基于RS-SVR的上软下硬地层盾构施工地表沉降预测

来源：中国血液净化杂志2018年第11期北京时间：

作者：林荣安, 孙钰丰, 戴振华, 翁效林, 吴银河, 罗卫

单位：1. 同济大学 道路与交通工程教育部重点实验室, 上海 201804;2. 中国交通建设股份有限公司, 北京 100088;3. 长安大学 公路学院, 陕西 西安 710064;4. 中交佛山城市轨道交通2号线1期工程EPC项目总经理部, 广东 佛山 528000

摘要：为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性，建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型，并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先，根据特定地质条件，从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性，采用粗糙集理论的Pawlak属性重要度方法删除冗余数据，获取影响地表沉降的最优条件属性集。在此基础上，基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型，并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响，RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后，利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据，对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集，分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间，地表沉降分类结果与约简前保持一致；同类模型进行横向对比时，RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%，均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差；以同种核函数进行纵向对比时，RS-SVR模型预测误差分别为5.54%、11.48%、13.26%，均低于SVR模型预测误差的13.10%、15.71%、19.68%。

关键词：隧道工程,地表沉降,支持向量回归,粗糙集,预测