华南理工大学学报(自然科学版)

作者：魏海斌, 魏东升, 蒋博宇, 等

单位：1.吉林大学 交通学院，吉林 长春 130000；2.中铁二十二局集团轨道工程有限公司，北京 100043

关键词：盾构隧道,沉降预测,粒子群优化,支持向量回归,多因素耦合

基金：国家重点研发计划项目(2018YFB1600200)

目前，有关盾构隧道平行下穿既有道路的沉降预测研究相对较少。为准确预测在盾构过程中不同因素对既有平行道路沉降的影响规律，本研究提出一种基于改进粒子群优化的支持向量回归（IPSO-SVR）预测模型，将其应用于实际地铁隧道工程的地表道路沉降预测中。以长春地铁6号线下穿飞跃路区间工程为依托，结合盾构施工过程中盾构掘进参数、地层信息与道路沉降的监测，应用libsvm网格搜索法缩小超参数范围，同时结合非线性递减策略改进粒子群算法中惯性权重与加速因子的变化情况，最终建立IPSO-SVR预测模型，实现区间内后续路段的沉降预测。研究结果表明，对比网格搜索法与常规粒子群优化训练中目标函数（均方误差）的变化情况，经改进后的粒子群优化的收敛速度有较好提升，目标函数收敛效果更好，其最小值缩小近15%。本研究提出的IPSO-SVR对道路沉降预测平均绝对误差（MAE）为0.287，拟合决定系数R2为0.884，平均相对误差仅为8.91%，较反向传播（BP）神经网络、支持向量回归（SVR）、粒子群优化的支持向量回归（PSO-SVR）预测模型有更佳性能表现。由此可知，IPSO-SVR对于复杂情况下多因素耦合作用的非线性预测具有较高精度，其预测方法具有可行性与泛化性，可为道路沉降有效控制提供可靠依据，对保证道路正常运营与盾构施工安全有重要意义。

来源：2023年第6期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2023年第6期