基于施工技术的轨道交通论文

摘要：针对深基坑开挖过程中，围护结构形变预测难的问题，本文基于深度学习方法，以武汉市轨道交通6号线唐家墩站深基坑监测数据为例，提出了一种基于LSTM的深基坑变形预测方法，实验证明了本文方法的有效性。今天小编为大家推荐《基于施工技术的轨道交通论文(精选3篇)》，仅供参考，希望能够帮助到大家。

基于施工技术的轨道交通论文 篇1：

基于STM32的地基沉降测量装置的设计

摘要：设计一种基于STM32的地基沉降测量装置。利用数据采集器和位移传感器实现沉降量变化的测量和数据采集，相邻的数据采集器通过CAN总线进行数据传输，终端通过无线网络可与上位机通讯，从而实现对各监测点沉降量变化的监测。通过多次实验测试发现本装置能够可靠运行，具有很好的鲁棒性。

关键词：关键词：地基沉降;智能传感器;数据采集;STM32F105;CAN总线

0引言

近年来我国城镇化进程加快，城市人口越来越多，生产和交通工具密集，解决城市发展过程中的交通问题仍是一大问题，地铁等轨道交通建设也随之进入黄金发展期。地铁工程的施工，会引起地层移动而导致不同程度的沉降和位移，由于施工技术和周围环境、岩土介质的复杂性，即使采用最先进的施工方法，其引起的地层移动也是不可能完全避免的。毫无疑问，地铁隧道地基沉降问题是影响地铁运行的重要因素[1]。为保障地铁可靠运行需要不定时甚至实时监测地基沉降的情况[2]。目前，我国使用的测试仪大多数还是电磁式沉降仪，需要采取人工到现场进行数据读取和记录，测量时往往与施工相互干扰，对数据精度影响较大，而数据传输采用RS485通讯方式，传输距离较短。

本文以数字化、自动化为目标，完成了对地基沉降测试装置的设计，具体内容包括智能传感器设计、采集电路设计、多种通讯接口电路以及基于STM32F105芯片的硬件设计，并实现了该装置的软件部分。

1系统总体设计

本地基沉降测量装置的设计是基于电子技术、信息技术、检测技术、计算机网络技术等有机地融为一体的智能测量装置。总体结构框图如图1所示。

本装置的智能传感器是将地基沉降量转化成供数据采集器采集的频率信号;单个数据采集器可以同时采集多路智能传感器的频率信号并进行相应的数据处理，数据采集器之间通过CAN总线进行数据传输。本装置还可将采集到的数据通过RS485接口直接发送智能读数仪，或者通过RS232接口将数据传送给计算机或者现场显示屏。此外，数据采集器还可通过CAN总线与GPRS远程传输模块通讯，将当前数据传送给远程服务器或监控手机，实现地基沉降量的远程监控。

本装置在没有位移量发生的情况下会定期向智能传感器保存监测数据，否则会提高数据采集处理的频率并保存监测数据。监测数据包括各自的标号、监测时间和位移量等数据;数据采集器从智能传感器中读取监测数据，并进行位移量的计算，同时将封装好的数据发送给远程服务器或上位机;上位机能对整个系统各监测点的数据进行接收、存储、分析，并通过曲线实时显示，同时还能进行报警预置和远程控制。

图1总体结构框图

2系统硬件设计

本地基沉降测量装置中硬件的设计主要包括主控电路、智能传感器、CAN总线通讯以及RS485通讯电路等。

江苏理工学院学报第20卷

第2期

缪建华游小荣：基于STM32的地基沉降测量装置的设计

2.1智能传感器

智能传感器采用的是电感式位移传感器，在其内部装有数据存储芯片。智能传感器内部原理图如图2所示。

图2智能传感器内部原理图

本装置沉降量的测量是通过将位移量的变化转换成电感值的变化，进而转化成频率的变化。由图2可见，沉降量到频率的转换采用的是用LM555构成的多谐振荡器电路。沉降量的变化导致电感值的变化，从而改变多谐振荡器的输出频率，因此测量多谐振荡器的输出频率并通过计算方可得到当前的沉降量。为了保证数据采集器可以采集到有效的波形，多谐振荡器输出的信号经过74HC393进行了分频和整形。

