年刚伟 季北 张安俊

摘 要：高铁隧道的建设是高铁建设的重要一部分，大量的隧道建设会引起地表沉降。对沉降实测数据进行分析，得出隧道在沉降方面的长期沉降规律，可以实现隧道沉降预测，从而推进的隧道的安全、高速建设。本文针对高铁隧道沉降预测问题，运用粒子群算法（PSO） 对灰色模型GM（1.1 ） 进行改进，构建了灰色-时序组合模型对问题进行了预测研究。研究表明，基于粒子群改进的灰色-时序组合模型对高铁隧道的沉降预测具有实际意义，它能够更好地预测高铁隧道沉降趋势。

关键词：隧道沉降预测;粒子群算法;灰色模型

中图分类号：U457 文献标识码：A 文章编号：1001-5922（2021）06-0165-04

Abstract：High-speed railway tunnel construction is an important part of high-speed railway construction， a large number of tunnel construction will cause surface subsidence. Through the analysis of the measured settlement data， the long-term settlement law of the tunnel in settlement can be obtained， and the prediction of the tunnel settlement can be realized， so as to promote the safe and high-speed construction of the tunnel. Aiming at the settlement prediction of high-speed railway tunnel， particle swarm optimization （PSO） is used to improve the grey model GM （1.1） ， and a grey-time series combination model is constructed to predict the problem. The results show that the grey-time series combined model based on particle sswarms has practical significance for the settlement prediction of high-speed railway tunnels， and it can better predict the settlement trend of high-speed railway tunnels.

Key words：tunnel settlement prediction; particle swarm optimization algorithm; grey model

高铁是世界步入铁路运输现代化的重要标志，它的出现带动了国家经济的发展，加速了经济全球化。随着高铁在全国的大面积建设，相应的高铁隧道的建设工作也在有条不紊的进行。由于高铁隧道施工现场复杂且受多种因素影响，因此为保障施工安全，必须重视对高铁隧道的变形预测。

高铁隧道的挖掘过程中，必定会导致地表下沉，预测高铁隧道沉降趋势有利于不断推进工程进度以及施工安全工作的开展。不同的预测方法，对高铁隧道沉降的预测精度有所差别，本文在粒子群算法的基础上，利用小波去噪以及组建灰色-时序组合模型对隧道沉降进行了预测。最后，通过对模型进行模拟拟合和预测精度对比分析，证明基于粒子群改进的GM（1，1）-AR（1）组合模型的在预测高铁隧道沉降时，预测精度最高，能更好的预测隧道沉降趋势。……