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.)