软土盾构近距离下穿地铁双圆隧道变形实测分析

为研究盾构下穿对地铁双圆隧道变形的影响，以上海地铁14号线盾构下穿地铁6号线双圆隧道为工程背景，对双圆隧道在前后2次盾构下穿过程中的变形进行实测分析。结果发现： 1）盾构穿越导致双圆隧道发生竖向隆起变形和双线差异变形产生的断面扭转变形，断面扭转变形引起的轨道变形难于控制； 2）双圆隧道竖向变形为隆起变形，其变形分布形态随切口位置变化而变化，穿越后交叉点附近呈现特有的“驼峰状”隆起分布； 3）2次穿越扰动与叠加效应显著，表现为隧道隆起变形时间延长，累计量增大，2次穿越引起的最大变形位置发生改变； 4）双圆隧道的扭转变形随切口位置呈波浪形动态变化，出现多个拐弯点，对其环缝受力与变形十分不利，第2次穿越时的扭转变形较第1次穿越有所减小； 5）双圆隧道断面最不利扭转出现时刻不同于隧道最大变形出现时刻，且扭转最不利位置与最大隆沉发生位置产生了错位； 6）盾尾注浆对双圆隧道变形的控制效果明显，但将导致双圆隧道的扭转变形增大。     

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。