联合时序应力和环境因素的隧道负载预测模型分析

汪忠新 谭光辉

（1.江西省天驰高速科技发展有限公司，江西 南昌 330000 ；2.江西省交通投资集团有限责任公司项目建设管理公司，江西 南昌 330025）

一、引言

隧道技术是城市地下空间开发利用的重要方式。由隧道周围石块形变造成的应力分布变化不可避免，且可能持续数月甚至数年。因此，精准预测隧道未来可能承受的应力对于维护隧道结构的稳定性至关重要。

传统的隧道负载预测模型大多基于均匀弹性理论，这导致边界条件难以确定。为此，本文基于深度学习方法，提出联合时序应力和环境因素的隧道负载预测模型，利用多个维度的数据，对隧道未来的负载情况进行预测。基于江苏南京长江隧道数据的对比试验，验证了该模型的可靠性和优越性。

提出融合环境因素对隧道未来的负载情况进行预测，采用8种组合进行试验，表明温度、水压对隧道负载的显著影响。

基于包括LR、SVR、MLP、GRU、LSTM在内的经典机器学习算法，使用8种组合，在南京长江隧道数据集上进行了对比实验。结果表明，基于GRU算法的“时序应力数据+最低温度+最高温度+水压数据”的组合模型预测准确率最高。

提出了联合时序应力和环境因素的隧道负载预测模型，并且在南京长江隧道数据集上验证了该模型的优越性，为未来隧道负载预测研究工作提供了新思路。

二、研究方法

（一）问题形式化定义

环境因素对隧道负载变化有重要影响，因此考虑环境因素，有利于提升模型的预测效果。为方便读者理解，本文使用的主要符号及释义如表1所示。

给定传感器i 和当前时刻t，使用最近p 天的隧道负载数据预测q 天后传感器i 监测到的应力。记，表示前p天的隧道负载序列，q天后的环境因素记为，表示传感器i上的隧道负载预测函数，表示q天后传感器i上的隧道负载预测值，则隧道负载预测问题定义为：

（二）经典的时序预测模型

（三）环境因素和历史负载数据的融合

图1 CHE4TLP模型结构图

三、实验

本文基于南京长江隧道的数据进行实验。连接长江两岸的南京长江隧道于2016年建成，隧道断面穿越粉细砂、黏土、粉质黏土、中粗砂、风化粉砂岩和卵石等多个地质层，隧道长7014m，外径14.5m，所受最高水压约720KPa。每段隧道预埋20个压力传感器、4个水压传感器和两个温度传感器。本文基于南京长江隧道的压力传感器、水压传感器和温度传感器数据进行实验，考察窗口大小取为14，预测7天后的隧道负载情况。

（一）评价指标

本文使用标准误差RMSE和皮尔逊相关系数PCC作为评价指标，衡量模型的预测效果。

（二）实验结果展示

本文取温度传感器记录的每日最低温度、每日最高温度，并将水压传感器在每天同一时刻的数据作为环境因素，q天后的环境因素如式（19）所示。

图2 不同模型在南京长江隧道数据集的预测效果

其中，Lt+q是最低温度，Ht+q是最高温度，Wt+q是水压数值。

为了考察不同环境因素及其组合对CHE4TLP模型预测效果的影响，叠加隧道负载序列，将其分为10组：T,T+A,T+L,T+H,T+W,T+L+H,T+L+W,T+H+W,T+L+H+W，T+L+H+W+A，在CHE4TLP模型上进行实验，结果如图2所示，其中，T表示隧道负载序列，A表示历史平均负载。

如图2 所示温度因素对模型的预测效果有较大影响。历史负载序列和水压的组合有时会降低CHE4TLP模型的预测效果。实验结果表明，本文提出的CHE4TLP(T+L+H+W+A)组合在绝大部分模型上都取得了最好的效果，表明温度因素和水压因素对隧道负载预测有重要影响，适当结合历史负载数据以及环境因素，有利于提升模型对隧道应力的刻画能力。

四、结语

本文基于机器学习方法，提出了联合时序应力和环境因素的隧道负载预测模型。基于南京长江隧道结构健康监测系统的数据，进行了对比试验，验证了CHE4TLP模型的有效性。研究结果表明，CHE4TLP模型能准确预测未来隧道的负载情况，对于维护隧道结构的安全性和稳定性具有重要意义。