基于混合神经网络的大直径盾构姿态预测模型

摘要

针对盾构隧道施工中因地层条件复杂和操作设置不当而引发的盾构姿态偏移设计轴线问题，依托粤港澳大湾区芳村至白云机场城际工程，研究构建了NSGA-Ⅲ-IACO-LSTM混合预测模型。通过正态性检验与主成分分析（PCA）法筛选出13个输入特征（如注浆压力、掘进速度）和4个输出特征（如水平、垂直偏移量）共17个特征作为训练样本集，并融合第三代非支配遗传算法（NSGA-Ⅲ）的多目标优化能力、改进型蚁群算法（IACO）的计算效率提升能力，以及长短期记忆神经网络（LSTM）的大数据样本处理能力，实现模型协同优化。实验结果表明，该模型较单一LSTM系统计算效率提升30.56%,样本回归值（R²决定系数）均大于0.90且AUC值均大于0.88,在预测精准性与效率上均显著优于传统算法模型。

关键词

第三代非支配遗传算法 / 改进型蚁群算法 / 长短期记忆神经网络 / 盾构姿态