块石回填土地铁隧道TBM掘进速度的GA-BPNN预测模型

作者：罗文帮; 黄锋^*; 张正雨; 李昉罡; 曹亚奇; 陆松

来源：现代隧道技术, 2021, S1: 426-431.

DOI：10.13807/j.cnki.mtt.2021.S1.054

• TBM
• 地铁隧道
• 掘进速度
• GA-BPNN
• 块石回填土

TBM掘进速度的预测能为施工参数的最终确定、施工进度的合理安排、建设成本的预估提供理论依据,但TBM掘进速度常常呈现出高度非线性的特点,且受诸多因素影响,往往难以建立准确的预测模型。基于此,文章依托重庆轨道交通五号线北延伸段块石回填土地铁隧道工程,收集了该段的TBM掘进数据,基于深度学习遗传算法优化的反向传播神经网络GA-BPNN算法,提出了一种掘进速度预测模型,并与传统BPNN算法预测模型进行对比分析。实际工程应用效果表明,通过对样本数据进行预先训练,可精确完成掘进速度的预测;遗传算法优化后的预测模型可以对掘进速度进行较为精确的预测,且较优化前的BPNN算法预测模型在预测结果的绝对误差方面上有20%以上的性能提升。

• 单位
  重庆交通大学; 土木工程学院; 中建隧道建设有限公司