基于机器学习的EPB盾构土仓压力预测方法研究

作者：王伟; 王兴; 徐亮^*; 王美艳

来源：人民长江, 2023, 54(12): 241-266.

DOI：10.16232/j.cnki.1001-4179.2023.12.032

• 砂卵石地层
• 土压平衡盾构
• 土仓压力
• GLSSVM
• PSO
• GA

为了避免因土压平衡盾构(EPB)土仓压力失衡造成的掌子面失稳、地层缺失和地表沉降等后果，将GA算法嵌入到PSO算法进行参数优化，结合灰色理论建立基于灰色最小二乘支持向量机的土仓压力预测模型，并以实际工程为案例进行了验证。研究结果表明：GA-PSO-GLSSVM土仓压力预测模型将总推力、刀盘扭矩、推进速度、螺旋机转速、螺旋机扭矩、注浆量6种掘进参数作为输入集，综合考虑了盾构掘进参数之间的相互影响，使预测模型更符合实际；该预测模型综合了GA算法的全局搜索能力、PSO算法的快速收敛能力和GM模型抗扰动能力，提高了复杂地层EPB土仓压力预测的精度；与其他预测模型预测结果的对比表明，GA-PSO-GLSSVM模型预测结果的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、可决系数(R2)明显优于其他模型，预测结果拟合优度和精确度更高，对砂卵石这类复杂地层中EPB盾构土仓压力的预测具有显著的适用性。研究结果可为砂卵石地层EPB盾构施工掘进参数控制提供参考。

• 单位
  长春工程学院; 土木工程学院