来源：期刊VIP网 时间：
作者：杨熙;雷宇;王泽航;姚天宇;罗学东;
单位：中国地质大学(武汉)工程学院;
摘要：隧道开挖引起的卸荷应力会导致围岩应力重分布，进而引发隧道收敛变形。为保障隧道施工安全，除对隧道收敛变形进行监测外，还可借助已有数据对隧道收敛变形进行预测。为实现隧道平均收敛量的智能化预测，首先以6种隧道工程特征参数作为输入参数，通过采用鹈鹕优化算法（pelican optimization algorithm,POA）优化随机森林（random forest,RF）模型中的超参数，提出了一种基于POA和RF的混合机器学习模型；随后，对比了POARF模型与反向传播（back propagation,BP）神经网络、RF和支持向量回归（support vector regression,SVR）模型的预测性能；最后，使用余弦振幅法评估了POA-RF模型各输入参数对隧道收敛变形预测结果的影响程度。结果表明：POA-RF模型可有效预测隧道变形情况，且较其他3种模型的预测性能更优；岩体分级指标（rock mass rating,RMR）是影响隧道收敛变形的关键因素。该预测模型可为隧道工程施工变形预测提供方法参考。
关键词：隧道变形;;隧道平均收敛量;;鹈鹕优化算法(POA);;随机森林(RF);;余弦振幅法
基金资助：国家自然科学基金项目（41807265、41572281）
