来源：期刊VIP网 时间：
作者：姜平;徐剑波;杨熙;许文军;任若微;罗学东;
单位：中国一冶集团有限公司;中国地质大学(武汉)工程学院;
摘要：为确保隧道施工在安全、经济和高效方面的要求得以满足，对隧道变形进行准确预测是十分必要的。针对隧道变形数据具有非线性和时序性等特征，提出了一种基于NMI-SS-FOA优化极限学习机（ELM）的隧道变形预测模型。该模型首先通过NMI（归一化互信息）法筛选出影响隧道变形的关键参数，将筛选后的参数作为数据集，然后基于扇区搜索机制的果蝇优化算法优化下的极限学习机（SS-FOA-ELM）来预测隧道的变形，并与数学统计预测模型、BP神经网络模型、随机森林方法、SVR（支持向量回归）模型和ELM模型的预测结果进行对比。结果表明：NMI-SS-FOA优化极限学习机的隧道变形预测模型能有效预测隧道变形，其预测结果对应的均方根误差（E_(RMSE)）、平均绝对百分比误差（E_(MAPE)）、a10指数（a10）和决定系数（R2）分别为5.06、19.42%、0.932和0.607，其预测效果较其他预测模型更好；覆盖层厚度（H）、岩体黏聚力（C_(rm)）和岩体内摩擦角（?_(rm)）对预测结果影响较大。研究结果可以为隧道施工引起的隧道变形预测和控制提供参考。
关键词：隧道工程;变形预测;优化算法;极限学习机;归一化互信息法
基金资助：国家自然科学基金项目（42072309）
