首页 >> 过刊索引 >> 2025年 >> 第2期

 

基于深度学习的盾构穿越卵石地层掘进参数预测研究

赵异彪

(中铁十八局集团市政工程有限公司,天津 300222)

摘 要: 盾构掘进参数的准确预测可有效指导盾构设备安全高效掘进,依托乌鲁木齐市轨道交通2号线一期工程中桥站—碾子沟站盾构区间项目,开展了盾构穿越卵石地层掘进参数时间序列预测研究,以与盾构掘进状态高度相关的刀盘转速N、推进速度V、土仓压力P、出渣量Z、注浆量S和注浆压力Y以及刀盘推力F、刀盘扭矩T的历史值作为模型输入变量,以刀盘推力F、刀盘扭矩T的未来值作为模型输出变量,构建了盾构掘进参数预测的ABC-BiLSTM模型,相比于BiLSTM模型平均改进误差指标RMSE、R2和MAPE分别为71.43%、71.95%和20.56%。工程验证结果表明,ABC-BiLSTM模型具有较高的预测精度和鲁棒性,模型对于刀盘扭矩T和刀盘推力F的预测精度较高,在实际工程应用中实现了对每个循环掘进参数的精细化预测,为盾构穿越卵石地层掘进参数的决策提供了参考。

关键词: 盾构隧道; 卵石地层; 深度学习; 掘进参数预测; 群体优化算法

引文格式: 赵异彪. 基于深度学习的盾构穿越卵石地层掘进参数预测研究[J]. 市政技术,2025,43(2):80-87. (ZHAO Y B. Research on prediction of excavation parameters for shield tunneling through pebble strata based on deep learning[J]. Journal of municipal technology,2025,43(2):80-87.)

<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>