基于BP神经网络的特殊地质条件盾构掘进参数预测研究摘要：为有效控制特殊地质条件下的盾构掘进参数，提高地铁盾构施工效率与施工质量。文章首先结合土体物理性质，确定关键的地层参数；其次将选定的地层参数作为输入变量，建立针对掘进参数的BP神经网络预测模型；最后，对建立的掘进参数预测模型进行验证。以武汉地铁A号线某泥水平衡盾构施工区间工程监测的实际数据进为例，结果表明：总推力、泥水仓压力、同步注浆压力预测的平均相对误差分别为10.40%、9.10%、7.14%，误差在11%以内，可为同类型工程掘进参数的设定提供参考。关键词：特殊地质；地层参数；掘进参数；BP神经网络模型；盾构[]U231＋.3[文献标识码]A[]PredictionofShieldBoringParametersinSpecialGeologicalConditionsBasedonBPNeuralNetworkCHANGGia1，HUYao-yue2，MAHao1，LIZong-liang2（1.WuhanMetroGroupCo.,Ltd,Wuhan430000,China;2.SchoolofCivilEngineeringandArchitecture,WuhanUniversityofTechnology,Wuhan430070,China;)Abstract:Inordertoeffectivelycontroltheshieldtunnelingparametersunderspecialgeologicalconditions,soastoimprovetheconstructionefficiencyandqualityofsubwayshieldtunneling.Firstly,thekeyformationparametersweredeterminedaccordingtothephysicalpropertiesofsoil.Secondly,theBPneuralnetworkpredictionmodelfordrivingparameterswasestablishedbytakingtheselectedformationparametersasinputvariables.Finally,thepredictionmodelofdrivingparameterswasverified.TakingtheactualmonitoringdataofAmud-waterbalancedshieldtunnelingsectionofWuhanMetroLineAasanexample,theresultsshowthattheaveragerelativeerrorsoftotalthrust,sludgebinpressureandsynchronousgroutingpressurearerespectively10.40%,9.10%and7.14%,andtheerrorsarewithin11%,whichcanprovidereferenceforthesettingofdrivingparametersofthesametypeofproject.Keywords:specialgeologicalconditions;Formationparameters;boringparameters;BPneuralnetworkmodel;shield0引言近年来，随着我国城市化进程加快，城市规模不断扩大、城市人口不断增加，城市轨道交通显得越发的重要，地铁已经成为缓解我国交通压力的关键出行工具。由于地铁项目建设环境的不确定性，特别是在过江隧道工程的地质条件较为复杂的情况下，地铁隧道工程施工过程中会较大概率地碰到特殊地质环境，而地质条件的变化直接造成掘进参数的时变性及非线性，盾构施工过程中掘进参数差异过大会引发施工管理风险，降低施工效率、增加施工成本。因此，为了能更好地在特殊地质条件下指导施工，实现在该地质条件下对盾构掘进参数进行合理的预测具有重要的意义。张爱军[1]将BP神经网络模型运用到盾构隧道轴线偏移量的影响研究中，得出了盾构施工参数对姿态控制的影响及其规律。李超等[2]建立BP神经网络模型，用于预测复合地层条件下的盾构掘进参数。张社荣等[3]将平均影响值算法与BP神经网络模型相结合筛选出了关键的掘进参数，并为能计算出合理有效的掘进参数的预警区间，运用了赤池信息准则对其进行最优分布的确定，为在复合地层条件下盾构施工时设置关键掘进参数提供方案。赵博剑等[4]采用数理统计方法对掘进参数与地层之间的相关性进行了分析，为同类型工程在施工过程中参数的选取与设定提供指导。曲兆宇[5]采用了有限元方法对盾构掘进过程进行了数值模拟，分析了砂卵石地层中的施工盾构掘进参数对地层沉降的影响规律。以上文献对不同区域不同地质条件下的盾构掘进参数优化问题进行了研究，但对于含有强风化泥岩、中风化泥岩等典型特殊地质条件下的地铁盾构掘进参数研究较少。因此，有必要结合特殊地质条件下地层参数角度对盾构掘进参数进行分析，以更好地满足施工要求。鉴于此，本文以武汉地铁A号线某区间工程施工的典型特殊地质条件及掘进参数为数据基础，选定关键的掘进参数并建立BP神经网络预测模型对掘进参数进行训练，分析误差值。在此基础上，利用所建立的模型预测在特殊地质条件下的盾构掘进参数，以期能为同类型工程在特殊地质条...