本智能传感器的数据存储采用的是支持I2C总线数据传送协议的串行E2PROM存储芯片AT24C64，可以方便地与数据采集器连接，存储芯片AT24C64的串行时钟信号线SCL既作为AT24C64的数据发送或接收的时钟信号，同时在高电平时为两只电解电容充电，为传感器部分提供电源。SDA为串行数据信号线，用于传送地址和所有数据的发送和接受。由于位移量和电感值之间并不是线性关系，所以在此智能传感器的生产过程中需要对一些特定的位移点进行电感值的标定，其标定的值存储在存储芯片AT24C64中，以便数据采集器的调用。

2.2主控电路的设计

主控电路原理图如图3所示，包括微处理器、对智能传感器的信号采集部分和存储器的数据读写部分等。微处理器采用的是STM icroelectronics公司推出的STM32F105。STM32F105是一款基于ARM Cortex-M3内核的32位微控制器，其内核是专门设计用于满足高性能、低功耗、实时应用的嵌入式领域的要求。与ARM7微控制器相比，由于采用Thumb-2指令集，STM32运行速度最多可快35%且代码最多节省45%[3]。本数据采集器可同时对六路智能传感器进行数据采集，图3中对传感器的数据采集是以其中一路为例，传感器输出的波形信号OUTCLK1经过三极管开关电路连接至STM32F105的29脚（INCLK1）。传感器中存储芯片的串行时钟信号线SCL不仅是数据读写的始终信号线，同时作为传感器的电源，所以时钟SCL1需要经过电流放大电路后（OUTSCL1）与传感器电路相连;传感器的串行数据信号线SDA通过双向总线发送器/接收器74HC245与STM32F105的数据端口连接。

图3主控电路原理图

2.3通讯电路的设计

本沉降测试装置中为了实现多点同时监测，数据采集器之间需要进行扩展，同时采集后的数据经过终端传输到上位机或专用读数仪进行显示，这就需要相关的通讯电路。考虑到远距离数据传输的可靠性，设计中主要采用的通讯方式为CAN总线通讯方式。各采集器通RS485与智能读数仪通讯;通过RS232与现场计算机通讯。

在所有的现场总线中，CAN总线被公认为抗干扰性能强、工作可靠、实时高效和成本低廉的串行通信网络[4]，被广泛应用于现代工业自动化控制中。CAN通信接口器件需两类：协议控制器和收发驱动器。而STM32F105控制器内部集成了2路独立的CAN协议控制器，避免了总线外扩引入的干扰，只需外接收发驱动器即可，简化了电路设计，降低了成本，这使得通信变得较为简单。单个采集器上设有两只CAN总线接口用于采集器之间的级联[5]。CAN总线收发器选择的是德州仪器的VP230，其工作电压为3.3V，满足HBM模式16kV的ESD防护，允许总线上多达120个节点，具有过热关断保护功能。CAN总线接口电路图如图4所示，CAN1TX和CAN1RX与STM32F105的端口相连，CAN1H和CAN2L分别为CAN总线的高电平和低电平输入/输出端口。如电路中需要增强抗干扰性能，可以在STM32F105和VP230之间采用高速光耦隔离，并将收发器VP230放在光耦的外侧。

图4CAN总线接口电路图

本装置中为了现场的调试和观测，在每个数据采集器上配有标准的RS232串口数据通讯接口以便于计算机连接;同时为了防止在系统运行中CAN总线出现问题和故障，可以使用智能读数仪在现场通过RS485总线读取每一个数据采集器中及对应智能传感器的数值。RS485总线采用的是Sipex公司提供的高可靠性RS-485/422收发器SP3078，其内嵌ESD保护电路、无需外接TVS保护管，节省成本。RS485总线接口电路如图5所示。

