福州大桥下沉降监测数据分析
66
0911（2013）09-0066-04文章编号：0494- 测绘通报
中图分类号：P258 2013年第9期 文献标识码：B
沪昆高铁江西段线下沉降监测数据分析 11孙清娟，李聚方，张 鑫 2
(1．黄河水利职业技术学院，河南开封475003;2．武汉锐进铁路发展有限公司，湖北武汉430063)
AnalysisofOfflineSubsidenceMonitoringDatafortheShanghai-KunmingHigh-speedRail SUNQingjuan，LIJufang，ZHANGXin
摘要：高铁路基和桥梁沉降监测是保护国家和人民生命财产、减少未来经济损失的重要手段，监测数据分析是变形监测的一个重
是预测变形体未来发展趋势的重要依据。本文以沪昆高铁江西段线下工程沉降监测为例，全面论述高铁路基和桥梁沉降要环节，
监测数据处理、分析的方法和过程，供高铁施工者和监测人员参考。 关键词：线下；沉降监测；回归分析；拟合 一、引言三、监测数据分析处理
经过6个多月的观测，笔者获取了大量的观测
数据，并从中找出了一些具有代表性的数据进行分析，从而探讨沉降量与预测结果分析、数据异常分析、梁体徐变分析和区段沉降分析等方法。
1．沉降观测数据分析方法的选取
通过实测数据绘制沉降曲线图，然后依据曲线图及观测数据作回归分析，最终确定沉降形变趋 ［3-4］
。桥梁主势，曲线回归的相关系数应大于0．92体结构完工至无砟轨道铺设前，沉降预测分析时间应满足以下条件 S（t）/S（t=∞）≥75%
S（t）为截至数据分析时的沉降观测累计值；式中，
S（t=∞）为不考虑结构层荷载条件下将来会发生的最终沉降量。
本次数据分析主要采用双曲线法回归，部分观测数据采用了三点法和指数曲线法等。个别监测“直接判定”点采用了稳定的方法，即当测点在整个 观测期内的累计沉降量小于1mm时，可直接判定 ［5］该点稳定。 2．变形监测数据的处理
高速铁路作为现代社会的一种新的运输方式，在运行速度、运输能力、适应环境方面具有强大的优势 ［1］
。但是要保证高铁高速平稳地运营，就必须
［2］在施工阶段和运营阶段进行周期性变形监测。目前已在运营的高铁路段，如京沪高铁、京广高铁
等都出现了不同程度的沉陷，为高铁的运行埋下了隐患，因此高铁沉降测量是高铁施工和运行阶段必不可缺的环节。本文结合沪昆高铁江西段线下沉降监测的技术和数据分析进行简单阐述，供广大从事高铁工程测量工作的测绘工作者以参考。 二、工程概述
沪昆高铁江西段为新建铁路，里程为DK618+350～DK622+844，整段位于江西省宜春市境内，全3长4494．28m，其中包含桥梁1座、路基2段（即4-#路基和4-4#路基段），桥梁长度为2214．66m，路基长度为2279．62m。 4-3#路基段全长为903．82m，共布设29个观测
4#路基段断面，沉降板16个、沉降观测桩87个；4-长1375．80m，共布设53个观测断面，沉降板13
个、观测桩159个；丁家村特大桥全部71个桥墩台，每墩布设2个沉降监测点，桥台布设4个观测点，共3#、布设146个观测点。该项目观测包括两部分：4-4-4#路基和某特大桥监测。路基和桥墩观测时间均超过6个月，满足监测要求。 在变形监测中由于变形量本身较小，临近于测
量误差的边沿，为了区分变形与误差，提取变形特征，必须设法消除较大误差，以提高精度，从而尽可 ［6］
能地减少观测误差对变形分析的影响。本文采用最小二乘用一元线性回归进行观测数据的检验，
法求线性回归方程的系数。
07-15收稿日期：2013-作者简介：孙清娟（1977—），女，河南南阳人，讲师，主要从事精密工程测量及变形监测的教学与研究工作。
2013年第9期孙清娟，等:沪昆高铁江西段线下沉降监测数据分析67 (1)用回归分析［7］
本文采用一元线性回归进行观测数据的检验，用最小二乘法求线性回归方程的系数。相关系数计算公式为 N
珋珋x式中，为自变量x的平均值；y为因变量y的平均值。当ρ值愈接近±1时，表明随机变量x与y相关性愈密切。沪昆高铁江西段沉降观测数据相关因数见表1。 ^=ρ （xa∑a=1
珋珋－x）（ya－y）
0618350J10618350J20618400J2 珋）2∑（xa－x a=1
表12．933．031．793．163．24 （ya∑a=1 珋－y）2
沪昆高铁江西段沉降观测随机抽取部分数据相关因数统计表 预测最终值
4．154．592．313．673．88
工后沉降1．261．510．570．580．68
回归方法线性回归法线性回归法线性回归法线性回归法线性回归法 N－1
观测点编号实测累计沉降相关因素0．920．960．960．940．94 0618400L10618400L2
从表1可以看出，其相关因素均在0．92以上，说明观测数据中无粗差出现，数据质量良好。
(2)观测数据异常值分析［8］
“3δ准则”异常值的判别通常用来剔除，其中观测数据的中误差δ既可以用观测值序列本身直接进
也可根据长期观测值统计结果确定，或取行估计，经验值。
x2，x3，…，xN｝，对于观测数据序列｛x1，描述该数据序列的变化特征为
dj=2xj－（xj+1+xj－1），（j=2，3，…，N－1）由N个观测数据可得N－2个dj，而由dj值可
^d和均方差σ计算序列数据变化的统计值珔 表2
观测标类型桥墩观测标路基观测标沉降板单点沉降计 最大沉降量
5．964．2511．715．32 珔d=^=±σ ∑j=2 j=2 dj
N－2（dj－d）N－3
d差的绝对值与方差的比值，根据dj与珔可求得 dj－dqj=σ
当qj≥3时，则认为观测数据xj是异常值，应予以慎重考虑。
根据以上原理，沪昆高铁江西段观测数据异常值（异常值可以包含最大值也可能含有最小值）统计见表2。 mm
累计沉降量均值 4．372．754．003．38 ∑沉降监测数据异常值统计表 最小沉降量
1．700．232．611．67 最小沉降量所在断面点号
0619253T30618565G30618400J20618400L1 最大沉降量所在断面点号
福州大桥下沉降监测数据分析
