基于PSO-SVR算法的TBM掘進效率預(yù)測及圍巖分級研究.pdf

1、采用TBM進行隧洞施工速度快，掘進效率高，尤其在超長距離的隧洞工程中，TBM施工帶來的經(jīng)濟效益更加顯著。在實際工程中，為了進行可行性論證、經(jīng)濟效用評估和風險控制等，需要對TBM的掘進效率等指標進行預(yù)測，判定圍巖的可掘進性。在影響掘進效率的因素中，圍巖地質(zhì)條件是影響TBM掘進效率的主要外部因素，TBM施工條件下的圍巖分級應(yīng)重點考慮巖體的可掘進性。
　　為了建立可靠的施工預(yù)測模型，預(yù)測施工效率，本文采用粒子群（PSO）優(yōu)化的支持向量回

2、歸算法（SVR），通過分析掘進效率的影響因素，確定了三項圍巖參數(shù)——單軸抗壓強度（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），和掘進效率指標——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掘進效率預(yù)測模型。同時，將PSO-SVR模型和其他理論下建立的模型進行了對比分析。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方法。主要取得以下成果

3、：
　?。?）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，達到最優(yōu)的回歸擬合效果。通過本文研究，進一步驗證了PSO-SVR聯(lián)合算法的先進性。今后可以將該方法應(yīng)用到其他回歸預(yù)測問題的處理中。
　　（2）與線性回歸、非線性回歸、神經(jīng)網(wǎng)絡(luò)理論進行對比，PSO-SVR模型的預(yù)測準確度最高。表明PSO-SVR預(yù)測模型在預(yù)測準確度上相比其他理論方法