基于机器学习的TBM隧道掘进岩爆预测

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.

关键词：隧道、掘进机、岩爆预测、机器学习

所属期刊栏目：51

分类号：U455(隧道工程)

资助基金：国家自然科学基金51538001

在线出版日期：2022-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7