王湘怡，周小雄,2，盧建煒，龔秋明

(1.北京工業(yè)大學(xué)城市防災(zāi)與減災(zāi)教育部重點(diǎn)實(shí)驗(yàn)室，北京 100124； 2.清華大學(xué)水沙科學(xué)與水利水電工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100084)

0 引言

TBM作為一種用于隧道開(kāi)挖的大型機(jī)械，已被廣泛應(yīng)用于國(guó)內(nèi)外長(zhǎng)大隧道建設(shè)中[1]。近年來(lái)，我國(guó)隧道開(kāi)發(fā)不斷向深部發(fā)展，越來(lái)越多的工程地質(zhì)問(wèn)題也逐漸浮現(xiàn)。巖爆是一種在高地應(yīng)力地區(qū)、硬脆性巖體中進(jìn)行開(kāi)挖時(shí)常見(jiàn)的地質(zhì)災(zāi)害。巖爆的發(fā)生輕則影響工程進(jìn)度，嚴(yán)重時(shí)會(huì)威脅施工人員生命安全，因此，對(duì)TBM隧道巖爆預(yù)測(cè)展開(kāi)研究具有重要的工程意義[2]。

目前，關(guān)于巖爆預(yù)測(cè)方法的研究可大致分為3類[3]：①基于巖爆發(fā)生機(jī)理的巖爆判據(jù)預(yù)測(cè)方法，如Turchaninov判據(jù)[4]、Barton判據(jù)[5]、Russenes判據(jù)[6]、Hoek判據(jù)[7]等；②基于巖爆影響因素的綜合預(yù)測(cè)方法，如馮夏庭[8]、陳海軍等[9]、張樂(lè)文等[10]、田睿等[11]、李明亮等[12]、高磊等[13]均使用人工智能技術(shù)，綜合眾多影響因素對(duì)巖爆進(jìn)行預(yù)測(cè)；③基于現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)的預(yù)測(cè)方法，如豐光亮等[14]、張海云[15]、于群等[16]在錦屏二級(jí)水電站項(xiàng)目中應(yīng)用微震法對(duì)隧洞巖爆進(jìn)行了預(yù)測(cè)。然而第①類方法以回歸模型為基礎(chǔ)，擬合度不夠，無(wú)法精確判定巖爆；第②類方法的控制參數(shù)與隧道實(shí)際地質(zhì)參數(shù)存在誤差，無(wú)法準(zhǔn)確反映整條隧道地質(zhì)情況；第③類方法主要針對(duì)鉆爆法隧道提出，由于TBM施工隧道刀盤(pán)環(huán)境的封閉性和電磁信號(hào)干擾，實(shí)時(shí)監(jiān)測(cè)技術(shù)難以實(shí)施。

對(duì)于TBM隧道，TBM上各部分傳感器獲取的海量數(shù)據(jù)，通過(guò)使用機(jī)器學(xué)習(xí)方法，可很好地對(duì)其中蘊(yùn)藏的豐富信息進(jìn)行挖掘。目前，基于TBM數(shù)據(jù)驅(qū)動(dòng)的建模方法在掘進(jìn)參數(shù)預(yù)測(cè)[17-21]和巖體條件預(yù)測(cè)模型[22-26]建立方面已有許多研究，但對(duì)于巖爆預(yù)測(cè)領(lǐng)域來(lái)說(shuō)，目前仍為空白。TBM掘進(jìn)數(shù)據(jù)的變化是巖機(jī)相互作用的體現(xiàn)，從TBM實(shí)時(shí)數(shù)據(jù)的變化中可分析得到掌子面及周圍巖體變化信息。當(dāng)掌子面前方發(fā)生巖爆時(shí)，TBM收集到的實(shí)時(shí)掘進(jìn)數(shù)據(jù)也會(huì)隨之發(fā)生改變，對(duì)其產(chǎn)生響應(yīng)。Lu等[27]的研究表明，在不同類別巖爆條件下，TBM掘進(jìn)參數(shù)呈現(xiàn)不同變化特征，這也說(shuō)明通過(guò)實(shí)時(shí)掘進(jìn)參數(shù)特征預(yù)測(cè)巖爆具有可能性。TBM掘進(jìn)數(shù)據(jù)有實(shí)時(shí)性、連續(xù)性特點(diǎn)，將TBM收集的掘進(jìn)參數(shù)作為模型輸入，可建立實(shí)時(shí)巖爆預(yù)測(cè)模型，對(duì)TBM隧道的巖爆預(yù)測(cè)有著重要的工程應(yīng)用價(jià)值。

