基于Bootstrap-SVR-ANN算法的TBM施工速度预测

摘要：

合理评价预测施工速度关乎隧道TBM施工的成败与效益.现有的TBM施工速度预测模型多利用岩体参数和掘进参数预测瞬时/平均施工速度,对掘进过程中的不确定性和施工风险考虑不足.基于此,引入区间预测方法,提出一种基于Bootstrap-SVR-ANN算法的TBM施工速度预测模型.以兰州水源地建设工程输水隧洞双护盾TBM施工为工程依托,分析了单一性输入参数的不足,指出了选择岩体质量分级指标(RMR)、TBM工作条件等级(TWCR)两个综合性参数的合理性,并对构建的TBM施工速度区间预测模型的有效性进行了验证.研究表明,TBM施工速度区间预测模型不但具有良好的点预测效果,而且预测区间可将TBM施工速度的实测值完全包络,模型可靠性较高;模型测试集在90％,95％置信水平下的MPIW分别为9.84,11.73 m/d,随着置信水平的提高,预测区间可容纳的不确定性也不断上升;TBM掘进过程中可能的风险性与区间宽度的异常相互印证,验证了区间预测模型可以定量解释施工过程中不确定性的特点.研究成果可为TBM掘进效能预测、施工工期估算和掘进参数优化等提供科学参考.

关键词：隧道掘进机(TBM)、施工速度、区间预测、Bootstrap方法、支持向量回归、神经网络

所属期刊栏目：43

分类号：U455;TV554(隧道工程)

资助基金：国家自然科学基金;国家自然科学基金;河南省重点研发与推广专项;国家重点实验室开放基金

在线出版日期：2021-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1078-1087