基于PSO-BP的土压盾构土仓压力预测模型及掘进参数敏感性分析

摘要：

盾构掘进过程中,为防止地表沉降或隆起,土仓压力的预测与控制至关重要.本文基于哈尔滨地铁3号线大有坊—太平桥区间右线盾构掘进监测数据,建立了一种基于粒子群算法优化的BP神经网络(PSO-BP)的土仓压力预测模型.该模型以螺旋机转速、刀盘扭矩、推进速度、刀盘转速、加泥流量、总推进力为输入,以土仓压力为输出,在测试集上预测平均绝对百分比误差(MAPE)为6.28％,可决系数(R2)为0.8313,能较精确地预测土仓压力.选用全局敏感性分析方法,获取了不同掘进参数的总敏感性排序:加泥流量＞螺旋机转速＞总推进力＞刀盘扭矩＞刀盘转速＞推进速度,并分析了不同掘进参数耦合作用对土仓压力的影响.采用多项式拟合的方法,得到了掘进参数与土仓压力之间的函数关系式.研究结果可为实现盾构土压平衡过程中掘进参数的合理高效调节提供新的思路.

关键词：土仓压力预测模型;BP神经网络;粒子群算法;全局敏感性分析;掘进参数;多项式拟合

所属期刊栏目：29

分类号：U455.43(隧道工程)

资助基金：国家自然科学基金项目41572275

在线出版日期：2021-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1220-1233