基于机器学习和非支配排序遗传算法的盾构姿态预测与优化

摘要：

提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法.依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析.将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围.结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著.该优化方法可靠适用,值得推广.

关键词：地铁隧道、盾构姿态预测、多目标优化、贝叶斯优化算法、随机森林算法、非支配排序遗传算法

所属期刊栏目：63

分类号：U459.1(隧道工程)

在线出版日期：2023-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：93-97