徐勇斌 汪锋 施倩红

摘要：研究地鐵隧道施工引起的沉降一直是隧道研究中的热点问题。但是由于地层复杂性和施工参数多变性，用经验公式或者数值模拟预测隧道掘进引发的地面最大沉降难以兼顾易用性和准确性。近几年随着机器学习理论的深入研究、计算机软硬件技术的快速发展，机器学习等新兴算法正在被越来越多地运用于预测地面最大沉降。本文采用两种机器学习算法（随机森林和BP神经网络），以隧道几何参数、盾构机施工参数和地质参数作为输入，对隧道施工过程中引发的地面最大沉降进行预测分析。结果显示，两种机器学习算法均能实现较高质量的预测，并且随机森林模型的稳定性优于BP神经网络模型。

关键词：地铁隧道 沉降预测 机器学习 随机森林 BP神经网络

中图分类号：TP181;U456.3

Prediction Methods for the Maximum Surface Settlement of Subway Tunnels Based on Machine Learning

XU Yongbin1  WANG Feng2*  SHI Qianhong2

1. Hangzhou Construction Engineering Quality and Safety Supervision Station， Hangzhou， Zhejiang Province， 310005 China; 2.PowerChina Huadong Engineering Co.， Ltd.， Hangzhou， Zhejiang Province， 311122 China

Abstract： It has always been a hot topic to study the settlement caused by subway tunnel construction in tunnel research. However， due to the complexity of the geological strata and the variability of construction parameters， it is difficult to balance ease of use and accuracy to predict the maximum ground settlement caused by tunneling by empirical formulas or numerical simulations. In recent years， with in-depth research on the machine learning theory and the rapid development of computer software and hardware technology， emerging algorithms such as machine learning are increasingly being applied to predict maximum ground subsidence. This article uses two machine learning algorithms （the random forest and the BP neural network） to predict and analyze the maximum ground settlement caused by tunnel construction by taking the geometric parameters of the tunnel， the construction parameters of the shield machine and geological parameters as inputs. The results show that the two machine learning algorithms can both achieve higher-quality prediction， and that the stability of the random forest model is better than that of the BP neural network model.

Key Words： Subway tunnel; Settlement prediction; Machine learning; Random forest; BP neural network

城市地铁隧道紧邻周边建筑物、市政管线，并且施工时地面交通仍正常运行。当隧道施工造成过大的变形可能引起邻近构筑物、管线的破坏，并且影响路面交通安全。因此准确沉降的预测和控制成为地铁隧道研究中的重要问题。

早期，工程中主要采用经验公式法对隧道施工引起的最大地表沉降进行预测分析[1-5]。然而，由于经验性和简化性的局限，这种方法的预测准确度很难达到要求。随着数值模拟技术的不断深入研究和计算机硬件性能的提升，采用有限元等数值计算方法来模拟盾构隧道在复杂地层环境中施工的动态过程，成为预测最大地表沉降的重要手段。……