王雪明，刘陕南，肖晓春，包蓁

（1 上海工程技术大学 城市轨道交通学院，上海 201620；2 上海隧道工程有限公司，上海 200032）

0 引言

在传统城市隧道施工引起地面变形的预测方法中，有Peck 公式法、有限单元法等［1］。与此不同，神经网络方法因其强大的数据计算处理能力逐渐得到应用。本文依托北横通道新建工程，工程利用一台直径为15.56m 的泥水气压平衡盾构机下穿城市密集建筑区掘进隧道。对于盾构推进引起的地面变形，通过神经网络的方法进行预测研究。

孙钧等通过整理实测资料并对土体扰动机理进行分析，说明根据监测资料并利用神经网络可以对盾构隧道施工过程中的地层移动进行有效的动态实时预测［1］；李红霞等利用遗传算法优化BP 神经网络的初始权重，建立模型对地下水位影响强度进行分析，说明地面沉降与地下水位存在一致响应趋势［2］；王志亮等将杂交法与改进BP 法、多元回归法对比，预测粉喷桩的抗压强度，即先用遗传算法对全局进行训练，再用BP 网络进行精度训练，加快了网络的收敛，避免了局部极小问题的出现，达到了要求的预测精度［3］；王睿等结合实际工程，通过将传统的BP 神经网络与遗传算法相结合的方法，实现针对实际隧道工程施工参数与隧道变形值之间的正反演分析，达到了高效且相对准确的沉降预测及支护参数的最优寻找［4］。

综合以往研究分析发现，神经网络方法及其一系列优化方法在预测盾构推进施工引起地面变形中的应用成果斐然，但在面对具体工程数据时神经网络凸显的自身缺陷问题还有待研究。……