渗流量大，甚至会在管片背后形成渗流通道，影响注浆质量，发生管片渗漏现象; 注浆量不足往往会造成隧道衬砌结构受力不均匀，影响管片接缝密封条的止水效果; 盾尾油脂可以有效保护盾尾装置，油脂注入量过小会加剧盾尾和管片外壁的摩擦，严重时会损坏盾尾装置，影响管片的拼装质量。此外，盾尾油脂还具有密封作用，能够隔绝泥浆，防止泥水和泥浆的渗入: 因此，推进总力、推进速度、注浆总量和油脂压入总量构成了管片渗漏的外部因素。
隧道椭圆度和盾尾间隙是管片拼装和盾构推进之后的直观反映，可以认为是管片渗漏的内部因素。隧道椭圆度反映了隧道长半轴与短半轴的比例关系，椭圆度越大表明隧道衬砌结构周围受力越不均匀，易造成管片挤压破坏，形成裂缝，还会使得管片之间的密封止水条变形，这些都是管片发生渗漏的重要因素; 盾尾间隙是决定管片在拼装过程中是否发生挤压破裂的关键因素，管片拼装主要通过盾构的盾尾刷和推进油缸传递作用力。在盾构推进过程中，盾尾间隙和盾构坡度的几何关系会不断变化，使得盾尾刷和管片之间的作用力不均匀，盾尾间隙偏差严重时，盾尾装置会造成管片发生损坏，形成裂缝或破角等，导致管片渗漏。
5． 3 基于渗漏频繁项的参数组合分析
频繁项集挖掘采用FP － Growth 关联规则数据挖掘算法，通过数据分析计算语言Matlab 编程，构建条件模式库和条件树来穷尽数据集中的所有频繁项集。结合表4 中关键掘进参数的范围与划分来挖掘基于频繁项集的隧道管片渗漏规则。基于频繁项集的渗漏关联规则如表5 所示。
表5 渗漏频繁项的参数组合
结合表4 中关键掘进参数的范围与划分，从表5可以看出规则1 和规则2 表示关键掘进参数组合推进速度超过33． 1 mm/min、注浆总量为21． 1 ～ 22． 2 m3和油脂压入量少于182 kg 时，管片发生渗漏的概率超过81%。推进速度过快，注浆滞后，导致注浆量不充分，易造成管片背后空洞，使得局部土体变形过大，产生裂缝，形成渗流通道，在周围水压力的作用下，管片背后形成涌流。与此同时，如果盾尾油脂量不能及时补充，就会使得盾尾和管片外壁之间的摩擦增大，影响盾构的推进速度，损坏盾尾装置，影响管片的拼装质量，使得管片发生渗漏的概率大大增加。
又如规则3、规则4 和规则5 所示，关键掘进参数组合推进速度为26． 6 ～ 30． 7 mm/min、隧道椭圆度大于5． 52‰和盾尾间隙小于23 mm 时，管片发生渗漏的概率超过86%。盾尾间隙和隧道椭圆度在盾构推进过程中不断变化会导致管片和盾尾刷之间的局部作用力发生改变，盾尾间隙过小时，盾壳会直接挤压到管片，在管片上发生应力集中，严重时会形成管片裂缝，导致一部分浆液流失，影响管片的拼装质量和推进速度，此时发生渗漏的概率较大。
再如规则6 和规则7 所示，关键掘进参数组合推进总力低于86． 2 MN、推进速度为35． 0 ～ 37． 0mm/min、隧道椭圆度为7． 70‰ ～ 8． 63‰和注浆总量为21． 1 ～ 22． 7 m3 时，管片发生渗漏的概率约为81%。如果推进总力比较小，管片止水条的挤压力相对小，管片环缝的紧密程度差，加之注浆总量较低，易形成漏水通道。如果推进速度较快、隧道椭圆度较大，易造成管片错台，管片接缝发生变形，引起止水条变形，这种情况下很容易发生渗漏。
6 掘进参数控制
基于频繁项集挖掘出来的关联规则结果，结合上海软土地区越江隧道施工过程中盾构参数的设定经验，对推进总力( TZ) 、推进速度( TS) 、盾尾间隙( DJ) 、注浆总量( ZZ) 和盾尾油脂量( DY) 等参数进行控制，不同的渗漏规则调控的参数组合不同，对关键掘进参数进行数理统计，并结合表5 中的渗漏频繁项参数组合，推荐4 个关键掘进参数组合的预设范围( 见表6) 。
表6 关键掘进参数组合的预设范围
在某隧道东线的掘进过程中，根据盾构推进的实际情况，参考盾构参数设计值，按照表6 中的掘进参数特征组合设定盾构掘进参数。盾构掘进过程中，不仅遇到的施工困难有所减少，而且对完工的隧道管片数据进行了渗漏病害统计分析，结果表明渗漏发生的概率下降29． 36%，证明推荐的关键掘进参数组合的范围是有效的。
7 结论与建议
1) 比较Apriori 算法与FP － Growth 算法，选择FP － Growth 算法作为研究管片渗漏与盾构掘进参数关联性的数据挖据方法。
2) 基于FP － Growth 关联规则数据挖掘算法，得到基于频繁项集的管片渗漏关联规则，规则表明泥水盾构隧道管片渗漏与推进总力、推进速度、盾尾间隙、注浆总量和盾尾油脂量的关系密切，且当掘进参数组合不同时，管片发生渗漏的概率也不同。隧道椭圆度对管片渗漏的影响较大，因此，提高管片拼装质量，合理设置掘进参数范围可降低管片渗漏风险。
3) 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。对优化参数后的成环管片进行渗漏统计分析，结果表明，管片渗漏发生的概率降低29． 36%。
影响盾构隧道管片渗漏的因素有管片制造工艺、防水材料和施工技术等，在今后的研究中，建议综合考虑管片制造阶段的生产参数及地质水文等可量化的参数，充分利用数据挖掘的优势，全面分析各关键因素对管片渗漏的影响规律，使研究方法与结果更具实用性。
摘自：隧道建设