人民黄河

作者：巩立亮, 马啸, 张晓英, 闫浩龙

单位：1.黄河勘测规划设计研究院有限公司，河南 郑州450003；2.山东大学 岩土与地下工程研究院，山东 济南 250061

关键词：TBM；掘进参数；CNN-LSTM-SAM-Attention模型；围岩等级预测

基金：<span>山东省自然科学基金资助项目（</span><span>ZR2023MD051</span><span>）</span>

全断面隧道掘进机（TBM）在硬岩隧道中具有良好的地质适应性，保证安全高效的隧道施工非常重要。提出基于CNN-LSTM-SAM-Attention的TBM隧道围岩等级预测模型，以新疆某TBM引水隧洞工程为研究背景，收集稳定掘进阶段的原始数据，研究TBM掘进参数（推力、刀盘转速、扭矩、贯入度）在各围岩等级的分布情况，通过对原始掘进数据进行均值处理构建完整的数据集。选取支持向量机（SVM）和随机森林（RF）传统机器学习算法，与本模型的预测性能进行对比。结果表明：掘进参数在不同围岩等级下有较好的区分度，本模型的预测准确率比SVM和RF模型的高，平均准确率为90.2%，证明了本模型能够有效捕捉掘进数据的时空特征，通过空间注意力机制可提升对关键特征的关注度。

来源：2025年第12期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第12期