第19卷第2期地下空间与工程学报Vol．192023年4月ChineseJournalofUndergroundSpaceandEngineeringApr．2023基于神经网络的盾构滚刀磨损量预测方法探讨丁小彬1，2，谢宇轩1，薛皓文1，黄威然3(1．华南理工大学土木与交通学院，广州510640;2．华南岩土工程研究院，广州510640;3．广州轨道交通建设监理有限公司，广州510010)摘要:盾构施工中采集的参数众多，难以直接反映滚刀磨损量的发展规律。统计31种现有滚刀磨损研究中影响参数的出现频次，以广州地铁18号线番禺广场至南村万博区间2号始发井中间风井右线盾构区间为依托，选择14种输入参数，整理出共2386条样本用于BP神经网络模型开发。分别采用序贯模型优化(SMBO)和遗传算法(GA)进行超参数优化。模型预测值与实测值决定系数达0．832，准确预测了滚刀磨损量。选择预测准确度较高模型进行敏感性分析，验证所选的14种参数对于滚刀磨损量预测的贡献，结果表明，考虑土压、新旧刀、盾构深度对于滚刀磨损量预测有较大贡献。本文成果可为其他地层下的盾构滚刀磨损量预测与分析提供参考。关键词:盾构掘进;滚刀磨损;神经网络;优化算法中图分类号:U455．3文献标识码:A文章编号:1673-0836(2023)02-0560-11InvestigationofQuantitativePredictionofTBMDiscCutterWearbyANNDingXiaobin1，2，XieYuxuan1，XueHaowen1，HuangWeiran3(1．SchoolofCivilEngineeringandTransportation，SouthChinaUniversityofTechnology，Guangzhou510640，P．Ｒ．China;2．SouthChinaInstituteofGeotechnicalEngineering，Guangzhou510640，P．Ｒ．China;3．GuangzhouMassTransitEngineeringConsultantCo．，Ltd．，Guangzhou510010，P．Ｒ．China)Abstract:Thereareplentifulpotentialinfluentialparameterscollectedduringtheconstructionandmanyofthemdonothaveanexplicitcontributiontodisccutterwear．Accordingtotheoccurrencefrequencyof31typesofinfluentialparametersinpreviouscutterwearanalysisstudies，adatabasewith14inputparametersand2386samplesareobtainedfromthetunnelingsectionbetween2#launchshaftandventilationshaftofGuangzhouMetroLine18PanyusquaretoNancunWanboStationtodevelopBPneuralnetworkmodels．ModelsareoptimizedbySMBO(SequentialModel-basedOptimization)andGA(GeneticAlgorithm)andthosewithhigheraccuracyareputintosensitivityanalysistoinvestigatethecontributionoftheselected14infl...
