以大數據分析黏土深開挖過程中的牆變形

Abstract

大數據分析(BIG DATA analytics)近年來在不同領域已取得相當顯著的成效，利用當中的龐大真實數據資料來進行不同的預測與評估，因此本研究透過蒐集世界各地的黏土深開挖工程案例，建立了一個關於黏土深開挖的全球性資料庫，當中包含了開挖的設計參數、土壤性質、擋土壁體勁度與變形量等等資訊，並且使用資料庫中的這些大數據建置一個多變數機率模型，針對開挖造成的擋土壁體變形以及變形變形發生位置進行預測。 透過相關文獻的回顧，去了解與蒐集深開挖相關的參數以及容易影響擋土壁體變形量的因子來建立全球資料庫，在篩選出我們認為有能探討之相關性的參數，包含：(1)正規化開挖寬度(B/He)；(2)開挖隆起安全係數(FS)；(3)開挖深度(He)；(4)正規化最大修正壁體變形量(δhm/He)；(5)正規化最大壁體變形量發生位置(H1/He)；(6)壁體系統勁度(Sw)；(7)支撐軸向剛度(Sa)。 為了建置多變數機率模型，先利用Johnson分布系統將參數轉換至標準常態空間，再利用吉普斯取樣法、共軛條件與階段式貝氏模型(hierarchical Bayesian model, HBM)中的學習階段填補資料庫中空缺的資料，並訓練出代表資料庫資訊的超參數，接著在階段式貝氏模型中推估階段的架構下，藉由所得到的超參數與目標現地的已知參數條件更新驗機率分布函數，便可以較客觀且經濟的進行開挖變形的預測與評估，於可靠度的觀念下能更加準確地去進行開挖設計。

BIG DATA analytics uses the huge real data to make different predictions. In recent years, it has achieved remarkable results in different fields. Therefore, this study established a global database of deep excavation in clay by collecting deep excavation engineering cases worldwide, which contains information about excavation geometry and sequence, soil profiles and properties, wall stiffness and deformations, etc. Use the BIG DATA in the database to build a multivariate probability model, which can be used to predict the deformation of the retaining wall. The parameters in the database are: (1) normalized excavation width (B/He)；(2) factor of safety against base heave (FS)；(3) excavation depth (He)；(4) normalized maximum wall deformation (δhm/He)；(5) normalized location of maximum wall deformation (H1/He)；(6) system stiffness of retaining wall (Sw)；(7) support axial rigidity (Sa). Using Johnson distribution system to convert the parameters into standard normal distributions, then applying Gibbs sampler method, conjugate conditions and the hierarchical Bayesian model (HBM) to fill the missing data and output the hyperparamaters. Base on the HBM method and the target site information, we can get the predicted wall deformation results samples from the multivariate probability model and predict the deformation more objectively and economically.