Prise en compte du mode de pressurisation du front et de la géologie dans l'étude de l'impact du creusement de tunnels

= Taking into account of the face pressurization mode and the geology in the study of the tunnel excavation impact

• Auteur / Autrice : Rim Boubou
• Direction : Richard Kastner
• Type : Thèse de doctorat
• Discipline(s) : Génie civil
• Date : Soutenance en 2010
• Etablissement(s) : Lyon, INSA
• Ecole(s) doctorale(s) : École doctorale en Informatique et Mathématiques de Lyon
• Partenaire(s) de recherche : Laboratoire : LGCIE - Laboratoire de Génie Civil et d' Ingénierie Environnementale, EA 4126 (Villeurbanne, Rhône2007-2015)

Mots clés

Mots clés contrôlés

Sol, Mouvements du

Excavation

Excavateurs

Tunnels -- Conception et construction

Tunnels

Résumé

Les tunnels réalisés en zones urbaines sont généralement des tunnels peu profonds pour des raisons à la fois techniques et économiques. La construction de ces tunnels ne peut pas être effectuée sans avoir un impact sur le sol environnant et en conséquence sur les bâtiments en surface. Ainsi, l’utilisation des nouvelles techniques de creusement comme les tunneliers à front pressurisé, permet de maîtriser les déformations du terrain et de garantir la stabilité dans des contextes géologiques variables. Afin d’assurer une performance optimale du tunnelier, il faut bien connaître le rôle des paramètres de son fonctionnement pendant les différentes phases du creusement. La considération de ces paramètres qui sont variables par leurs champs d’action reste encore difficile à accomplir dans l’étude des effets du creusement sur la surface par les méthodes traditionnelles (comme par exemple la modélisation numérique utilisant la Méthode des Eléments Finis). L’objectif de ce travail est donc de proposer et d’évaluer une méthodologie basée sur les réseaux de neurones artificiels permettant de déterminer les paramètres de fonctionnement de tunnelier à front pressurisé les plus influents sur la forme et l’amplitude des déplacements en surface. En se basant sur ces paramètres et sur des conditions géologiques et géométriques, cette méthodologie sera employée dans un deuxième temps pour prédire les déplacements engendrés par le creusement. La méthodologie sera appliquée sur un cas particulier, celui du tunnel de la ligne B du métro de Toulouse. Différents types de tunnelier à front pressurisé (pression de terre, de boue et d’air) ont été utilisés pour la réalisation des 12. 6 km du tunnel creusés essentiellement dans la molasse toulousaine, horizon géologique hétérogène très surconsolidé. Les analyses s'appuient sur un ensemble de mesures effectuées sur chantier dans le cadre du projet de recherche METROTOUL en considérant les trois techniques différentes de creusement. Les réseaux de neurones ont été employés tout d’abord dans un cas simple, celui du lot 3 réalisé à l’aide d’un tunnelier à pression d’air, pour analyser l’effet des différents types de sol sur la performance du creusement (débit d’air au front). Par la suite, la méthodologie proposée a été développée pour analyser le nombre important de paramètres de fonctionnement requis par les deux autres types de tunnelier afin de prédire les mouvements de sol. Pour cela, on supposera une géologie homogène, c’est-à-dire sans effet sur la forme et l’amplitude des mouvements de surface. Enfin, une analyse globale a permis de lier les mouvements du sol à la géologie du tunnel ainsi qu’aux différents paramètres de fonctionnement du tunnelier. La forme et l’amplitude des déplacements observés en surface ont été reproduites par les réseaux de neurones qui ont encore permis de révéler les paramètres les plus influents sur ces déplacements.

Tunnels excavated in urban zones are generally shallow tunnels for technical and economic reasons. The construction of this kind of tunnels can not be realised without having an impact on the surrounding ground and consequently on the buildings at ground surface. The use of new construction methods such as shield Tunnel Boring Machine (TBM) enables to control ground deformations and to guarantee stability in variable geological contexts. In order to ensure an optimal performance of the TBM, it is necessary to well identify the role of its operation parameters during the various construction phases. The consideration of these parameters which are different by their functions remains difficult to achieve in the excavation analysis performed by traditional methods (such as numerical simulation with the Finite Element Method). The objective of this work is thus to propose and evaluate a methodology based on the artificial neural networks (ANN) to determine the most influential operation parameters of pressurized face TBM on the shape and the amplitude of ground surface displacements. Based on these parameters and on geological and geometrical conditions, this methodology will be also used to predict displacements generated by the excavation. The methodology is applied on the particular case of the subway line B tunnel of Toulouse. Different types of TBM (earth pressure balanced, slurry and compressed air machine) were used for the excavation of the 12. 6 km long tunnel mainly in the Toulouse “molasses”, a highly overconsolidated and heterogeneous soil. The analyses are based on the measurements obtained from the work site during the METROTOUL research project considering the three different excavation techniques. ANNs are employed firstly in the simple case of Contract 3 excavated by a compressed air TBM to analyze the effect of the various soil types on the performance of the TBM (air losses). Then, the proposed methodology is developed to analyze the large number of TBM operation parameters required by the two other TBM types in order to predict ground movements. To do so, it is assumed that the geology is homogeneous and therefore does not have an effect on the shape and amplitude of the ground movements. Finally, a global analysis allows to correlate ground movements to the tunnel geology and to the various TBM operation parameters. The form and the amplitude of the ground surface displacements are reproduced by the ANN which allowed also to identify the most influential parameters on these displacements.