基于VMD与加权RF的TBM掘进速度预测SHAP解释模型

为较准确地实现TBM掘进速度(PR)的预测,构建一套基于加权随机森林(RF)结合变分模态分解(VMD)的集成学习预测模型。模型建立过程中,通过收集来自KS隧洞与兰州水源地输水隧洞中涵盖不同岩性下的数据,利用VMD对数据进行4次模态分解,在保留数据特性的同时去除最高频噪音;采用SHAP对未加权传统RF从模型贡献角度进行特征度量,以此实现未加权传统RF加权,并使用RFECV与网格搜索对加权RF进行特征遴选、超参数优化;通过实际工程对模型的性能进行验证,基于SHAP理论对模型从全局与局部进行解释。结果表明:1)所建模型预测精度较高,其在测试集上的均方根误差(MSE)、平均绝对误差(MAE)与决定系数(R^(2))分别为0.0649(m/h)^(2)、0.1875 m/h、0.9254。2)在实际工程的验证中,模型取得了MSE=0.0503(m/h)^(2)、MAE=0.1613 m/h、R^(2)=0.9505的性能表现,精度理想,且性能均高于常用的深度神经网络、支持向量回归、未加权传统RF。3)经过VMD处理可有效提升PR的预测精度,处理后的模型在测试集上MSE、MAE、R^(2)分别提升了82.50%、59.00%、33.25%。4)岩石单轴抗压强度是精准预测PR时最重要的因素,地质参数在预测中的交互性明显优于掘进参数。预测分析重要洞段的PR时,需结合全局与局部2个角度进行综合分析。

基于变权集对-多维联系正态云模型的TBM地质适应性评价预测

为解决TBM地质适应性评估中存在的模糊性及多因素之间相互影响的复杂性难题,在多维云模型的基础上,提出一种基于集对分析与多维云模型相耦合的多维联系正向正态云模型评价方法。通过统计研究分析国内12条隧洞106组TBM地质适应性数据的特征规律,选取设备参数、地质条件、不良地质问题在内的10个典型指标建立评价指标体系。将各评价指标作为多维联系正向正态云模型的一维变量,依据同异反原理与云理论,获取适合的3个云数字特征值,生成各适应性等级下的云滴;继而根据TBM地质适应能力隶属于各适应性等级的综合确定度,采用最大确定度原则判定TBM地质适应性等级,由此综合反映出评价多因素间的确定性与不确定性关系。此外,在IFAHP、改进ICRITIC及改进博弈论组合赋权确定综合常权重的基础上,利用基于因素空间思想的变权理论确定指标总层次排序权重,实现评价过程中指标的主动介入性。经应用于实际表明:变权多维联系正向正态云模型应用于TBM地质适应性倾向评价是可行的,评价准确率达90%,相较于常规多维云模型及其他计算方法,其吻合度更高、计算更简洁。