基于XGBoost与元启发式算法相结合的隧道爆破超挖预测与参数优化研究  

作　　者：张夏 张磊[1] 

机构地区：[1]陕西交通职业技术学院,陕西西安710018

出　　处：《新材料·新装饰》2025年第2期154-157,共4页New Material New Decoration

基　　金：2023年度陕西省教育厅科学研究计划项目——隧道掌子面岩体结构信息智能识别关键技术应用研究(No.23JK0332)。

摘　　要：隧道爆破引起的超挖会对实际工程产生一系列不利影响,为此文章提出了一种基于人工智能的超挖预测与爆破参数优化方法,旨在减少爆破引起的超挖。首先,XGBoost算法分别与两种元启发式算法,即PSO算法、SSA算法结合,以优化XGBoost超参数并提升预测性能。通过四个不同回归指标比较预测模型的准确性,从而优选最佳预测模型。其次,最佳预测模型与PSO和SSA结合,对隧道不同部位分别进行设计参数优化,以减少爆破引起的超挖。最后,对PSO与SSA参数优化效果比较,旨在快速确定最优爆破参数,优化后拱顶至拱肩和拱肩至拱腰的超挖面积仅为3.0963 m^(2)和2.3696 m^(2)。研究结果表明,本模型不仅能准确预测超挖,还能有效优化爆破参数,减少隧道不同部位的超挖面积,显著提升工程施工效率。

关 键 词：隧道爆破 超挖预测 参数优化 XGBoost算法 元启发式算法 

分 类 号：U455.6[建筑科学—桥梁与隧道工程]