仪器仪表学报

作者：王毓灿，元海文，孙齐，杨磊，肖长诗

单位：王毓灿,武汉工程大学电气信息学院武汉430205,22303010067@stu.wit.edu.cn,元海文,武汉工程大学电气信息学院武汉430205,hw_yuan@whut.edu.cn,孙齐,中国葛洲坝集团股份有限公司武汉430030,,杨磊,武汉大学水利水电学院武汉430072,,肖长诗,武汉理工大学航运学院武汉430063,

关键词：盾构机;掘进预测;地质分析;特征选择;Kolmogorov-ArnoldNetwork

基金：湖北省自然科学基金（2022CFB313）项目资助

盾构机掘进性能受不同地质条件影响明显。该研究以电驱土压平衡盾构机为对象，统计了961环3761006条掘进数据，包括砂质黏性土层等6种地质组合以及对应的盾构机掘进参数。通过相关性分析，确定与掘进速度紧密相关的特征变量，包括总推力、同步注浆量和泡沫压力等。然后，针对实际盾构工程存在数据分布不均衡问题，对原始数据高斯重采样，生成包含19950个有效样本的数据集。随后，提出了一种基于Kolmogorov-ArnoldNetwork（KAN）的盾构机掘进速度预测方法，KAN模型通过多层次复合函数的组合逼近非线性关系，将多因素耦合的非线性关系又近似分解为一系列单变量函数组合，在确保模型预测精度的同时，极大提高计算效率。以深圳至大亚湾地铁盾构工程为例，开展实验论证，结果表明：与卷积神经网络（CNN）、长短时记忆网络（LSTM）等模型相比，KAN在处理高维数据和非线性耦合关系方面表现出优越性能，其预测结果能够精确拟合实测数据。在地质条件较为单一（如全风化混合花岗岩、土状强风化混合花岗岩）的预测误差较低，平均误差控制在5.12%~7.02%，而在混合地层中预测误差有所增大，但总体平均误差仍控制在15%以内。该方法为复杂地质条件下盾构机施工优化提供了有力的决策支持。未来将地质空间分布信息以序列形式引入模型，并增加刀盘磨损的输出预测，为盾构施工的智能化管理提供更加全面的解决方案。

来源：2025年第3期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第3期