建大新闻网讯近日，我校土木工程学院宋战平教授“隧道与地下工程创新”团队在国际顶级期刊Rock Mechanics and Rock Engineering（岩石力学与岩石工程，期刊影响因子：6.2；中科院分区一区TOP期刊）上发表题为“Performance Study of Hard Rock Cantilever Roadheader Based on PCA and DBN”的学术论文，宋战平教授和刘乃飞副教授为论文通讯作者，硕士研究生郭德赛为论文第一作者，西安建筑科技大学为第一完成单位。

在城市地铁隧道的建设中，机械开挖法被优先考虑。盾构是目前地铁隧道施工中常用的一种机械施工方法，但是盾构对不良地质地层适应性较差，特别是在岩溶地层以及软硬不均匀地层中甚至难以按轴线进行掘进。悬臂掘进机隧道施工技术应运而生，与大多数其他机械相比，悬臂掘进机具有连续掘进、施工扰动小、施工效率高，有利于围岩稳定性控制以及在城市地铁使用中引起的地面沉降量小的特点，因此被广泛应用在岩质地层的城市地铁工程施工中。随着悬臂掘进机在城市地铁隧道施工中广泛应用，岩质地层悬臂掘进机掘进性能的准确预测已成为研究的热点，同时也是其在隧道工程中成功应用的关键。

本文以贵阳市轨道交通一号线和三号线为背景，对掘进机施工性能和掘进特性进行现场调查和数据的统计分析，建立了硬岩悬臂掘进机掘进性能预测的数据库。将主成分分析法（PCA）引入深度置信网络算法（DBN），对DBN模型的输入参数进行优化，提出了基于PCA-DBN的硬岩悬臂掘进机性能预测模型。基于贵阳市轨道交通一号线掘进数据对构建的新模型进行训练和预测，并通过贵阳市轨道交通三号线现场数据测试分析验证了构建模型的合理、可行性。结果表明，基于PCA-DBN的硬岩悬臂掘进机性能预测模型，能够根据工程实测数据对掌子面前方地层掘进机掘进性能实现实时、连续预测。与DBN模型的对比分析证明构建的PCA-DBN预测新模型准确性优于DBN模型，能更好地适应复杂多变的地质条件。

石灰岩掘进段预测结果

白云岩掘进段预测结果

《Rock Mechanics and Rock Engineering》期刊是岩石力学与工程领域的权威刊物，涵盖岩石力学的实验和理论方面，包括实验室和现场测试、计算方法和结构行为的现场观察。该期刊保持了工程地质学和岩石工程之间的紧密联系，为基础发展和实际应用提供了桥梁。覆盖范围包括岩石结构(如地下开口、大型大坝基础和岩石边坡)的设计和施工案例。

论文链接：https://link.springer.com/article/10.1007/s00603-023-03698-1