图5RS485总线接口电路图

3系统软件设计

本装置的系统软件主要包括数据采集、数据处理、数据封装、数据传送等部分。系统软件流程图如图6所示。

（1）初始化：定时器配置、外部中断配置、串口配置、内存分配等。

（2）计算频率和位移量：

计算频率：先统计1s时间内的完整脉冲的数量（频率的整数部分），再计算频率的小数部分D。

D=剩余脉冲的定时值完整脉冲的定时值

计算位移量：根据得到的频率通过查表（已事先标定）和小范围内线性公式计算得到位移量。

（3）数据封装：通过使用Modbus RTU格式进行封装。

图6系统软件流程图

4实验结果

本装置在实验中以200mm的地基沉降传感器为例，位移传感器的标定沉降量和标定频率是一个标准值，测量频率和沉降量测量值如表1所示，其测量精度小于1%F.S，符合设计要求。

表1实验结果分析表

序号沉降量真值/mm标定频率/Hz测量频率/Hz沉降量测量值/mm沉降误差/%

101 303.21 304.00

210.001 330.51 330.49.96-0.4

320.001 360.41 360.620.060.3

450.001 457.71 458.650.300.6

580.001 567.01 568.280.310.4

6100.001 647.41 649.9100.600.6

7150.001 869.41 875.1151.200.8

8200.002 115.92 126.1201.900.9

5结束语

基于STM32F105地基沉降测试装置经多次实验测试，测量精度符合设计要求，运行稳定具有很好的鲁棒性;采用CAN总线数据传输方式通讯距离较远，智能化程度高，具有一定的应用价值;由于测试参数相对单一，在环境温度和湿度等参数测试需进一步完善。

参考文献：

[1]刘洪海，黄永红.城市地铁施工沉降的数值模拟研究[J].四川理工学院学报，2012（1）：80-82.

[2]鲁民功.试论铁路桥梁桩基沉降问题[J].科技创业家，2012（07）：35

[3]STM icroelectronics.STM32F101xx，STM32F102xx，STM32F103xx，STM32F105xx and STM32F107xx advanced  ARM based 32 bit MCU s[DB/OL]（2009-11-10）.http：//www.st.com.

[4]韩耀振，周余凤，马荣琳.基于CAN总线与射频技术的压开关柜温度监测系统[J].仪表技术与传感器，2009（11）：55-58.

[5]汪孟寅，高明煜.基于STM32F105微控制器的双CAN冗余设计[J].杭州电子科技大学学报，2011（2）：9-12.

作者：缪建华 游小荣

基于施工技术的轨道交通论文 篇2：

基于深度学习的深基坑变形预测研究

摘要：针对深基坑开挖过程中，围护结构形变预测难的问题，本文基于深度学习方法，以武汉市轨道交通6号线唐家墩站深基坑监测数据为例，提出了一种基于LSTM的深基坑变形预测方法， 实验证明了本文方法的有效性。

关键词：深度学习；深基坑；变形；预测

1引言

随着城市建设的发展，基坑开挖的深度已经越来越大，技术难度也越来越高。深基础工程的基坑开挖一直是建筑施工过程中的难题，而基坑围护结构形变的有效控制又是基坑工程成功开挖的关键。由于土体本构模型的高度非线性及土体参数的不确定性，给基坑围护结构形变的计算和预测带来了一定的困难。针对基坑形变预测研究，众多学者已经做了大量工作，目前常用的方法主要有三大类：（1）基于灰色模型的形变预测方法；文献[1] 使用了改进的灰色系统作为预测工具，对基坑周围建筑物的沉降进行了预测；文献[2] 利用变形监测灰色GM模型预测方法，分析基于小波变换前后的预测效果和精度水平；文献[3] 将时间序列分析与灰色系统理论相结合用于变形监测沉降数据预测（2）基于BP神经网络的形变预测方法。文献[4] 利用建立的BP神经网络模型分别预测深基坑围护产生的深层土体水平位移；文献[5]利用遗传算法，对BP神经网络初始权重和阈值进行优化，建立了关于深基坑地下连续墙围护结构水平位移的神经网络模型，并对该基坑测斜孔对应的围护结构水平位移进行预测。文献[6]综合利用小波理论、灰色模型、BP神经网络三种模型理论，设计了一种较好的预测方法。（3）回归分析法。文献[7]利用支持向量机的方法对基坑形变进行分析；文献[8] 提出了基于小波变换的LSSVM-ARMA（最小二乘支持向量机-自回归移动平均模型）模型，实现基坑变形时间序列滚动预测，文献[9] 利用随机森林模型进行影响变量评价及优选，基于优选的影响变量建立深基坑桩顶水平位移预测模型。

