基于PSO-SVR算法的TBM掘進(jìn)效率預(yù)測(cè)及圍巖分級(jí)研究.pdf

1、采用TBM進(jìn)行隧洞施工速度快，掘進(jìn)效率高，尤其在超長(zhǎng)距離的隧洞工程中，TBM施工帶來的經(jīng)濟(jì)效益更加顯著。在實(shí)際工程中，為了進(jìn)行可行性論證、經(jīng)濟(jì)效用評(píng)估和風(fēng)險(xiǎn)控制等，需要對(duì)TBM的掘進(jìn)效率等指標(biāo)進(jìn)行預(yù)測(cè)，判定圍巖的可掘進(jìn)性。在影響掘進(jìn)效率的因素中，圍巖地質(zhì)條件是影響TBM掘進(jìn)效率的主要外部因素，TBM施工條件下的圍巖分級(jí)應(yīng)重點(diǎn)考慮巖體的可掘進(jìn)性。
　　為了建立可靠的施工預(yù)測(cè)模型，預(yù)測(cè)施工效率，本文采用粒子群（PSO）優(yōu)化的支持向量回

2、歸算法（SVR），通過分析掘進(jìn)效率的影響因素，確定了三項(xiàng)圍巖參數(shù)——單軸抗壓強(qiáng)度（UCS）、軟弱結(jié)構(gòu)面平均間距（DPW）、結(jié)構(gòu)面與隧洞軸線的夾角（α），和掘進(jìn)效率指標(biāo)——貫入度指數(shù)（FPI），分別作為模型的輸入和輸出參數(shù)，建立了TBM掘進(jìn)效率預(yù)測(cè)模型。同時(shí)，將PSO-SVR模型和其他理論下建立的模型進(jìn)行了對(duì)比分析。在此基礎(chǔ)上，依據(jù)圍巖參數(shù)和貫入度指數(shù)（FPI）之間的相關(guān)關(guān)系，提出了一種新的TBM施工條件下的圍巖分級(jí)方法。主要取得以下成果

3、：
　　（1）借助粒子群（PSO）算法，優(yōu)化了支持向量回歸（SVR）算法在回歸擬合過程中的關(guān)鍵核參數(shù)選取，使得支持向量回歸算法能夠取得最優(yōu)的適應(yīng)度，達(dá)到最優(yōu)的回歸擬合效果。通過本文研究，進(jìn)一步驗(yàn)證了PSO-SVR聯(lián)合算法的先進(jìn)性。今后可以將該方法應(yīng)用到其他回歸預(yù)測(cè)問題的處理中。
　　（2）與線性回歸、非線性回歸、神經(jīng)網(wǎng)絡(luò)理論進(jìn)行對(duì)比，PSO-SVR模型的預(yù)測(cè)準(zhǔn)確度最高。表明PSO-SVR預(yù)測(cè)模型在預(yù)測(cè)準(zhǔn)確度上相比其他理論方法