基于灰色关联驱动模型的TBM隧道围岩等级预测
张骞1，2,3，林志成*4，杜立杰1，2，杨振兴5，聂瑶奇1，2
（1.石家庄铁道大学安全工程与应急管理学院，石家庄 050043；2.石家庄铁道大学结构健康监测与控制重点实验室，石家庄 050043；； 3.日本长崎大学工程学院，日本长崎，852-8521 ； 4.石家庄铁道大学土木工程学院，石家庄 050043； 5.隧道掘进机与智能运营国家重点实验室，郑州 450000）
摘要：针对TBM施工过程中围岩等级识别受掘进参数高维耦合、非线性关系复杂以及传统经验判别方法精度和稳定性不足等问题，构建一种面向引水隧洞工程的TBM围岩等级智能预测模型。采用灰色关联分析对29个TBM运行参数进行关联排序与关键特征筛选，在此基础上构建由多层感知机和随机森林组成的深度–集成混合学习框架，并引入自适应概率加权融合策略实现多模型预测结果协同；同时结合SHAP方法对模型输出进行可解释性分析，以揭示关键掘进参数对围岩等级判别的贡献规律。依托某引水隧洞工程TBM施工数据开展验证，结果表明：当选取前26个特征作为模型输入时，所建模型分类准确率达到94.52%，精确率、召回率和F1分数分别达到94.25%、94.21%和94.11%；五折交叉验证平均准确率为93.61%，标准差约为0.0012，表明模型具有较好的稳定性与泛化能力。与单一MLP和RF模型相比，融合模型在围岩等级识别中的综合性能更优，特别是在相邻等级样本区分方面具有更强判别能力。所建模型能够较好地挖掘TBM运行参数与围岩等级之间的耦合关系，实现复杂地质条件下围岩等级的高精度识别。SHAP分析表明，刀盘扭矩、电机电流、液压压力和转速等参数是影响模型判别结果的主要因素，其作用规律与TBM–围岩相互作用机理具有较好一致性。研究结果可为TBM施工过程中的围岩状态在线识别、参数调控和风险预警提供技术支撑。
关键词：输水隧洞；围岩等级预测；灰色关联分析；深度–集成学习；特征筛选；SHAP可解释性
中图分类号：TU 443 文献标识码：A DOI:10.13238/j.issn.1004-2954.202603050006