基于集成学习模型的隧道围岩变形预测研究

李君帮

(中铁十八局集团第一工程有限公司，河北 保定 072750)

摘　要：　为准确预测隧道围岩变形发展趋势，依托厦门第二西通道双连拱暗挖段右线隧道项目，开展了隧道下穿城市主干道围岩变形预测研究。首先，根据同断面围岩变形规律相似原理构建了时间序列预测模型DBO-LightGBM。然后，对比了LightGBM模型和DBO-LightGBM模型的预测性能。结果表明，DBO-LightGBM模型的MAPE和RMSE指标均下降了80%以上。工程验证结果表明，DBO-LightGBM模型的MAPE均小于3.50%，R2均大于0.95，RMSE均小于0.80。与DBO-BPNN模型的对比结果表明，DBO-LightGBM模型的MAPE平均降低6.87%，R2平均提升0.074 3，RMSE平均降低1.36，说明提出的DBO-LightGBM模型具有较好的预测精度和泛化性能。研究结果可为隧道安全高效建设提供科学指导。

关键词：　隧道围岩变形;拱顶沉降; 水平收敛; 集成学习; 时序预测; 优化算法

基金项目： 福建省交通运输科技项目(2020Y028)

引文格式： 李君帮. 基于集成学习模型的隧道围岩变形预测研究[J]. 市政技术，2025，43(4)：45-53. (LI J B. Research on tunnel surrounding rock deformation prediction by ensemble learning model[J]. Journal of municipal technology，2025，43(4)：45-53.)