隧道工程
索晓庆, 李世春, 周子寒, 邓勇, 周元辅, 蒙伟
【目标】二衬支护时机的合理性直接关系到隧道结构的长期稳定与施工安全,为提升隧道变形预测的精度与计算效率,确定二次衬砌支护的最佳时机,研究并构建高效、稳定且具有较强适应性的隧道变形预测模型,为隧道施工安全提供技术支撑。【方法】以Transformer算法为核心框架,在前馈神经网络结构中引入Adaptive Dropout层,根据神经元的重要性动态调整网络结构,有效抑制过拟合并提升模型的泛化能力,选取影响隧道变形的9个关键参数作为输入特征,包括强度应力比、埋深、隧道等效直径等,以保证预测过程对多维信息的综合利用,构建基于Transformer的隧道变形预测模型。根据极限位移准则,以围岩变形达到极限位移的90%所对应的时间作为二次衬砌的合理支护时机,实现对隧道二次衬砌支护时机的智能预测。【结果】基于某隧道工程案例的验证结果表明,Transformer预测模型结果的平均绝对误差较传统BP神经网络降低了6.5%,迭代次数减少了59.6%,模型拟合优度R2由0.72提升至0.99,准确地预测了隧道的二衬支护时机。【结论】该隧道变形预测模型在预测精度、计算效率及稳定性方面均优于传统方法。其快速收敛的特性与较强的适应性,使其能够有效应对不同地质条件与施工环境下的预测任务,从而为二次衬砌支护时机的科学决策提供可靠的数据支撑,在保障隧道施工安全和优化支护设计方案中具有应用价值。