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.)