Clayshock-Mechanismus und Anwendung beim Schildvortrieb durch bestehende Tunnel: Setzungsprognose mittels künstlicher Intelligenz

In dieser Studie untersuchten wir den Clayshock-Mechanismus während des Baus eines neuen Schildtunnels, der durch einen bestehenden Schildtunnel führt. Die experimentellen Befunde zeigten eine signifikante Verringerung von etwa 12 % der Reibung zwischen der Schildmaschine und den Ton- sowie Schluffschichten. Sobald die Clayshock-Konzentration 400 kg/m³ überschreitet, kann sie erfolgreich die Bewegung des Schlammgemisches behindern, den Raum zwischen dem Gebilde und dem Schild vollständig füllen und das Absinken an der Oberfläche minimieren. Darüber hinaus wurde der Plackett–Burman-Test verwendet, um die Empfindlichkeit der wichtigsten Shield-Eigenschaften zu bewerten, die die Setzung beeinflussen. Die Ergebnisse zeigen, dass die Setzung signifikant durch den Bodendruck, die Injiziermenge und die Clayshock-Effizienz beeinflusst wird. Eine vollständige Faktoranalyse ergab eine komplexe Verbindung zwischen den Schild-Eigenschaften und der Setzung. Wenn das Volumen des Injektionsmaterials weniger als 6,5 m³ beträgt, ist es sehr schwierig, den Setzungswert innerhalb von -1,0 mm zu regulieren. Wir verwendeten die folgenden neuronalen Netzwerkmodelle: Gate Recurrent Unit Netzwerke, Long Short-Term Memory Netzwerke und das Elman Recurrent Neural Network. Die Trainingsdaten bestehen aus geometrischen Parametern, geologischen Parametern und Schildparametern, während die Ausgabewerte für die Prognose den Setzungswert darstellen. Forscher können durch Verbesserung des Modelltrainings genaue und zuverlässige Vorhersagen erzeugen.