李增良

(中铁二十局集团有限公司，陕西 西安 710016)

0 引言

盾构姿态控制是盾构施工过程中重要的环节之一。传统的被动式控制方式具有一定的滞后性，很难在施工过程中实现及时有效的控制。因此，实现盾构姿态的主动控制成为盾构施工过程中施工人员关注的核心问题之一。

盾构姿态的精准预测，能够为盾构姿态主动控制提供决策依据。近年来，随着计算机水平的不断提高，相关的机器学习、人工智能方法在盾构姿态预测方面得到了广泛应用。不同于力学建模[1-2]、模糊理论[3-4]等盾构姿态预测方法，机器学习方法主要是以实际施工数据为驱动，在确定模型输入、输出变量的基础上实现对盾构姿态的预测。高兵[5]基于专家系统、知识推理实现了盾构姿态的实时预测。李英伟等[6]、张爱军[7]分别基于BP神经网络建立了角砾地层盾构管片位姿和上软下硬地层盾构竖向位姿预测模型。陈昱竹[8]构建了基于XGBoost-SVR的盾构位姿偏差预测模型。

由于浅层神经网络对于信息的处理存在一定的局限性，研究者们开始逐步探索深层神经网络(深度学习技术)的应用。孔宪光等[9]基于深度学习技术，依托宁波地铁实际盾构施工数据构建了相应的位姿预测模型，该预测模型表现出较高的预测精度和效率。Zhou等[10]在基于小波神经网络对盾构姿态数据进行降噪处理的基础上，构建了基于CNN-LSTM的混合深度学习盾构位姿预测框架，为盾构姿态预测提供了新的思路。

盾构掘进姿态数据具有随时间不断演进变化的特点，其相应的姿态预测问题属于典型的时间序列预测问题。……