科研之友
微信
新浪微博
Facebook
分享链接
摘要
岩爆是TBM在深埋隧道掘进时常见的地质灾害，实时准确的岩爆预测对TBM的安全高效掘进有重要工程意义。TBM在不同强烈程度的岩爆地层中掘进时，掘进参数表现出巨大差异，使通过实时掘进参数的特征预测岩爆成为可能。依托引汉济渭岭南TBM施工段，对收集所得的TBM掘进数据与岩爆现场数据进行预处理，构建粗粒度数据集。为提高数据集质量，定义局部标准差指标筛选出精确岩爆区间，构建细粒度数据集。基于4种机器学习模型，以TBM推力、扭矩、贯入度数据的时域特征参数作为输入，岩爆烈度等级作为输出，建立TBM隧道掘进岩爆预测模型。结果表明，以掘进参数的局部标准差为指标所识别出的岩爆区间，明显提高了数据集质量。4种模型中，基于LightGBM算法建立的模型预测效果最好，准确率达84.1%。研究表明，通过掘进参数预测岩爆具有可行性，可作为TBM隧道岩爆预测的一种新途径。
- 单位
