基于LIB-SVM的盾构隧道地表沉降预测方法研究

来源：水资源与水工程学报杂志2018年第3期北京时间：

作者：潘宇平，倪静，李林，耿雪玉

单位：1.上海理工大学环境与建筑学院,2.上海隧道股份有限公司,3.英国华威大学工程学院

摘要：在大数据开源的背景下，为了分析及预测隧道施工盾构掘进引起地表沉降，同时容纳较多影响地表沉降的因素，提高沉降预测的准确性，本文在总结归纳支持向量机的建模原理的基础上，将支持向量机（support vector machine，SVM）方法应用到地表沉降预测中。结合虹梅南路隧道西线工程，选取土体参数、盾构参数和隧道埋深等8个影响因素作为输入特征，地表最终沉降量作为输出目标值，通过交叉验证选取LIB-SVM的最优参数组合并建立预测模型，对盾构施工引起的地表沉降进行了预测，并与实测数据进行了对比。结果表明：预测结果与工程实际情况较吻合，误差基本在5%以内，证明了该方法在盾构施工引起地表沉降的实际预测中具有可行性，为隧道工程的研究提供了一条新途径。

关键词：盾构隧道,地表沉降,支持向量机,沉降预测

基金资助：国家自然科学基金项目（51608323、51678319）； 上海市科学技术委员会青年英才“扬帆计划”项目（15YF1408200）； 山东省自然科学基金项目（ZR2016EEM40）