李方毅，张晓平, *，许 丹，姜 军，周 智，沈 婕，王浩杰，张心悦

(1. 武汉大学土木建筑工程学院，湖北 武汉 430072； 2. 中铁十一局集团有限公司，湖北 武汉 430061； 3. 中铁建华南建设有限公司，广东 广州 511458； 4. 广州地铁集团有限公司，广东 广州 510330)

0 引言

全断面机械化盾构隧道施工方法以掘进速度快、机械化程度高、安全性能好、对环境影响小等显著优点逐渐成为城市地铁隧道施工的主流方法。采用盾构法进行地铁隧道施工过程中，难免会对周围地层产生扰动，进而诱发地表变形。当变形超过一定限度时，极易对隧道、周边建(构)筑物以及地下浅埋管线等造成不同程度的损伤破坏，诱发工程安全事故。因此，在盾构隧道施工过程中，选择合适的方法合理预测地表变形，进而提前采取加固措施，对有效防止过大地表变形造成重大工程安全事故显得尤为必要。

众多学者采用经验公式法[1-2]、理论分析法[3-4]、数值模拟法[5-6]等多种方法对盾构掘进诱发地表变形进行了研究。但经验公式法缺乏理论基础，无法将不同工况与经验公式联系起来； 而理论分析法和数值模拟法无法考虑现场工程地质条件和人工作业环境的高度复杂性，在计算参数选取方面存在固有缺陷。近年来，以人工智能为代表的盾构掘进诱发地表变形预测模型，以其在有效捕捉地表变形量与相关影响因子之间非线性关系方面的显著优势，已经逐渐成为预测盾构掘进诱发地表变形的有效手段[7]。孙钧等[8]使用人工神经网络对隧道开挖引起的地表沉降进行预测，论证了该方法的可行性和适用性。……