山岭公路隧道掘进施工方案选择研究

山岭公路隧道掘进施工方案的选择，对隧道工程施工效率、成本和环境保护影响较大。现以甘肃地区实际工程为依托，分析隧址区地质状况对隧道掘进施工的影响因素，选取影响隧道掘进施工的因素并建立施工方案可选性分值指标；以隧道工程掘进施工中影响施工成本的超欠挖控制为因素构建经济性分值指标；以各种施工方案对隧道工程环境造成的污染建立环保性分值指标；综合考虑可选性、经济性和环保性指标，提出隧道掘进施工推荐方案。     

基于机器学习的地铁盾构掘进参数智能预测与控制方法研究

盾构掘进的精细化和智能化控制是现代隧道施工技术的发展趋势，为更好地预测和控制盾构掘进状态，提出一种预测和控制盾构掘进参数的智能模型。该模型考虑了多个影响盾构掘进参数的非线性因素，建立了6种基于机器学习与海鸥算法相结合的混合算法(SOA-ML)盾构掘进参数智能预测模型，并提出基于层次分析法的最佳预测模型判别方法；进一步利用最佳预测模型提出了基于PSO算法的掘进参数控制方法。以金华至义乌至东阳市域轨道交通工程为例，验证了模型的有效性。运用结果表明：SOA算法可有效地对机器学习算法的超参数调优，且SOA种群数量越大，搜索的范围越广，最佳适应度收敛性越快；6种算法模型均具有较好的预测性能，根据层次分析法对预测模型进行性能排序为BP>ELM>CNN>RF>SVM>LSTM;基于BP-PSO的盾构掘进参数预测和控制过程具有消耗时间小、预测与优化性好的特点。