基于岩体聚类分级的TBM掘进参数预测方法

作者：李建斌; 郑赢豪^*; 荆留杰; 陈帅; 简鹏; 于太彰; 赵严振

来源：岩石力学与工程学报, 2020, S2: 3326-3337.

DOI：10.13722/j.cnki.jrme.2019.1143

• 岩石力学
• 硬岩掘进机(TBM)
• 岩体聚类分级
• 极限学习机(ELM)
• 掘进参数预测

复杂地质条件下TBM掘进参数的精准预测可及时优化调整掘进参数,有效指导设备施工。根据吉林引松供水工程TBM3标段的现场掘进数据,首先利用最小二乘法对TBM掘进参数和现场跟踪的岩体力学参数进行回归分析,实现由设备参数向岩体信息的转化;而后利用k-means方法对所估计的岩体力学参数进行聚类分级,建立不同围岩等级的岩机数据库;最后以对应围岩等级下TBM岩机数据作为模型输入、运行或者控制参数作为模型输出目标,利用基于极限学习机(ELM)的机器学习算法构建与围岩等级相匹配的TBM预测模型,其预测值可很好地拟合实测数据的变化趋势,平均误差在12%以内。结果表明,基于岩体聚类分级的TBM掘进参数预测方法可显著改善围岩等级多变条件下TBM掘进参数预测精度低、鲁棒性差的问题。

• 单位
  中铁高新工业股份有限公司; 中国矿业大学; 中国矿业大学（北京）; 岩土力学与工程国家重点实验室