基于机器学习的围岩无侧限抗压强度预测困境

2021-09-30盛永清褚长海

建筑机械化 2021年9期

江南，盛永清，褚长海

（1.盾构及掘进国家重点实验室，河南郑州 450001；2.武汉地铁集团有限公司，湖北武汉 430000）

随着国民经济的快速发展，地铁隧道，铁路隧道更多地采用了隧道掘进机进行开挖。隧道开挖前，对施工隧道地区资料的获取是必不可少的环节，结合地质资料，才能根据开挖隧道地层情况调节相应的掘进参数进行施工作业，但在实际施工中，地质情况复杂多变，地质资料只能提供局部区域有限地质情况，而实时监测和分析开挖面的地质情况可以帮助司机在不利地质条件下采取预防措施，保证安全高效掘进。由于掘进参数可以看作是围岩与TBM 相互作用结果的动态反映，当前有许多利用掘进参数预测围岩性质的工作。朱梦琦等提出基于集成CART 算法的围岩等级预测模型，利用TBM 掘进过程中的参数预测围岩等级并取得了较好的效果。张娜等分别采用分步回归和聚类分析的方法建立岩机关系模型，该模型能利用监测 TBM 掘进参数对岩石抗压强度、体积节理数和围岩等级等参数进行实时感知。总体来说目前基于各种机器学习算法的围岩性质预测工作均取得了一定的进展，但是预测模型通常在同一条线路上构建和测试，缺乏模型应用在其他线路的准确率数据而对于TBM 施工真正有效的模型是能运用在新施工线路的模型，这一情况阻碍了围岩地质判别模型的实际应用与推广。