基于深度神经网络的TBM隧道围岩等级预测研究

作者：何伟

来源：铁道建筑技术, 2023, (10): 88-92.

• TBM
• 深度神经网络
• 围岩等级预测
• 特征筛选

隧道施工地质变化多样，TBM在施工过程中易引起塌方、突水等地质灾害。针对地质难以准确预测的问题，依托新疆YE供水工程，对TBM施工过程岩机映射关系、围岩等级预测进行研究，提出一种特征筛选方法，通过方差过滤、相关性选择、随机森林和包裹式特征选择等方法进行特征降维，将228个特征参数减少至14个。基于特征筛选方法和深度神经网络算法(DNN)建立TBM围岩等级预测模型，并将其与基于K近邻算法(KNN)和随机森林算法(RF)建立的模型进行对比。使用工程数据对模型进行测试，DNN模型预测准确率高达98%,相较KNN和RF模型更准确、泛化能力更好，实现了在TBM掘进过程中实时预测围岩等级，提高了TBM运行的安全性和高效性。