周星勇

摘 要：利用径向基神经网络构建起前N期沉降量与N+1沉降量之间存在的非线性关系，从而实现径向基神经网络对地铁隧道施工上方地面沉降量预测的功能。利用成都地铁7号线某盾构区间地面的沉降监测数据建立RBF預测模型并且与BP预测模型进行对比。仿真实验结果表明，RBF预测模型预测结果的平均误差率、误差中误差、迭代次数均小于BP神经网络，说明了RBF神经网络在地铁沉降预测分析中的有效性、优越性。

关键词：地铁盾构施工 沉降预测 RBF神经网络

中图分类号：TU43 文献标识码：A 文章编号：1672-3791（2017）07（b）-0093-02

地铁盾构法施工已成为当前城市地铁隧道施工的一项重要技术，它是指在地面下暗挖隧道的一种施工方法[1]。随着地铁盾构施工的进行，必然会对周围土质应力情况造成影响，进而引起施工隧道上方地面的变形。变形严重时，将会对地下管线设施、地面道路、周围建筑物等造成严重破坏[2]。因此在地下盾构施工的过程中，对地面变形进行实时监测，构建起形变预测模型，从而对施工预警防护工作提供指导，这对于地铁盾构安全施工是十分有必要的。

人工神经网络是一种具有适应外界条件能力的系统，具有强大的自护学习能力，能够建立起自变量和应变量之间高度非线性映射关系，因此人工神经网络常用于工程的变形监测预测当中[3]。其中径向基（RBF）神经网络具有收敛速度快且唯一最佳逼近的特点，因此该文选取RBF神经网络作为地铁盾构施工上方地面变形的预测模型。……