本文從TBM掘進(jìn)數(shù)據(jù)出發(fā)，首先對(duì)現(xiàn)場(chǎng)巖爆數(shù)據(jù)與TBM數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建粗粒度數(shù)據(jù)集。為提高數(shù)據(jù)集質(zhì)量，定義局部標(biāo)準(zhǔn)差指標(biāo)篩選出精確巖爆區(qū)間，構(gòu)建細(xì)粒度數(shù)據(jù)集?；?種機(jī)器學(xué)習(xí)模型，以TBM推力、扭矩、貫入度數(shù)據(jù)的時(shí)域特征參數(shù)作為輸入，巖爆烈度等級(jí)作為輸出，建立TBM隧道掘進(jìn)巖爆預(yù)測(cè)模型。

1 依托工程及數(shù)據(jù)庫(kù)

1.1 工程概況

陜西省引漢濟(jì)渭工程為明流輸水隧洞，是陜西省針對(duì)關(guān)中地區(qū)嚴(yán)重缺水情況規(guī)劃的省內(nèi)南水北調(diào)三條跨流域調(diào)水工程之一。引漢濟(jì)渭工程包括輸配水工程與調(diào)水工程。輸配水工程由南干線、過(guò)渭干線、渭北東干線和渭北西干線組成，調(diào)水工程由蓄水水庫(kù)和秦嶺隧洞組成。其中秦嶺隧洞全長(zhǎng)約81.78km，TBM法施工長(zhǎng)度為39.082km，鉆爆法施工長(zhǎng)度為42.697km。嶺南段位于陜西省寧陜縣，采用Robbins公司生產(chǎn)的1臺(tái)刀盤(pán)直徑為8.05m的敞開(kāi)式TBM，TBM主要設(shè)備參數(shù)如表1所示。

表1 TBM主要設(shè)備參數(shù)

引漢濟(jì)渭工程秦嶺隧洞嶺南工程的TBM施工段為樁號(hào)K30+978 — K35+763區(qū)段，位于蘿卜峪溝至四面溝，巖性以花崗巖、閃長(zhǎng)巖為主，干抗壓強(qiáng)度為40～113MPa。經(jīng)F7斷層及不整合接觸帶，巖體受斷層及不整合接觸帶的作用小。圍巖內(nèi)主要發(fā)育有1組節(jié)理，巖體呈整體或塊狀結(jié)構(gòu)。圍巖類別以Ⅱ，Ⅲ類為主，斷層影響帶為Ⅲ，Ⅳ類圍巖，地下水為弱富水段。對(duì)該區(qū)段內(nèi)的現(xiàn)場(chǎng)巖爆數(shù)據(jù)及TBM掘進(jìn)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，構(gòu)建巖爆預(yù)測(cè)數(shù)據(jù)集。嶺南段地質(zhì)剖面如圖1所示。

圖1 引漢濟(jì)渭工程嶺南段地質(zhì)剖面

1.2 巖爆數(shù)據(jù)預(yù)處理

巖爆現(xiàn)場(chǎng)記錄數(shù)據(jù)包括掘進(jìn)始末樁號(hào)、描述始末樁號(hào)、埋深、圍巖等級(jí)、巖性、巖爆強(qiáng)度描述、圍巖完整性、節(jié)理發(fā)育、地下水、巖爆發(fā)生現(xiàn)象及爆坑深度在內(nèi)的13個(gè)指標(biāo)信息。巖爆數(shù)據(jù)由施工人員在現(xiàn)場(chǎng)通過(guò)觀察記錄所得，當(dāng)現(xiàn)場(chǎng)有巖爆發(fā)生時(shí)，施工人員將發(fā)生日期、發(fā)生處所對(duì)應(yīng)的樁號(hào)范圍、發(fā)生現(xiàn)象及爆坑深度記錄在冊(cè)。

