基于BO-XGBoost的盾构掘进地表变形预测

摘要：

在城市地铁建设中,土压平衡盾构掘进引起的地表变形大小受到众多因素的影响,因此往往难以准确预测.针对这一问题,提出了贝叶斯优化(BO)的极端梯度提升(XGBoost)预测模型.模型输入考虑了地质参数、施工参数与隧道几何参数,并通过特征选择分析了各特征的重要性,同时降低了输入参数的维度.采用贝叶斯优化算法确定了最优超参数,并将预测结果与手动调参的XGBoost、随机森林(RF)、支持向量机(SVM)模型作对比.结果表明集成算法在预测中比传统SVM表现更好,贝叶斯优化算法提升了XGBoost模型的预测性能;隧道埋深与直径对XGBoost预测模型影响最大,隧道上方淤泥质土层、黏土层、粉砂土层、风化岩层对模型的影响依次降低,刀盘转速和平均土仓压力的相对重要度也较高.

关键词：地铁隧道、盾构掘进、变形预测、贝叶斯优化、极端梯度提升

所属期刊栏目：44

分类号：TU478(土力学、地基基础工程)

资助基金：国家自然科学基金;浙江省自然科学基金重点项目;浙江省重点研发计划资助项目

在线出版日期：2023-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：102-107