基于深度神经网络的TBM隧道围岩等级预测研究

摘要

隧道施工地质变化多样,TBM在施工过程中易引起塌方、突水等地质灾害。针对地质难以准确预测的问题,依托新疆YE供水工程,对TBM施工过程岩机映射关系、围岩等级预测进行研究,提出一种特征筛选方法,通过方差过滤、相关性选择、随机森林和包裹式特征选择等方法进行特征降维,将228个特征参数减少至14个。基于特征筛选方法和深度神经网络算法(DNN)建立TBM围岩等级预测模型,并将其与基于K近邻算法(KNN)和随机森林算法(RF)建立的模型进行对比。使用工程数据对模型进行测试,DNN模型预测准确率高达98%,相较KNN和RF模型更准确、泛化能力更好,实现了在TBM掘进过程中实时预测围岩等级,提高了TBM运行的安全性和高效性。