采用GB 50287—2016《水力發(fā)電工程地質(zhì)勘察規(guī)范》[28]，以影響深度作為量化指標(biāo)，對(duì)引漢濟(jì)渭嶺南段巖爆烈度進(jìn)行等級(jí)劃分，分級(jí)標(biāo)準(zhǔn)如表2所示。由于巖爆記錄中影響深度為0～3m，無(wú)對(duì)應(yīng)于極強(qiáng)巖爆的現(xiàn)象發(fā)生，因此區(qū)段內(nèi)涉及的巖爆僅包含輕微巖爆、中等巖爆和強(qiáng)烈?guī)r爆。本文以0，1，2，3分別代表無(wú)巖爆、輕微巖爆、中等巖爆及強(qiáng)烈?guī)r爆。

表2 巖爆烈度分級(jí)標(biāo)準(zhǔn)

現(xiàn)場(chǎng)返回的巖爆記錄數(shù)據(jù)中存在較多缺失情況，如記錄有巖爆現(xiàn)象的數(shù)據(jù)中描述樁號(hào)缺少起始值或結(jié)束值甚至全部缺失的情況，需對(duì)缺失或有明顯錯(cuò)誤的描述樁號(hào)進(jìn)行補(bǔ)充或修正。巖爆數(shù)據(jù)中共有551條記錄，其中311條數(shù)據(jù)有巖爆現(xiàn)象描述。311條巖爆數(shù)據(jù)中87處巖爆無(wú)對(duì)應(yīng)的起始及結(jié)束樁號(hào)，21處巖爆有起始樁號(hào)無(wú)結(jié)束樁號(hào)，1處巖爆有結(jié)束樁號(hào)無(wú)起始樁號(hào)。對(duì)208條巖爆描述始、末樁號(hào)齊全的記錄進(jìn)行統(tǒng)計(jì)，可知掘進(jìn)樁號(hào)與巖爆起始樁號(hào)差值平均值為6.26m，巖爆段長(zhǎng)度平均值為3.20m。因此，將87處巖爆起始空值填充為：掘進(jìn)起始樁號(hào)-6.26m，巖爆結(jié)束空值填充為：巖爆起始樁號(hào)+3.20m；21處巖爆結(jié)束空值填充為：巖爆起始樁號(hào)+3.20m；1處巖爆起始空值填充為：巖爆結(jié)束樁號(hào)-3.20m。

經(jīng)過(guò)空值補(bǔ)充后的巖爆描述樁號(hào)存在前后巖爆記錄重疊甚至覆蓋的現(xiàn)象。對(duì)于出現(xiàn)覆蓋情況的6條記錄，選擇刪除較短長(zhǎng)度的巖爆記錄；對(duì)于出現(xiàn)重疊現(xiàn)象的16條記錄，選擇將后序記錄起始值修改為前序記錄結(jié)束值。經(jīng)過(guò)以上處理后，得到361段巖爆記錄，利用其始、末描述樁號(hào)，對(duì)非巖爆段樁號(hào)進(jìn)行補(bǔ)全，得到324段非巖爆記錄。最終樁號(hào)K30+978—K35+763區(qū)段內(nèi)共劃分為685個(gè)區(qū)間。

一要牢固樹(shù)立以人為本、人水和諧的理念，加快從供水管理向需水管理轉(zhuǎn)變，從開(kāi)發(fā)利用為主向開(kāi)發(fā)保護(hù)并重轉(zhuǎn)變，從粗放低效利用向節(jié)約高效利用轉(zhuǎn)變，從注重行政管理向綜合管理轉(zhuǎn)變，推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展與水資源、水環(huán)境承載能力相協(xié)調(diào)。

1.3 TBM掘進(jìn)數(shù)據(jù)預(yù)處理

TBM的各子系統(tǒng)配置了大量傳感器，在掘進(jìn)過(guò)程中可實(shí)時(shí)收集海量數(shù)據(jù)。引漢濟(jì)渭嶺南段TBM數(shù)據(jù)采集頻率為0.2Hz，即每5s有201個(gè)TBM參數(shù)數(shù)據(jù)寫(xiě)入，主要參數(shù)包括刀盤(pán)推力、扭矩、貫入度、刀盤(pán)轉(zhuǎn)速、電源電壓、推進(jìn)油缸壓力及電機(jī)平均電流等。

