基于物理信息神经网络的长距离顶管施工顶力预测

作     者：李博 刘宇翔 陈建国 杨耀红 张哲 LI Bo;LIU Yuxiang;CHEN Jianguo;YANG Yaohong;ZHANG Zhe

作者机构：河南省水利第一工程局集团有限公司河南郑州450000 华北水利水电大学水利学院河南郑州450046 河南省水圈与流域水安全重点实验室河南郑州450046 

出 版 物：《人民长江》 (Yangtze River)

年 卷 期：2025年第56卷第1期

页      面：147-155页

学科分类：12[管理学] 081504[工学-水利水电工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0815[工学-水利工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河南省学科创新引智基地项目“智慧水利”(GXJD004) 河南省水利厅科技攻关项目“长距离大直径复杂地层顶管施工关键技术研究及应用”(GG202358) 

主　　题：顶管施工 顶力预测 物理信息神经网络(PINN) 改进麻雀搜索算法(ISSA) 

摘      要：长距离顶管施工过程中,准确预测顶力是有效控制施工安全质量及进度的关键问题。基于知识数据融合的机器学习建模方法,将顶力计算物理模型与多层感知机相融合,构建了物理-数据双驱动的物理信息神经网络模型(PINN),用物理机制约束神经网络的训练机制,并引入改进的麻雀搜索算法(ISSA)对模型超参数取值进行优化,建立了ISSA-PINN顶管施工顶力预测模型;以河南省郑开同城东部供水工程顶管施工为例,选取524组工程实测数据验证了模型的有效性。计算结果表明:ISSA-PINN模型具有较高的预测精度,相较于单纯数据驱动模型,在测试集和新数据集中的预测性能分别提升了0.07和0.17,说明物理模型的融入对降低机器模型的过拟合风险和提高泛化能力有积极影响;相比于SSA和粒子群算法,ISSA算法寻优速度更快、适应度更好。研究结果可为顶管工程施工顶力控制提供参考。