22、支撑式基坑高效概率反分析方法

支撑式基坑高效概率反分析方法

1. 引言

在支撑式基坑工程中，准确估算土壤参数对于预测墙体和地面响应至关重要。然而，由于土壤的固有不确定性和测量误差，实验室测试得到的土壤参数往往存在误差，而且实验室测试的土壤样本可能无法代表现场土壤的整体情况。直接使用实验室测试的土壤参数进行基坑可靠性分析，可能会对基坑系统的安全性做出不切实际的评估。因此，有必要减少土壤参数的不确定性，以实现更合理的基坑系统可靠性设计。

减少土壤参数不确定性的方法大致可分为两类：
- 第一类 ：采用土壤参数（如不排水抗剪强度、摩擦角等）与选定的现场或实验室测试结果（如超固结比、圆锥贯入试验中的锥尖阻力和标准贯入试验值）之间的经验关系或统计相关性。以这些现场或实验室测试结果作为条件信息来更新土壤参数的分布。
- 第二类 ：通过反分析，利用选定的现场观测数据来减少土壤参数的不确定性。这类方法具有诸多吸引人的优点，例如能部分反映现场土壤的有效正应力和剪切位移率等条件，还能考虑实验室样本难以体现的土壤结构和既有剪切面等重要因素。

土壤参数反分析的方法有很多，如最小二乘法、人工神经网络、遗传算法、最大似然法和贝叶斯方法等。其中，贝叶斯方法在处理土壤参数不确定性方面具有明显优势，它不仅能充分考虑土壤参数的不确定性，还能合理整合其他信息，如对土壤参数的先验知识或专家判断。

不过，现有的贝叶斯更新方法在支撑式基坑问题中存在一些局限性。例如，一些方法采用半经验的 KJHH 模型，该模型仅适用于特定条件，如平坦地面下的软至中黏土基坑，对于复杂边界条件或不规则几何形状的基坑问题处理能力有限；且该模型的输出仅限于最大墙体挠