TBM掘進(jìn)參數(shù)是巖機(jī)相互作用的反映，具有實(shí)時(shí)性和連續(xù)性，一段連續(xù)的掘進(jìn)參數(shù)代表著多組巖機(jī)相互作用狀態(tài)，可用于巖體條件的感知。TBM的記錄數(shù)據(jù)雖然在時(shí)間上連續(xù)，但其中存在大量停機(jī)和空推數(shù)據(jù)，需要從中篩選出有效掘進(jìn)循環(huán)段數(shù)據(jù)。通過(guò)推力、扭矩和貫入度3個(gè)指標(biāo)，對(duì)每個(gè)時(shí)刻是否TBM處于掘進(jìn)狀態(tài)進(jìn)行判定。只有同時(shí)滿足推力和扭矩均>0且貫入度≤60mm/r，才可認(rèn)定TBM處于掘進(jìn)狀態(tài)，否則判定為空推或停機(jī)狀態(tài)。對(duì)于1個(gè)掘進(jìn)步，其對(duì)應(yīng)1組連續(xù)的掘進(jìn)狀態(tài)時(shí)間段，因此可將已判定為掘進(jìn)狀態(tài)的數(shù)據(jù)分成多個(gè)步進(jìn)。若掘進(jìn)時(shí)長(zhǎng)>600s，則視為有效步進(jìn)。經(jīng)過(guò)以上判定，共提取了2 887個(gè)有效掘進(jìn)步。

通過(guò)樁號(hào)將巖爆區(qū)間與TBM掘進(jìn)數(shù)據(jù)進(jìn)行匹配，生成3 493個(gè)掘進(jìn)段。以30條TBM掘進(jìn)數(shù)據(jù)即對(duì)應(yīng)時(shí)間長(zhǎng)度為150s的數(shù)據(jù)作為1個(gè)樣本，在 3 493 個(gè)文件中進(jìn)行提取，每個(gè)文件以其最大容許量進(jìn)行不重疊抽取，分別得到20 850個(gè)樣本。每個(gè)樣本中的刀盤(pán)推力、扭矩、貫入度，與其對(duì)應(yīng)的巖爆烈度共同組成粗粒度數(shù)據(jù)集。

樣本中的TBM掘進(jìn)數(shù)據(jù)為時(shí)序數(shù)據(jù)，對(duì)其進(jìn)行時(shí)域特征參數(shù)提取可進(jìn)一步分析TBM參數(shù)數(shù)據(jù)在時(shí)空維度所蘊(yùn)含的巖機(jī)作用信息。使用的11個(gè)時(shí)域特征參數(shù)計(jì)算公式分別如式(1)～(11)所示。

(1)

(2)

(3)

(4)

p5=max|x(n)|

(5)

(6)

(7)

(8)

(9)

(10)

(11)

式中：p1為均值；p2為標(biāo)準(zhǔn)差；p3為方根幅值；p4為均方根；p5為峰值；p6為偏度；p7為峭度；p8為峰值因子；p9為裕度因子；p10為波形因子；p11為脈沖因子；N為數(shù)據(jù)總數(shù)；n為數(shù)據(jù)序號(hào)；x(n)為第n個(gè)數(shù)據(jù)的值。

1.4 特征分布規(guī)律

對(duì)粗粒度樣本庫(kù)中每個(gè)樣本的推力、扭矩、貫入度分別進(jìn)行時(shí)域特征參數(shù)提取，共得到33個(gè)統(tǒng)計(jì)特征參數(shù)，不同巖爆等級(jí)下，各時(shí)域參數(shù)特征分布有著明顯不同。但11個(gè)時(shí)域特征中，只有標(biāo)準(zhǔn)差在推力、扭矩、貫入度3個(gè)掘進(jìn)參數(shù)中，呈現(xiàn)相同的分布變化規(guī)律，如圖2所示。隨著巖爆烈度等級(jí)的增大，3個(gè)掘進(jìn)參數(shù)標(biāo)準(zhǔn)差的中位數(shù)逐漸增大，且箱形圖高度逐漸增加。

