TBM净掘进速率预测模型及多指标评价方法研究

为了建立巷道TBM(全断面隧道掘进机)施工净掘进速率预测模型,基于马来西亚Pahang-Selangor隧洞通过室内试验和现场记录获取的100组岩体力学和TBM掘进参数,采用统计回归分析、人工神经网络、机器学习和多算法融合等方法建立了17个TBM净掘进速率(PR)预测模型,提出了一种新的归一多指标模型评价方法,对模型的各个评价指标依次进行倾向一致性转换、归一化、求和与排序,同时使用归一法和已有的排名法对比分析17个模型的预测性能,结果表明:多算法融合提高了人工神经网络和分类与回归树模型的预测能力,略微降低了支持向量回归模型的预测能力;分类与回归树模型和基于分类与回归树的多算法融合模型预测能力最好,更适用于PR预测;提出的归一法为不同模型的多指标综合评价提供了量化方法,克服了排名法在模型预测能力差别较小时无法精确识别的不足。

基于岩体指标和掘进参数的TBM净掘进速率预测模型

净掘进速率是TBM施工速度的主要评价指标,与围岩物理力学性质、TBM掘进参数之间存在一定相关性。文章以兰州水源地建设工程输水隧洞双护盾TBM施工为背景,基于现场实测数据,选择岩石单轴抗压强度、抗拉强度、变形模量、泊松比、岩石耐磨性CAI值等岩体指标,以及刀盘推力和刀盘转速等掘进参数,进行TBM净掘进速率与有关影响参数之间的单因素相关性分析,得到相应拟合公式;基于TBM净掘进速率与岩体指标、掘进参数之间的相关性,利用多元非线性回归方法建立了TBM净掘进速率预测模型。通过将兰州水源地建设工程输水隧洞实测TBM净掘进速率和预测结果进行对比,验证了TBM净掘进速率预测模型的合理性。研究结果表明:(1)在复杂的多种地质条件下,TBM净掘进速率与岩石单轴抗压强度、抗拉强度、变形模量、岩石耐磨性CAI值、刀盘推力以及刀盘转速呈负相关关系,与泊松比呈正相关关系;(2)干湿状态对岩石耐磨性CAI值有一定影响,饱和状态下岩石耐磨性CAI值与TBM净掘进速率之间的相关性更显著;(3)建立的多元非线性回归预测模型,预测精度较高,可为相似地质条件下TBM净掘进速率估算提供参考。

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。

TBM掘进速率区间预测Bootstrap-IHHO-BiLSTM模型

针对现有隧道掘进机(TBM)掘进速率预测模型多采用点预测模型,缺乏考虑因模型结构主观选择、模型参数随机设置和数据随机噪声等导致的不确定性问题,本文提出基于Bootstrap方法和改进哈里斯鹰优化双向长短时记忆网络(BiLSTM)的TBM掘进速率区间预测模型。首先,建立基于改进哈里斯鹰(IHHO)优化BiLSTM网络的TBM掘进速率点预测模型,揭示稳定段掘进速率与上升段刀盘推力、扭矩、转速等掘进参数之间的相关性和时间依赖性;其中,采用基于混沌映射、参数非线性化和混沌搜索策略改进的哈里斯鹰算法对BiLSTM网络超参数进行优化,提高建模效率和精度。进一步地,采用Bootstrap方法对模型不确定性和数据中的随机不确定性进行量化,获得清晰可靠的预测区间。将所提模型应用于引汉济渭秦岭隧洞工程中,开展I~III类围岩条件下的TBM掘进速率区间预测,并将结果与BiLSTM-HHO模型、BiLSTM模型、BP神经网络模型对比,证明了本文模型的优越性。

利用PLSR-DNN耦合模型预测TBM净掘进速率

科学预测隧道掘进机(TBM)净掘进速率,对于隧道(洞)工程施工方法选择、施工进度安排以及成本估计具有重要意义。鉴于TBM施工过程具有高度非线性、模糊性和复杂性等特征,为提高TBM净掘进速率的预测精度和计算效率,采用偏最小二乘回归(PLSR)提取影响参数主成分,再利用深度神经网络(DNN)进行训练预测,提出了一种基于PLSR-DNN耦合方法的TBM净掘进速率预测模型。基于兰州水源地建设工程输水隧洞双护盾TBM施工实测数据,选择岩石单轴抗压强度、单轴抗拉强度、刀盘推力、刀盘转速、岩体完整性系数和岩石耐磨性指数,共6个影响参数,验证了模型预测的合理性,并对不同预测方法的拟合精度和预测精度进行了对比分析。研究结果表明:(1)偏最小二乘回归可有效克服自变量之间的多重共线性问题,将提取的主成分作为深度神经网络的输入层进行训练,简化了神经网络结构;(2)PLSR-DNN耦合预测模型避免了过拟合与拟合不足问题,具有收敛速度快,求解稳定和拟合精度高等特点;(3)PLSR-DNN耦合预测模型平均相对拟合误差2.96%,平均相对预测误差3.27%,其拟合精度和预测精度均明显高于偏最小二乘回归模型、BP神经网络模型以及支持向量回归(SVR)模型。

