基于PSO-RF模型的复杂地层双模盾构土压掘进模式下密封舱压力预测

简介

依托广州地铁7号线2期工程洪圣沙-裕丰围区间隧道工程,采用粒子群算法优化随机森林方法(particle swarm optimization-random forest algorithm,PSO-RF)建立双模盾构土压掘进模式下密封舱压力预测模型。通过对盾构掘进参数进行相关性分析,筛选出对密封舱压力影响较大的掘进参数,包括螺机转速、螺机扭矩、刀盘转速、推进速度、贯入度、刀盘扭矩、总推力,将筛选出的掘进参数作为预测模型输入参数,密封舱压力作为模型的输出参数,对密封舱压力进行预测。结果表明采用PSO-RF预测模型能够有效预测双模盾构密封舱压力;相比于传统神经网络预测模型,PSO-RF模型预测精度更高,平均绝对误差均在10%以内,预测值和实际值的拟合优度R2为0.9014,在预测精度及模型的泛化能力上明显优于BP神经网络。