一种基于EMD-LightGBM模型的地铁隧道盾构姿态预测方法

作     者：冷伍明 吴卓霖 袁立刚 梁琳 刘涛墨 岳健 

作者机构：中南大学土木工程学院 中国建筑一局(集团)有限公司 湖南科技大学土木工程学院 

出 版 物：《哈尔滨工业大学学报》 (Journal of Harbin Institute of Technology)

年 卷 期：2024年

核心收录：

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：湖南省自然科学基金(2021JJ30248) 

主　　题：地铁隧道 盾构 姿态预测 经验模态分解 轻量级梯度提升机 

摘      要：针对地铁隧道盾构姿态难以控制的问题，以长春某隧道工程为例，基于现场实测数据，构建了一个融合经验模态分解（empirical mode decomposition， EMD）和轻量级梯度提升机（light gradient boosting machine， LightGBM）的盾构姿态预测模型（EMD-LightGBM）。首先，通过特征重要性和相关性分析筛选原始数据集特征。然后，利用EMD技术将数据分解为多个平稳子序列，并组成新数据集。最后，通过该新数据集拟合训练EMD-LightGBM来实现盾构姿态的预测，并且比较了该模型与单纯的LightGBM及融合EMD的反向传播神经网络（backpropagation neural network， BPNN）的预测效果。通过预测精度和预测稳定性两种评价体系来验证EMD-LightGBM模型的优良性能。结果表明：与LightGBM和EMD-BPNN相比，EMD-LightGBM在盾构姿态偏差预测折线图中的表现最佳，其平均绝对误差(mean absolute error， EMA)和均方根误差(root mean square error， ERMS)最大分别为2.89 mm和4.13 mm，决定系数R2最小为0.95。同时，EMD-LightGBM的预测平均绝对误差EMA和均方误差(mean square error， EMS)的95%置信区间最大分别为3.5 mm与25.6 mm，结合其预测值的绝对误差(absolute error， EA)和平方误差(square error， ES)的良好频数分布，都说明了EMD-LightGBM在预测盾构姿态时的高精度和稳定性。研究成果可为类似工程的盾构姿态控制提供参考。