TBM掘进速率区间预测Bootstrap-IHHO-BiLSTM模型

针对现有隧道掘进机（TBM）掘进速率预测模型多采用点预测模型，缺乏考虑因模型结构主观选择、模型参数随机设置和数据随机噪声等导致的不确定性问题，本文提出基于Bootstrap方法和改进哈里斯鹰优化双向长短时记忆网络（BiLSTM）的TBM掘进速率区间预测模型。首先，建立基于改进哈里斯鹰（IHHO）优化BiLSTM网络的TBM掘进速率点预测模型，揭示稳定段掘进速率与上升段刀盘推力、扭矩、转速等掘进参数之间的相关性和时间依赖性；其中，采用基于混沌映射、参数非线性化和混沌搜索策略改进的哈里斯鹰算法对BiLSTM网络超参数进行优化，提高建模效率和精度。进一步地，采用Bootstrap方法对模型不确定性和数据中的随机不确定性进行量化，获得清晰可靠的预测区间。将所提模型应用于引汉济渭秦岭隧洞工程中，开展I～III类围岩条件下的TBM掘进速率区间预测，并将结果与BiLSTM-HHO模型、BiLSTM模型、BP神经网络模型对比，证明了本文模型的优越性。