李增良

(中铁二十局集团有限公司，陕西 西安 710016)

0 引言

盾构法是地铁建设过程中常用的施工方式之一，其完成隧道建设主要是通过盾构刀盘开挖前方土体、盾构尾部管片拼装、同步注浆来实现。在盾构施工过程中不可避免地会引起地层周围土体扰动，进而导致地表发生变形，当变形过大时，容易引起地面破坏、周围建筑物和地下管线不均匀沉降等[1]。因此，在施工过程中进行地表变形预测对于确保盾构顺利掘进、保障施工安全具有十分重要的意义。

关于盾构施工引起的地表变形预测，国内外研究者主要是基于公式法[2]、随机介质理论法[3]、解析法[4]以及智能算法[5]等方式开展相关研究。前几种计算方法中关键参数的准确取值较为困难，而智能算法以数据驱动为导向构建输入，输出的模型结构具有较强的非线性表达力，预测精度较高。因此，智能算法在盾构施工地表变形预测领域得以迅速发展[6]。

乔金丽等[7]基于改进的BP神经网络构建了9输入、1输出的隧道开挖地表变形预测模型。周诚等[8]融合工程设计因素、工程施工因素和工程地质因素构建了基于MAMPSO优化的RBF盾构地表变形预测模型。赵凤阳[9]提出了一种改进的小波神经网络算法，将8个影响盾构地面沉降的因素作为模型输入，实现了对地面沉降的准确预测。杨欢欢等[10]在基于有限元模型进行敏感性分析的基础上，确定了影响盾构施工地表变形的敏感性因素，进而构建了RBF地表变形预测模型。……