圖2 TBM各掘進(jìn)參數(shù)標(biāo)準(zhǔn)差在不同巖爆烈度等級(jí)中的分布

標(biāo)準(zhǔn)差箱形圖的高度隨巖爆烈度等級(jí)增加而明顯增大，表明掘進(jìn)參數(shù)的波動(dòng)程度在無(wú)巖爆中始終保持低波動(dòng)狀態(tài)，而在較強(qiáng)巖爆中則同時(shí)存在較低波動(dòng)狀態(tài)和極強(qiáng)波動(dòng)狀態(tài)。標(biāo)準(zhǔn)差評(píng)價(jià)的是整個(gè)掘進(jìn)步上的掘進(jìn)參數(shù)波動(dòng)情況，而巖爆的發(fā)生是瞬時(shí)性、突發(fā)性的事件，只占據(jù)整個(gè)掘進(jìn)步中的一小部分，因此需要更精確的巖爆區(qū)間識(shí)別。

2 精確巖爆區(qū)間識(shí)別

在TBM掘進(jìn)過(guò)程中，判斷掌子面是否發(fā)生巖爆較為困難，施工人員記錄到的絕大部分巖爆數(shù)據(jù)為發(fā)生在洞壁上的巖爆。假設(shè)在隧道的同一位置，洞壁發(fā)生巖爆與掌子面發(fā)生巖爆的可能性及烈度為正相關(guān)。2.2節(jié)中以巖爆描述始末樁號(hào)對(duì)巖爆區(qū)間進(jìn)行了劃分，但如此劃分得到的區(qū)間，只能說(shuō)明TBM在該區(qū)間內(nèi)掘進(jìn)時(shí)發(fā)生過(guò)巖爆，而不是區(qū)間內(nèi)的任意時(shí)刻均在發(fā)生巖爆。

2.1 不同巖爆等級(jí)的典型掘進(jìn)參數(shù)分析

無(wú)巖爆區(qū)間、輕微巖爆區(qū)間、中等巖爆區(qū)間和強(qiáng)烈?guī)r爆區(qū)間中典型完整掘進(jìn)步的TBM掘進(jìn)參數(shù)曲線分別如圖3～6所示。對(duì)比圖3～6可知，隨著巖爆烈度等級(jí)的增加，掘進(jìn)步內(nèi)TBM推力、扭矩、貫入度的波動(dòng)情況愈發(fā)明顯。當(dāng)巖爆烈度較小時(shí)，產(chǎn)生的破壞主要為剝落和掉塊，巖塊動(dòng)能較小，對(duì)推力和扭矩的影響較小。隨著巖爆烈度的增加，塊片彈射情況明顯，對(duì)刀盤(pán)和刀具產(chǎn)生嚴(yán)重沖擊，TBM掘進(jìn)參數(shù)隨之猛烈波動(dòng)。但由于巖爆具有突發(fā)性，巖爆條件下各掘進(jìn)參數(shù)并不是在完整掘進(jìn)步內(nèi)一直保持強(qiáng)波動(dòng)狀態(tài)，僅在巖爆發(fā)生的瞬時(shí)，數(shù)據(jù)出現(xiàn)顯著的局部波動(dòng)。

圖3 無(wú)巖爆區(qū)間典型完整掘進(jìn)步的TBM掘進(jìn)參數(shù)曲線

圖4 輕微巖爆區(qū)間典型完整掘進(jìn)步的TBM掘進(jìn)參數(shù)曲線

圖5 中等巖爆區(qū)間典型完整掘進(jìn)步的TBM掘進(jìn)參數(shù)曲線

對(duì)比3個(gè)掘進(jìn)參數(shù)在不同巖爆等級(jí)下的波動(dòng)情況，貫入度的變化對(duì)不同等級(jí)巖爆最為敏感，其次為扭矩，推力波動(dòng)程度差異較小。原因?yàn)樵诰蜻M(jìn)過(guò)程中，推力為主動(dòng)控制參數(shù)，操作人員需根據(jù)駕駛經(jīng)驗(yàn)設(shè)定TBM推力值，而扭矩和貫入度作為掘進(jìn)反饋參數(shù)，在其數(shù)據(jù)變化中反映了豐富的巖體變化信息。

2.2 精確巖爆區(qū)間篩選指標(biāo)

為從完整掘進(jìn)步中精確判斷巖爆發(fā)生時(shí)刻，即從完整掘進(jìn)步的總體數(shù)據(jù)中篩選出1段或多段TBM參數(shù)波動(dòng)較大的連續(xù)TBM數(shù)據(jù)，定義局部標(biāo)準(zhǔn)差指標(biāo)，通過(guò)計(jì)算每個(gè)數(shù)據(jù)點(diǎn)與其局部相鄰時(shí)刻的局部標(biāo)準(zhǔn)差，得到該點(diǎn)所在窗口范圍內(nèi)數(shù)據(jù)的離散程度，計(jì)算公式如式(12)所示：

