同济大学学报(自然科学版)

作者：丁小彬，袁霖轩，杨辉泰，任续锋

单位：1.华南理工大学 土木与交通学院，广东 广州510640;2.华南岩土工程研究所，广东 广州510640

关键词：深度学习,盾构开挖,滚刀磨损预测,开仓换刀

基金：国家自然科学基金（ 41827807） ； 广东省现代土木工程技术重点实验室（ 2021B1212040003）

盾构开挖过程中的滚刀磨损影响因素极其复杂，常规的预测公式中系数给定的参考值实用性较差，预测精度较低，考虑采用机器学习方法预测滚刀磨损量。依托广州地铁某线路区间硬岩地层情况，基于滚刀磨损量的实测数据，采用文献调研分析滚刀磨损的影响因素，优选15种特征作为输入参数，预测参数为滚刀磨损量，经过数据处理共得到4 514条数据序列作为输入，采用深度学习的方法，包括卷积神经网络（CNN）、长短期记忆网络（LSTM）和转换器（Transformer）模型，与传统的多层感知机（MLP）模型进行了对比。结果表明，深度学习模型能够很好地预测滚刀的磨损趋势，其中，CNN模型在测试集每环磨损量上的相关系数为0.987 2，均方根误差为0.013 8，表现优于其他的模型。CNN模型在累计开仓区间上的相关系数为0.996 3，均方根误差为0.210 8，平均误差百分比只有1个开仓段超出+20 %区间，效果优于传统的基于神经网络滚刀磨损量预测的方法。所提出的基于CNN滚刀磨损预测模型显著提高了预测精度，能够准确预测滚刀磨损量，为开仓换刀提供了参考。

来源：2025年第5期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2025年第5期