基于机器学习的TBM掘进过程挤压变形预测及卡机灾害预警方法研究  

作　　者：伯音 

机构地区：[1]长江设计集团有限公司,湖北武汉430010 [2]武汉大学土木建筑工程学院,湖北武汉430072

出　　处：《水利水电快报》2025年第1期I0006-I0006,共1页Express Water Resources & Hydropower Information

基　　金：湖北省重点研发计划项目“复杂地层深长隧道TBM智能掘进与工程灾害预警技术研究”(2021BCA133);湖北省自然科学基金青年项目(2024AFB518);第75批中国博士后科学基金面上项目(2024M752745)。

摘　　要：TBM(全断面隧道掘进机)工法在深长隧洞/道开挖过程中,具有施工速度快、效率高,对周边环境影响小且安全环保等优点,但受复杂地质条件制约,隧洞在掘进过程中可能发生围岩挤压大变形灾害,隧洞断面尺寸变小进而引起TBM掘进卡机和后续钢拱架等支护措施不能及时安装的问题,使TBM施工安全风险和隧道建设成本大大增加。针对深部围岩挤压大变形和TBM卡机问题,传统研究方法大多侧重于岩体本构关系和岩体-支档结构相互作用,常因简化现场复杂地质条件使得分析结果与实际偏差较大。本研究借助于机器学习方法挖掘复杂非线性关系的强大能力,同时考虑TBM掘进特征,开展了TBM掘进过程围岩大变形预测和卡机灾害监测预警方面的研究,主要研究成果如下。

关 键 词：TBM掘进 钢拱架 卡机 灾害预警 机器学习 隧洞断面 挤压变形 监测预警 

分 类 号：U45[建筑科学—桥梁与隧道工程]