块石回填土地铁隧道TBM掘进速度的GA-BPNN预测模型

摘要：

TBM掘进速度的预测能为施工参数的最终确定、施工进度的合理安排、建设成本的预估提供理论依据,但TBM掘进速度常常呈现出高度非线性的特点,且受诸多因素影响,往往难以建立准确的预测模型.基于此,文章依托重庆轨道交通五号线北延伸段块石回填土地铁隧道工程,收集了该段的TBM掘进数据,基于深度学习遗传算法优化的反向传播神经网络GA-BPNN算法,提出了一种掘进速度预测模型,并与传统BPNN算法预测模型进行对比分析.实际工程应用效果表明,通过对样本数据进行预先训练,可精确完成掘进速度的预测;遗传算法优化后的预测模型可以对掘进速度进行较为精确的预测,且较优化前的BPNN算法预测模型在预测结果的绝对误差方面上有20％以上的性能提升.

关键词：TBM;地铁隧道;掘进速度;GA-BPNN;块石回填土

所属期刊栏目：58

分类号：U455.43(隧道工程)

资助基金：中国建筑第五工程局有限公司科研课题;重庆市建设科技计划项目

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：426-431