由此可见，通过对基坑形变预测研究，发现其具有可建模性、时间序列性。传统的神经网络无法实现延续性（保留对前序数据的理解），这似乎成了它们一个巨大的缺陷，近年来，随着深度学习的研究取得较大进展，长短时记忆网络Long Short-Term Memory（LSTM）作为循环神经网络（Recurrent Neural Network， RNN）的一种，在继承循环神经网络对时间序列优秀的记忆能力的前提下，克服了在 RNN 网络结构下较为遥远的历史信号无法传递至当前时刻的问题，凭借其对前序数据的学习能力和记忆功能，已被广泛应用于时序问题建模中，并证实了其有效性[10-14]。本文以武汉市地铁6号线唐家墩站深基坑监测数据为例，通过分析选取影响围护结构变形的因素，将 LSTM 扩展应用到深基坑围护结构变形预测中，并与传统方法进行比较，为基坑工程施工控制提供了新的思路，对基坑的施工安全具有现实的指导意义。

2工程概况

唐家墩地铁站是武汉市轨道交通6号线（地下三层站）的一座13.6米宽岛式站台。车站共设置8个出入口、2个消防疏散口和5组风亭。有效站台中心里程为K24+901.033，起点里程为右K24+801.733，终点里程为右K25+29.533，车站主体长度为227.8m。有效站台中心处基坑深度为25.7m，图1为基坑平面图。

场地地层自上而下主要由7大层组成：（1）人工填土层；（2）第四系全新统新近沉积形成的淤泥质土层；（3）第四系全新统冲积形成的一般粘性土层；（4）第四系全新统冲积形成的淤泥质土层及一般粘性土层；（5）第四系全新统冲积形成的粉砂夹粉土、粉质粘土过渡层；（6）第四系全新统冲积形成的粉砂层；（7）白垩—下第三系泥质粉砂岩层及砾岩层。地下水按赋存条件，可分为上部滞水、孔隙承压水和基岩裂隙水三种类型。

车站采用明挖法施工，局部采用盖挖法。根据本站周边环境、地质条件及现场情况，经综合考虑，其围护结构形式： 6号线主体基坑选用1000mm厚地下连续墙+六道内支撑，其中，盾构井段第一至五道采用砼支撑，第六道采用Φ800钢管支撑，标准段第一、四、五道采用砼支撑，其余采用Φ800钢管支撑，并倒撑一次。施工时间自2014年8月至2016年底正式开通运营。监测频率严格按照规范执行，为本研究提供了数据保证。

3 LSTM原理

LSTM属于循环神经网络RNN一种，其最大特点是引入了门控单元（Gated Unit）和记忆单元（Memory Cell） 。这些单元格有不同的组成部分，称为输入门、遗忘门和输出门。以下是LSTM单元格的图形表示：