(12)

窗口長(zhǎng)度決定著每處數(shù)值的數(shù)據(jù)波動(dòng)考慮范圍，窗口長(zhǎng)度較大時(shí)，數(shù)據(jù)平滑程度越高，但可能會(huì)導(dǎo)致某些重要信息點(diǎn)丟失；窗口長(zhǎng)度較小時(shí)，對(duì)數(shù)據(jù)附近的波動(dòng)情況評(píng)價(jià)效果不夠理想。本文選擇150s即31條數(shù)據(jù)為滑動(dòng)窗口長(zhǎng)度。

基于式(12)，對(duì)3 493個(gè)掘進(jìn)段中的推力、扭矩、貫入度進(jìn)行局部標(biāo)準(zhǔn)差計(jì)算，統(tǒng)計(jì)各參數(shù)局部標(biāo)準(zhǔn)差的四分位數(shù)Q1，Q2，Q3，如表3所示，并觀察各參數(shù)標(biāo)準(zhǔn)差分布情況，分別如表4～6所示。

表3 TBM各參數(shù)局部標(biāo)準(zhǔn)差四分位數(shù)統(tǒng)計(jì)

表4 扭矩局部標(biāo)準(zhǔn)差分布比例 %

表5 貫入度局部標(biāo)準(zhǔn)差分布比例 %

表6 推力局部標(biāo)準(zhǔn)差分布比例 %

觀察發(fā)現(xiàn)，無(wú)巖爆區(qū)間的3個(gè)掘進(jìn)參數(shù)在各分位區(qū)間中分布較均勻，說(shuō)明無(wú)巖爆區(qū)間的TBM各參數(shù)波動(dòng)隨機(jī)。隨著巖爆烈度增加，越來(lái)越多的數(shù)據(jù)分布于數(shù)值更大的分位區(qū)間，說(shuō)明區(qū)間中處于強(qiáng)波動(dòng)狀態(tài)的數(shù)據(jù)占比越來(lái)越大，參數(shù)的局部波動(dòng)情況越明顯。

2.3 精確巖爆區(qū)間篩選原則

假設(shè)1個(gè)掘進(jìn)步內(nèi)掘進(jìn)參數(shù)波動(dòng)最強(qiáng)烈的時(shí)刻段，掌子面發(fā)生了與洞壁相同程度的巖爆。因此，選擇每個(gè)掘進(jìn)循環(huán)中，貫入度或扭矩波動(dòng)程度最大的30個(gè)連續(xù)數(shù)據(jù)點(diǎn)，即局部標(biāo)準(zhǔn)差最大的150s作為該掘進(jìn)步的精確樣本區(qū)間。貫入度或扭矩的波動(dòng)越大，說(shuō)明巖爆現(xiàn)象的程度越高，根據(jù)這種原則選取的區(qū)間預(yù)測(cè)結(jié)果即為掘進(jìn)步內(nèi)巖爆最嚴(yán)重的情況。

由于無(wú)巖爆區(qū)間數(shù)據(jù)體量過(guò)大，為形成類別更加均衡的數(shù)據(jù)集，最終挑選出1 230組TBM掘進(jìn)數(shù)據(jù)。在1 230組樣本中選取推力、扭矩和貫入度與其對(duì)應(yīng)的巖爆等級(jí)，構(gòu)建細(xì)粒度樣本庫(kù)，其中各類巖爆烈度的樣本數(shù)量統(tǒng)計(jì)如表7所示。

表7 各類巖爆烈度等級(jí)的樣本數(shù)量

3 巖爆預(yù)測(cè)模型

3.1 機(jī)器學(xué)習(xí)算法

基于Scikit-learn機(jī)器學(xué)習(xí)基礎(chǔ)算法包，采用4種監(jiān)督學(xué)習(xí)算法對(duì)巖爆數(shù)據(jù)集進(jìn)行學(xué)習(xí)，包括支持向量機(jī)(SVM)、隨機(jī)森林(RF)、極限梯度提升算法(XGBoost)和輕量級(jí)梯度提升機(jī)(LightGBM)。其中SVM為常規(guī)算法，RF，XGBoost，LightGBM為集成算法。