基于围岩力学参数的TBM净掘进速率多元回归预测模型

TBM净掘进速率与围岩地质条件密切相关,特别是岩体力学参数。为研究TBM净掘进速率与围岩力学参数之间的内在联系,以兰州水源地建设工程输水隧洞双护盾TBM施工为背景,选取岩石单轴抗压强度、单轴抗拉强度、泊松比、变形模量等围岩力学参数,进行TBM净掘进速率与围岩力学参数相关性分析,得到相应的拟合关系式。在单因素分析的基础上,经过线性处理,建立TBM净掘进速率的多元线性回归预测模型。研究结果表明:TBM净掘进速率与围岩力学参数之间具有明显的线性相关性,TBM净掘进速率随单轴抗压强度、单轴抗拉强度和变形模量的增大而减小,随泊松比的增大而增大; TBM净掘进速率多元线性回归预测模型总体上精度较高,其预测误差在15%以内,且对不同围岩类型具有较强的适用性。研究成果能够为TBM施工性能评估提供新的参考。

TBM净掘进速度预测模型发展现状及参数分析

TBM净掘进速度预测模型能为隧道施工方法选择、施工进度安排和成本估算提供科学依据。本文对国内外32个典型模型开展参数定性和定量分析。根据各模型建模原理可将参数输入过程划分为按逻辑和组合关系输入、作为修正参数输入、直接输入参数三种类型。评价TBM掘进速度的岩体参数以单轴抗压强度、岩石质量指标、隧道与结构面夹角和岩石脆性指数居多,机械参数主要是单刀推力和刀盘转速。通过调整岩体工程特性关键参数影响区间以及引入机械参数,可将钻爆法岩体分类(RMR、RSR、Qsystem)应用到TBM净掘进速度预测。模型参数选取需要权衡简易性和准确性,参数太少虽然简易但影响预测精度,参数过多会导致实际操作繁琐而不利于工程广泛应用。参数选取合理、组合恰当以及权重分配符合实际是净预测模型准确可靠的关键,随着对掘进过程和破岩机理的深入理解,开展与岩-机作用相关的新评价参数研究将是未来发展趋势。

关于用岩体分类预测TBM掘进速率AR的讨论

以Maen、Pieve、Cogolo和Varzo 4条隧道为例,本文分析说明了岩体质量分类系统不能预测TBM净掘进速率PR的原因:由于影响岩体可掘进性的因素与影响岩体质量的因素不一样,且岩体质量分类系统多采用半定性半定量的评分形式描述岩体条件,故岩体的质量分数值与TBM的净掘进速率PR很难有一一对应的关系。因此,岩体质量分类系统和基于此的预测模型不能够用来预测TBM的净掘进速率PR。根据TBM施工隧道岩体分类的目的及TBM施工的特点,提出预测TBM净掘进速率PR的岩体分类系统应与评价岩体稳定的岩体分类系统分开进行。用岩体可掘进性分类系统预测净掘进速率PR,用岩体质量分类系统预测TBM利用率U,从而计算出TBM的掘进速率AR。

基于围岩分类HC评分的双护盾TBM施工速度预测模型

针对双护盾TBM施工速度预测问题,以兰州市水源地建设工程输水隧洞双护盾TBM施工为背景,采用现场实测数据统计分析的方法,基于《水利水电工程地质勘察规范》(GB 50487—2008)的围岩分类HC评分值,研究了TBM净掘进速度、TBM利用率与围岩分类HC评分值的相关性,进而建立了双护盾TBM施工速度预测模型。结果表明:①TBM净掘进速度与HC值呈二次函数关系,相关性系数为0.84,随着HC值的降低,TBM净掘进速度呈现增加的趋势;②TBM利用率与围岩HC值呈二次函数关系,相关性系数为0.82,TBM利用率随着HC值的增加有先增大后减少的趋势;③围岩的HC值为41~46时,TBM的施工速度达到最高,日进尺可达到45 m以上,当HC值<41时,TBM施工速度随着HC值的降低而降低,当HC值>46时,TBM施工速度随着HC值的增加而降低;④预测施工速度与实际施工速度吻合较好,平均误差为5.2%,最大误差<10%,说明预测模型可靠,可用于双护盾TBM施工速度预测。

岩体节理及岩块力学参数对TBM净掘进速率的影响

为研究岩体节理及岩块力学参数对TBM净掘进速率的影响,采用离散元法分析岩体节理倾角和间距对TBM净掘进速率的影响。结合施工现场统计资料,研究岩块力学参数与TBM净掘进速率相对关系。结果表明:(1)当其他条件不变,节理倾角在0°~60°时,TBM净掘进速率随节理倾角增大而加快;而当节理倾角在60°~90°时,TBM净掘进速率随倾角增大而降低。(2)一定范围内,节理面发育程度越高,节理组数越多,TBM净掘进速率越高。(3)TBM净掘进速率随岩石单轴抗压强度和弹性模量增大而减小,随泊松比增大而提高。本文得出一系列有意义的拟合曲线,可为定量分析TBM净掘进速率与岩体节理及岩块力学参数之间关系提供依据。