山东大学学报(工学版)

作者：李鸿钊,张庆松,刘人太,陈新,辛勤,石乐乐

单位：1.山东大学岩土与结构工程研究中心, 山东 济南 250061;2.青岛地铁集团有限公司运营分公司, 山东 青岛 266000;3.青岛市勘察测绘研究院, 山东 青岛 266033

关键词：隧道工程,车站结构,机器学习,风险预报,地表变形,

基金：山东省重大科技创新工程资助项目(2019JZZY010427);国家重点研发计划资助项目(2020YFB1600504,2018YFB1600104)

为研究浅埋地铁车站主体结构风险预报预警,建立基于实测数据与贝叶斯优化的随机森林模型(random forest model based on Bayesian optimization, BA-RF)机器学习的趋势分析方法,通过研究主体结构上方地表与建筑物沉降、竖井关键点位移、拱顶沉降等实时数据的趋势,预报未来关键位移短时期达到的最大值,并与控制值进行对比,当前序实测数据的时间δ为5、15、25 d时,平均绝对误差(yMAE)0.377、0.303和0.270,均方根误差(yRMSE)分别为0.853、0.463和0.509,实现了对结构风险的短期预报预警。研究结果表明:预报方法可以在前序实测数据宽度较小的情况下实现极小的偏移比与绝对偏移比,具备良好的预报效果,综合预报方法在实际监测过程中取得良好工程应用效果。

来源：2023年第6期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2023年第6期