清华大学学报(自然科学版)

作者：王克忠, 谢添, 李梅, 张如九, 侯少康, 王震洲, 刘耀儒

单位：1. 浙江工业大学 土木工程学院, 杭州 310014;<br>2. 云南省滇中引水工程有限公司, 昆明 650000;<br>3. 清华大学 水圈科学与水利工程全国重点实验室, 北京 100084;<br>4. 中国电力建设集团, 水电水利规划设计总院, 北京 100120;<br>5. 国网经济技术研究院有限公司, 北京 102200

关键词：深埋隧洞,岩爆风险,隧道掘进机,数值样本,随机森林,弹性应变能

基金：国家自然科学基金资助项目(52179105); 云南省重大科技专项计划项目(202102AF080001); 浙江省公益技术研究计划项目(LGF21E090005); 国家电网有限公司总部管理科技项目(5200-202322135A-1-1-ZN)

该文依托滇中引水工程香炉山隧洞, 开展深埋隧洞掘进过程中岩爆风险预测研究, 提出基于数值样本和随机森林(random forest, RF) 的岩爆风险快速预测代理模型。 以地应力和围岩本构参数作为模型输入特征, 以围岩最大弹性应变能密度作为输出特征, 开展使用隧道掘进机 (tunnel boring machine, TBM) 掘进深埋隧洞过程中的多工况数值仿真, 基于正交试验设计构建了611组数值样本, 并通过围岩能量演化分析和相关性分析, 验证输入、 输出参数的合理性。 进一步以RF为基分类器, 利用10折交叉验证优化超参数, 建立了岩爆风险快速预测代理模型, 并对比多种机器学习算法, 验证所提代理模型的预测准确性和适用性。 结果表明： 所提方法具有良好的预测性能和泛化能力, 测试集样本的预测准确率达82.02%, 优于用于比较的其余4种机器学习模型, 为快速预测深埋隧洞施工期岩爆风险提供了一种研究路径。

来源：2024年第7期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2024年第7期