基于机器学习的盾构正面滚刀掘进效率预测模型

丁小彬; 吴志远; 任续锋; 袁霖轩

doi:10.13705/j.issn.1671-6833.2026.03.012

郑州大学学报（工学版） ›› 2026, Vol. 47 ›› Issue (03) : 38 -46. DOI: 10.13705/j.issn.1671-6833.2026.03.012

基于机器学习的盾构正面滚刀掘进效率预测模型

丁小彬, 吴志远, 任续锋, 袁霖轩

作者信息 +

Author information +

文章历史 +

PDF

摘要

以往工程中对滚刀开仓换刀时机的判断主要依赖传感器数据和人为经验，导致开仓换刀时滚刀已经严重磨损从而影响掘进速度，或者滚刀磨损值未达到预期造成开仓成本损耗。为了能准确判断滚刀开仓换刀时机，总结出掘进效率计算方法对滚刀的使用价值进行表征，并用机器学习方法对其进行预测。研究依托深圳市CFL隧道工程，调研以往文献分析盾构机掘进效率的影响因素，优选15种特征作为输入参数，将滚刀掘进效率作为输出参数，经过数据处理一共得到37 849条数据序列作为总样本集。采用机器学习的方法利用数据集进行训练，选用的算法模型包括Random Forest、Extra Tress、GBDT和XGBOOST。结果表明：机器学习模型能够很好地预测滚刀的掘进效率，其中XGBOOST模型的预测效果最好，决定系数为0.955,平均绝对误差为7.053,均方根误差为13.249,最适作为盾构正面滚刀掘进效率的预测模型，研究结果可以为盾构机开仓换刀时机提供参考。