首页 >> 过刊索引 >> 2025年 >> 第1期

 

基于机器学习方法的浅埋暗挖隧道地表位移预测研究

何海琦1,史磊磊1,2*,孔 恒1

(1. 北京建工集团有限责任公司,北京 100055; 2. 北京工业大学 城市与工程安全减灾教育部重点实验室,北京 100124)

摘 要: 浅埋暗挖隧道的地表位移受众多因素影响,如隧道几何参数、地质力学参数和施工参数等。因此,建立一种能够应对复杂条件的地表位移智能预测方法,是浅埋暗挖隧道关注的核心问题,也是实现隧道智慧化施工的重要基础。采用4种机器学习方法,分别为支持向量回归、随机森林、反向传播神经网络和极限学习机,并结合粒子群优化算法确定4种机器学习模型的最优超参数或随机数,从而建立一种针对浅埋暗挖隧道地表位移的混合智能预测方法。以北京地铁12号线安华桥站—安贞桥站区间段为工程背景,构建了包含73组浅埋暗挖隧道地表位移数据的数据库,并基于3种性能评价指标(决定系数R2、平均绝对百分比误差MAPE和均方根误差RMSE)对4种混合智能预测模型的预测性能进行了对比分析。此外,采用SHAP模型研究输入特征对输出值的贡献,讨论了各影响因素对地表位移的相对重要性。结果表明,支持向量回归混合智能预测模型在测试集中性能最佳,R2为0.86,MAPE为0.007 9,RMSE为1.94 mm;土的压缩模量对地表沉降影响最大,其次为隧道的中心埋深和隧道横截面的宽度。

关键词: 机器学习; 粒子群优化算法; 浅埋暗挖隧道; 智能预测; 地表位移

基金项目: 国家自然科学基金项目(52478383,52438005)

引文格式: 何海琦,史磊磊,孔恒. 基于机器学习方法的浅埋暗挖隧道地表位移预测研究[J]. 市政技术,2025,43(1):128-136,166. (HE H Q,SHI L L,KONG H. Study on surface displacement prediction of shallow buried tunnel based on machine learning methods[J]. Journal of municipal technology,2025,43(1):128-136,166.)

<如需阅读全文 ,请订阅本刊或登录“万方数据库查询”、“知网数据库查询”、“维普数据库查询”检索下载>