3.2 模型訓(xùn)練

基于4種機(jī)器學(xué)習(xí)算法建立的巖爆預(yù)測(cè)模型分別在粗、細(xì)粒度數(shù)據(jù)集上進(jìn)行訓(xùn)練與測(cè)試。分別將粗、細(xì)粒度巖爆數(shù)據(jù)集按6∶2∶2的比例劃分為訓(xùn)練集(738組數(shù)據(jù))、驗(yàn)證集(246組數(shù)據(jù))與測(cè)試集(246組數(shù)據(jù))。模型輸入為粗、細(xì)粒度數(shù)據(jù)集中TBM掘進(jìn)推力、扭矩與貫入度時(shí)域特征參數(shù)，模型輸出為對(duì)應(yīng)的巖爆烈度等級(jí)。模型預(yù)測(cè)性能采用準(zhǔn)確率、宏精準(zhǔn)率、宏召回率、宏F1值及Kappa系數(shù)進(jìn)行評(píng)價(jià)。

3.3 模型評(píng)價(jià)

4種機(jī)器學(xué)習(xí)算法訓(xùn)練得到的模型在粗粒度測(cè)試集和細(xì)粒度測(cè)試集上分別進(jìn)行預(yù)測(cè)，其分類效果如表8所示。結(jié)果表明，在粗粒度數(shù)據(jù)集中，訓(xùn)練所得的各模型預(yù)測(cè)表現(xiàn)均較差，Kappa系數(shù)均為0.3～0.4，說(shuō)明模型的預(yù)測(cè)準(zhǔn)確度較差，模型做出的分類決策與實(shí)際巖爆烈度等級(jí)分類區(qū)別較大。4種模型中LightGBM是預(yù)測(cè)表現(xiàn)相對(duì)最好的模型，但其準(zhǔn)確率僅為56.9%，宏精準(zhǔn)率為56.3%，宏召回率為54.7%。而在細(xì)粒度數(shù)據(jù)集中，4種模型的預(yù)測(cè)效果評(píng)價(jià)指標(biāo)均得到了顯著提升，LightGBM仍是預(yù)測(cè)表現(xiàn)最好的模型，其預(yù)測(cè)準(zhǔn)確率達(dá)84.1%，宏精準(zhǔn)率為83.3%，宏召回率為83.4%，宏F1值為0.833，Kappa系數(shù)為0.784，說(shuō)明該模型對(duì)巖爆烈度預(yù)測(cè)的準(zhǔn)確度已達(dá)到較高水平。

表8 4種機(jī)器學(xué)習(xí)模型在細(xì)粒度數(shù)據(jù)集與粗粒度數(shù)據(jù)集中的預(yù)測(cè)結(jié)果

結(jié)果說(shuō)明，與基于原始巖爆記錄中以樁號(hào)進(jìn)行區(qū)間劃分從而構(gòu)建的粗粒度數(shù)據(jù)集相比，經(jīng)過(guò)精準(zhǔn)巖爆區(qū)間識(shí)別后所構(gòu)建的細(xì)粒度數(shù)據(jù)集數(shù)據(jù)質(zhì)量有明顯提升。在4種機(jī)器學(xué)習(xí)算法中，基于LightGBM算法所建立的TBM隧道巖爆預(yù)測(cè)模型效果最佳。

4 結(jié)語(yǔ)

1)選取TBM刀盤(pán)推力、扭矩和貫入度為巖爆等級(jí)預(yù)測(cè)的輸入?yún)?shù)，構(gòu)建巖爆預(yù)測(cè)粗粒度數(shù)據(jù)集；以掘進(jìn)參數(shù)的局部標(biāo)準(zhǔn)差為指標(biāo)對(duì)巖爆區(qū)間進(jìn)行識(shí)別，構(gòu)建了數(shù)據(jù)質(zhì)量較高的巖爆預(yù)測(cè)細(xì)粒度數(shù)據(jù)集。

2)采用掘進(jìn)序列的時(shí)域特征作為模型輸入?yún)?shù)，構(gòu)建了4種機(jī)器學(xué)習(xí)算法的巖爆烈度等級(jí)預(yù)測(cè)模型，確定基于LightGBM算法的巖爆預(yù)測(cè)模型效果最好，預(yù)測(cè)準(zhǔn)確率可達(dá)84.1%。