首先，使用tanh激活函数将输入归化到-1和1之间。这可以表示为：

其中，Uθ和Vθ是之前单元的输出，作为下一个输入的权重。Bθ为输入偏移，指数g不是幂，而是表示这些是输入权重和偏置值（与输入门、遗忘门、输出门等相反）。

然后将这个调整后的输入按元素乘上输入门的输出，如上所述，输入门是一系列sigmoid激活节点：

LSTM单元输入部分的输出：

g。i

其中。表示元素乘。

遗忘门输出表示为：

前一状态和遗忘门的元素乘积的输出表示为：

遗忘门/状态循环阶段的输出为：

输出门表示为：

因此，经过tanh压缩后，单元格的最终输出为：

注意，在上面所有的公式中处理的都是向量

4模型建立

深基坑变形与众多因素有关，归纳起来为开挖进度、支护体系、土体属性、周边环境等诸多因素共同作用的结果。本研究主要考虑以下几个方面的影响因素：1.开挖进度，主要考虑开挖深度；2.岩土物理属性，主要包括极限黏聚力，内摩擦角，渗透系数，桩间土极限摩擦力，无侧限抗压强度，基床系数和天然重度；3.地下水条件方面，主要包括地下水位；4.支護结构方面，主要考虑支撑应力和围护结构内部应力5.周边环境，主要考虑基坑影响范围内地表沉降、立柱位移。综上，共14个模型参数。

本研究实验数据选取围护结构测斜数据来代表基坑维护结构的形变，按照基坑6层支撑的设计，在围护结构测斜数据对应各支撑标高处进行采样，基坑测斜管埋设40点，筛选正对支撑位置的作为研究数据，总共30处，排除中途被破坏点，选取能够贯穿整个工程的监测时序尽可能长的点，共计10个， 6个监测断面。沿着6个监测断面，6层标高，选取围护结构形变值作为训练和验证数据，对应剖面和标高的14个模型参数作为建模数据的特征值。特征值来源于监测数据、水文地质勘察数据。采样频率为3天，最终，通过筛选获取样本特征数据结构为：60*200*14（其中，60为监测点个数，200为采样次数，14为建模参数），对应位移数据为60*200。从训练数据中选取700个作为训练数据，500个作为验证数据。

LSTM网络结构使用两层LSTM叠加网络，每层网络32个神经元，为避免过拟合配备Dropout（0.5）层，最后为全连接层，输出为预测值。网络结构如图3所示。

5实验

为了验证本文方法，选取常用的几种回归计算方法，决策树回归（DecisionTree）、K近邻回归（KNN）、随机森林回归（RandomForest）、Adaboost回归、GradientBoosting（GBRT）回归、Bagging回归和ExtraTree极端随机数回归几种方法进行比较，评价指标为Root Mean Square Error （RMSE）。

图4为本文方法和各种传统回归方法比较结果，图中红色为围护结构形变预测值、绿色为真实值，纵轴单位CM，正负分别代表向坑外和坑内位移。由图4可知，本文提出的基于LSTM的預测方法精度较好，RMSE为0.052，胜过其他传统方法。证明了本文方法的有效性。传统回归方法中，GradientBoosting精度略好，RMSE为0.184左右。RandomForest作为近年来广泛使用的机器学习回归方法也有不错的表现，RMSE为0.285左右。

6结论

（1）基坑变形的有效控制是现代安全施工的关键。由于影响基坑围护结构形变因素众多，且无明显规律，因此对深基坑开挖过程中维护结构形变准确预测存在一定的困难，本文基于目前广泛研究的深度学习方法，针对基坑形变预测的特性，提出了一种LSTM的形变预测方法，实验证明了方法的有效性，研究为基坑施工的信息化控制预报提供了一个新的思路。

（2） 应该注意的是，本文采用的 LSTM方法属于一种智能化方法，它是建立在具有大量的训练数据，因此下一步，将搜集更多深基坑监测数据对模型进行强化，验证本文方法的模型是否具有迁移性。

参考文献：

[1]刘文生， 吴作启， 崔铁军， 等. 基于改进灰色系统的深基坑变形预测方法研究[J]. 中国安全生产科学技术， 2014，10（11）：21-26.

[2]岳仁宾， 滕德贵， 胡波， 等. 灰色模型在深基坑变形监测中的应用研究[J]. 测绘通报， 2014（S2）：85-87.

[3]唐争气， 谭志强. 灰色时序组合模型在基坑监测中的运用[J]. 测绘工程， 2014，23（02）：49-53.

