盾构隧道管片土压力的机器学习建模与可解释性

作者：汪训兴; 刘念武^*

来源：科技通报, 2023, 39(09): 90-97.

DOI：10.13774/j.cnki.kjtb.2023.09.015

• 盾构隧道
• 现场测试
• 管片土压力
• 机器学习
• 可解释性

为探究软土地区盾构隧道掘进期间的相关施工因素对管片拱顶土压力的影响，本文针对该地区某盾构工程开展现场测试。通过预埋的传感器测得实际土压力值，同时收集施工期间盾构机相关操作参数。继而使用机器学习中SVR(support vector regression)支持向量回归、XGBoost极端梯度提升树等多种算法构建管片土压力的预测模型，针对预测性能最佳的模型使用SHAP(sHapley additive exPlanations)值法进行参量影响分析。结果表明，SVR支持向量回归在测试集中的预测效果为最佳，均方误差MSE(mean square error)为340.803、平均绝对误差MAE(mean absolute error)为15.819、可决系数R2为0.966 5;掘进总推力对管片土压力的影响最为显著，且与管片土压力成正相关影响关系。

• 单位
  建筑工程学院; 浙江大学; 浙江理工大学; 软弱土与环境土工教育部重点实验室