基于剪切试验的全风化花岗岩地层泡沫渣土改良研究

为研究全风化花岗岩地层中盾构刀盘结泥饼现象,使用取自广州地铁21号线的全风化花岗岩开展了切向界面力与加压十字板两种剪切试验,基于上述两种剪切试验研究泡沫渣土改良对掘进所需扭矩的影响。研究结果表明:(1)界面剪切试验可用于衡量土体在黏性地层中的泥饼风险,低界面剪切强度对应低泥饼风险;(2)当土体的含水率处于其塑限和液限之间时,土体含水率越高,土-金属切向界面力越低,十字板剪切所需扭矩越高;(3)注入泡沫将有效降低盾构掘进中的扭矩需求及泥饼风险,在掌子面压力较大时,使用高注入率会有更大收益;(4)较低的发泡倍率可获得较低的切向界面力和十字板扭矩,掌子面压力较大时,较低的发泡倍率会获得更好的渣土改良效果。

基于机器学习的盾构掘进参数预测

依托济南市济泺路穿黄隧道东线工程,选取1130组掘进数据,按照施工顺序划分数据集,采用粗细程度、软硬程度、密实程度和渗透能力4个维度描述土体的物理力学状态,分别建立基于长短期记忆模型(Long-Short Term Memory,LSTM)、随机森林模型(Random Forest)和BP神经网络的盾构隧道掘进参数预测模型,详细对比分析3种模型对总推力和掘进速度的预测效果。研究表明:(1)LSTM模型在按施工顺序预测盾构总推力和掘进速度时,平均相对误差仅为3.72%和7.41%,模型训练时间均在20 s以内,整体表现优于随机森林模型和BP神经网络;(2)在地形发生剧烈变化以及盾构掘进线路在直线与平曲线过渡时,总推力和掘进速度出现较大波动,LSTM模型预测结果相对误差偏大的组数仅占4%与10.2%,且总体误差满足施工要求;(3)随机森林模型预测结果的相对误差在总推力和掘进速度剧烈波动的环段处偏大,数量偏多,因此在按施工顺序预测时不是优选。

泥水盾构施工参数相关性及预测策略优化研究

为研究泥水平衡盾构施工关键参数间的相关关系及其关联机理,依托清华园隧道3#—2#盾构区间,选取863环掘进数据,利用统计学方法对不同地层段关键参数的正态性特质进行判定,系统地探讨了两参数间的相关关系,同时,基于随机森林、BP神经网络等机器学习常见算法建立了复杂互层地层刀盘扭矩预测模型,以反映模型输入特征量与参数相关性的优先级。研究表明:地层差异对各参数间的相关强度影响较显著,可由极弱相关转变为较强相关;刀盘扭矩、泥水压力和盾构推力在多个地层段存在较强的相关性;预测模型中弱相关参数的输入对模型预测精度的提升效果有限,选定部分较强相关参数即可保证预测模型质量。