考虑多源信息不确定性的TBM利用率预测

隧道掘进机(TBM)施工对地质条件非常敏感，一旦发生事故会造成严重的工期延误和巨大的经济损失。本文在对TBM利用率影响因素进行统计分析和对输入参数进行优选的基础上，以兰州水源地建设工程输水隧洞双护盾TBM施工实例为依托，将天牛须搜索优化方法与增强回归树算法进行耦合，提出一种考虑多源信息不确定性的TBM利用率预测模型(BAS-BRT)；将该模型预测结果与粒子群优化-增强回归树耦合模型(PSO-BRT)预测结果进行对比分析，并通过现场实测数据验证TBM利用率预测模型BAS-BRT的有效性及其对典型地质段施工风险的适应性。研究结果表明：天牛须优化算法的自适应特点能够真实反映TBM施工中出现的不确定性问题，增强回归树算法可实现模型的全局最优化迭代，TBM利用率预测模型BAS-BRT具有较高的预测精度、较好的泛化性能，同时具有良好的并行处理能力与鲁棒性。