[发明专利]一种基于数值样本和随机森林的TBM卡机风险预测方法

权利要求书

1.一种基于数值样本和随机森林的TBM卡机风险预测方法，其特征在于，所述的TBM卡机风险预测方法包括：

步骤S1，建立精细化数值仿真模型，基于蠕变损伤模型模拟围岩的时效变形，实现对TBM施工过程的模拟；具体包括：

基于三维连续介质的快速拉格朗日分析FLAC^3D软件建立TBM精细化数值仿真模型，在所述数值仿真模型中构建TBM部件，包括：刀盘(1)、前护盾(2)、后护盾(3)、衬砌管片(4)、回填灌浆层(5)的部件；

采用逐步开挖的方式对围岩(6)的开挖、双护盾TBM掘进、衬砌管片(4)的安装和回填灌浆层(5)的回填施工过程进行模拟；

在所述数值仿真模型中采用蠕变损伤模型模拟围岩的时效变形特性；通过设置每个开挖步距的蠕变时间模拟TBM的掘进速度；

每个开挖步距的岩体开挖后，在所述数值仿真模型中的护盾外表面设置FLAC^3D的接触面单元(7)，实现对围岩-护盾相互作用的模拟；

步骤S2，在数值仿真模型中设置不同卡机影响因素的取值，计算对应不同工况的数值样本；

步骤S3，建立卡机风险判别指标，标定所述数值样本的卡机风险等级；

步骤S4，建立随机森林模型，利用标定有卡机风险等级的数值样本对所述随机森林模型进行训练，利用训练好的随机森林模型快速预测实际施工段的卡机风险等级。

2.根据权利要求1所述的基于数值样本和随机森林的TBM卡机风险预测方法，其特征在于，所述卡机影响因素包括：

掘进速度、超挖量、围岩弹性模量、单轴抗拉强度、地应力、围岩与护盾间摩擦系数和TBM最大推进力。

3.根据权利要求2所述的基于数值样本和随机森林的TBM卡机风险预测方法，其特征在于，所述步骤S2包括：

根据工程经验，设置所述卡机影响因素的取值及不同组合，计算不同工况下的数值样本；

通过设置不同的TBM最大推进力和围岩与护盾间摩擦系数，对所计算的数值样本进行扩充，得到扩充后的对应不同工况的数值样本。

4.根据权利要求1所述的基于数值样本和随机森林的TBM卡机风险预测方法，其特征在于，

所述步骤S2包括：根据在数值仿真模型中设置所述卡机影响因素的取值及不同组合，利用在护盾外表面设置的接触面单元计算得到不同工况下的围岩与护盾间的法向接触压力；

所述步骤S3包括：

根据护盾上所受的总摩擦力与除TBM掘进破岩所需推进力外所能提供的最大推进力的比值，构建卡机风险判别指标Ratio，并根据所述Ratio的值标定步骤S2中数值样本的卡机风险等级；所述卡机风险判别指标Ratio通过如下公式计算得到：

其中，Ratio为卡机风险判别指标，F_f为护盾上所受的总摩擦力，F_I是TBM的最大推进力，F_e是TBM连续掘进破岩所需的推进力，μ为围岩与护盾间的摩擦系数，为第i个接触面节点所测得的法向接触压力，q为接触面节点的个数，k_n为接触面的法向刚度，u_n为接触面节点贯入目标面的绝对法向位移，σ_n为接触面应力初始化导致的附加法向应力，A为接触面节点的代表面积。

5.根据权利要求1所述的基于数值样本和随机森林的TBM卡机风险预测方法，其特征在于，所述步骤S4包括：

将标定有卡机风险等级的数值样本作为训练样本集；

基于所述训练样本集，选择包括掘进速度、超挖量、弹性模量、单轴抗拉强度、地应力、TBM最大推进力以及围岩与护盾间摩擦系数的卡机影响因素作为随机森林模型的输入特征，选择TBM的卡机风险等级作为随机森林模型的输出结果，采用控制变量的方式逐个对随机森林模型的关键超参数进行寻优，得到最优超参数取值；

基于最优超参数取值和训练样本集对随机森林模型进行训练，得到训练好的随机森林模型；

基于训练好的随机森林分类模型，输入所述卡机影响因素取值，得到实际工程中不同施工段的TBM卡机风险等级预测结果。

6.根据权利要求1所述的基于数值样本和随机森林的TBM卡机风险预测方法，其特征在于，所述步骤S4包括：

将标定有卡机风险等级的数值样本划分为训练样本集和测试样本集；

基于所述训练样本集，选择包括掘进速度、超挖量、弹性模量、单轴抗拉强度、地应力、TBM最大推进力以及围岩与护盾间摩擦系数的卡机影响因素作为随机森林模型的输入特征，选择TBM的卡机风险等级作为随机森林模型的输出结果，采用控制变量的方式逐个对随机森林模型的关键超参数进行寻优，得到最优超参数取值；

基于最优超参数取值和训练样本集对随机森林模型进行训练，并利用所述测试样本集验证该训练好的随机森林模型的预测效果，得到训练好的且预测效果满足要求的随机森林模型；

基于训练好的且满足预测效果要求的随机森林分类模型，输入所述卡机影响因素取值，得到实际工程中不同施工段的TBM卡机风险等级预测结果。