[4]孟凡丽， 郑棋， 李燕， 等. 基于BP神经网络的深基坑围护变形预测[J]. 浙江工业大学学报， 2014，42（04）：367-372.

[5]李彦杰， 薛亚东， 岳磊， 等. 基于遗传算法-BP神经网络的深基坑变形预测[J]. 地下空间与工程学报， 2015，11（S2）：741-749.

[6]付博. 基于小波优化的灰色BP神经网络在深基坑变形预测中的应用[D]. 东华理工大学， 2016.

[7]渠孟飞， 谢强， 李朝阳， 等. 基于支持向量机的膨胀土深基坑变形预测研究[J]. 施工技术， 2016，45（19）：30-32.

[8]王丽芬. 基于LSSVM-ARMA地铁站基坑变形滚动预测分析[D]. 河北工程大学， 2017.

[9]林楠， 张文春， 刘鹰， 等. 基于随机森林模型的季节性冻区深基坑变形预测[J]. 地下空间与工程学报， 2018，14（S1）：357-362.

[10]赵盛杰. 基于脑电及卷积神经网络的抑郁症实时监测方法研究[D]. 兰州大学， 2018.

[11]史亚星. 基于深度学习的交通流量预测与可视化方法研究[D]. 北方工业大学， 2018.

[12]陈宁， 毛善君， 李德龙， 等. 多基站协同训练神经网络的PM2.5预测模型[J]. 测绘科学， 2018，43（07）：87-93.

[13]杨杰. 基于稀疏高斯伯努利受限玻尔兹曼机的故障分类[D]. 浙江大学， 2018.

[14]许石罗. 基于多源遥感影像的动态滑坡灾害空间预测模型研究[D]. 中国地质大学， 2018.

（作者单位：中铁上海工程局集团市政工程有限公司）

作者：郑田杨

基于施工技术的轨道交通论文 篇3：

岩土工程专业知识体系之我见

摘要：笔者基于自身的教育经历以及自己的思考，对岩土工程专业知识体系的构成进行了总结，对岩土工程专业的研究方法进行了归纳，对岩土工程专业的研究方向进行了阐述。指出岩土工程专业常用的研究方法有室内试验、数值模拟以及现场实测；比较热门的研究方向有基坑工程、地基处理、地下工程和海洋工程。可供刚跨入岩土工程专业领域的研究人员参考。

关键词：岩土工程 知识体系 研究方法 研究方向

20世纪60年代，岩土工程专业知识体系在欧美国家进行土木工程实践的过程中逐步建立起来。对于刚刚进入岩土工程专业领域的研究生们来说，他们常常会对这一专业知识领域感到陌生。同时，对于已经完成岩土工程专业学业的硕士和博士们来说，他们中的一部分人也只是精通于岩土工程专业的某一研究方向，对岩土工程专业知识体系缺乏宏观的整体认识。笔者基于自身的教育经历以及自己的思考，对岩土工程专业知识体系谈一点个人的认识，可供刚跨入岩土工程专业领域的研究人员参考。

1 岩土工程专业知识体系的构成

笔者基于自身的教育经历以及自己的思考，总结出岩土工程专业知识体系的构成如图1所示。笔者认为岩土工程专业最核心的知识应是土工原理，初学者应具备扎实的数学及力学功底，在此基础上才能对土工原理有比较全面和深入的学习。之后应学习并掌握一些研究方法，岩土工程专业常用的研究方法有室内试验、数值模拟以及现场实测等。研究方法的学习有利于研究人员开展科学研究，熟练掌握一种或多种研究方法有利于科学问题的相互映证，同时反过来对土工原理的认识也会更加深入。接着，在对土工原理有一定的认识以及掌握了一定的研究方法以后，就可以对岩土工程专业不同的研究方向及工程应用领域来进行研究。基坑工程、地基处理和地下工程是许多岩土工程专业人员选择的研究方向和从业领域，也是目前我国岩土工程专业的热门领域。这一两年，海洋工程研究方向也受到越来越多的关注。

