李照众 王 浩 畅翔宇 张一鸣 王飞球

(1东南大学混凝土及预应力混凝土结构教育部重点实验室， 南京 211189)(2中铁二十四局集团江苏工程有限公司， 南京 210038)

隧道开挖会对周围岩体产生扰动，进而破坏围岩的初始应力状态，使围岩产生应力重分布以保持其稳定性.根据能量守恒定律，围岩应力随掌子面推进逐步释放，导致围岩产生收敛变形，直至围岩再次进入稳定状态[1].然而，围岩收敛变形过大可能导致局部落石，甚至引起隧道坍塌、突泥突水等重大安全事故.围岩收敛变形包含了当前围岩变形状态及未来发展趋势，对其进行及时监测和预测分析可在变形早期发现、解决安全隐患，保证人员安全及隧道的有序施工[2].因此，有必要建立准确的围岩收敛变形预测方法，及时评估隧道施工安全性，以防安全事故的发生.

围岩变形预测作为保证隧道施工安全的重要依据，是隧道领域研究的热点问题[3].随着计算机性能的不断提升，机器学习算法展现了高效的拟合、泛化能力，已成功应用于围岩变形预测中[4-8].人工神经网络作为一种具有大规模并行处理的监督式学习算法，广泛应用于隧道围岩变形预测中[3].姚凯等[4]针对软岩隧道围岩变形问题，建立了基于果蝇算法优化的神经网络预测模型，对隧道拱顶沉降和水平收敛进行了预测.岳岭等[5]综合考虑了隧道施工中时间序列和变形多因素多元输入影响，建立了基于时间序列的自回归神……