基于人工神经网络方法预测土压平衡（EPB）盾构隧道引起的最大地面沉降

为了确定预测EPB盾构隧道引起的最大地面沉降的适当模型，采用了三种人工神经网络（ANN）方法：反向传播（BP）神经网络、径向基函数（RBF）神经网络和一般回归神经网络（GRNN），并对结果进行了比较。ANN模型考虑了最大地面沉降与几何形状、地质条件和盾构机操作参数之间的非线性关系。共使用了从长沙地铁4号线项目获得的200个数据集来训练和验证ANN模型。提出了一种修正指标，以量化输入参数的物理意义，从而提高ANN模型的预测精度。分析表明，GRNN模型在准确性和计算时间方面优于BP和RBF神经网络。分析结果还表明，在GRNN模型中，预测的沉降与实际测量的沉降之间建立了强相关性，MAE = 1.10，RMSE = 1.35。误差分析显示，在EPB盾构隧道施工过程中，需要更新数据集，尽管数据库庞大。