图1 岩土工程专业知识体系的构成

2 岩土工程专业的研究方法

笔者认为，如图1所示，岩土工程专业的研究方法有许多，例如：理论推导、室内试验、数值模拟、现场实测、工程类比、文献分析、问卷调查、抽样统计、案例分析等等。比较常用的研究方法是理论推导、室内试验、数值模拟和现场实测。岩土工程专业研究人员应熟练掌握其中一种或多种研究方法。

2.1 理论推导

各类岩土本构模型的建立一直是岩土工程专业人员的研究重点。建立解决实际工程问题的实用模型以及建立能反应某些岩土体应力应变特性的理论模型一直是本构模型研究的两个方向。基坑工程、地基处理以及地下工程等实际工程的设计理论也一直在完善中。

2.2 室内试验

室内土工试验非常重要，它们是揭示土的特性，进行土类定名和土层划分的重要依据之一。利用室内岩土离心机来进行实际工程的模型试验是目前比较先进的室内试验研究手段。

2.3 数值模拟

计算机技术的发展给岩土工程专业带来了新的研究方法，目前有许多商业软件用于岩土工程的数值计算，可以仿真模拟岩土工程专业的各类实际问题，能够较准确地反应实际工程中应力应变情况，对科学研究和工程设计都有指导作用。

2.4 现场实测

现场实测包括原位测试和工程监测等，实际工程的监测数据更能反应岩土工程问题的本质，可以同其它研究方法进行比较验证。同时，现场实测的数据可以反过来指导工程的施工，可以保证工程施工的安全性。

3 岩土工程专业的研究方向

笔者认为，如图1所示，岩土工程专业的研究方向有许多，例如：基坑工程、地基处理、地下工程、边坡稳定、海洋工程、基础工程、隧道工程、环境岩土、路堤路坝、防灾减灾等等。比较热门的研究方向有基坑工程、地基处理、地下工程和海洋工程。岩土工程專业研究人员都会选择其中一个或多个研究方向来进行研究。

3.1 基坑工程

地铁和房地产的建设使中国拥有大量的基坑工程，基坑开挖越来越深、面积越来越大，基坑围护结构设计和施工越来越复杂，使得基坑工程的设计理论和施工技术不断发展，以解决复杂的基坑稳定、变形和环境保护问题。

3.2 地基处理

地基处理一直是岩土工程专业的研究热点，许多创新性的发明专利都出于这一研究方向。不同类型的岩土有着不一样的地基处理方法，同一类型的岩土也有着不同的地基处理方式。各个地基处理方法的成套设计、理论、施工技术等是需要不断完善的研究内容。

3.3 地下工程

21世纪是大力建设地下工程的世纪，也是我国地下空间开发利用的高潮时期。城市轨道交通系统的快速发展，使得城市地下工程的建设大量兴起。盾构法修建城市地铁隧道过程中涌现出许多研究课题，如隧道开挖面稳定性、地表沉降及其对周围设施的影响、双圆盾构的管片受力性能、冻结法加固地层的相关技术等。

3.4 海洋工程

海洋工程近年来越来越受到关注，它是指以开发、利用、保护、恢复海洋资源为目的，并且工程主体位于海岸线向海一侧的新建、改建、扩建工程，它分海岸工程、近海工程和深海工程3类。海岸防护工程、围海工程、海港工程、海上钻井平台的建设等是岩土工程专业人员面临的新的研究课题。

4 结语

作为刚跨入岩土工程专业领域的研究人员，除了对岩土工程专业知识体系的构成有一定的了解和认识外，还应该多看岩土工程专业的经典书籍，多参加岩土工程专业的学术会议，多与岩土工程专业的知名学者交流。并且结合自己的兴趣爱好选择一个研究方向，运用一种或多种研究方法，踏实、勤奋、持之以恒地进行研究，为我国岩土工程专业的发展添砖加瓦。

参考文献：

[1]殷宗泽等.土工原理[M].中国水利水电出版社，2007.

[2]龚晓南.地基处理手册（第三版）[M].中国建筑工业出版社，2008.

作者：胡俊