在地铁隧道施工过程中,盾构法施工由于其机械化程度高、土层适用范围广、施工进度快等优点被广泛采用,但盾构施工刀盘切削土体时,势必会对地层产生扰动,严重时将会引起不同程度的地面沉降。当地面沉降过大时,不仅会对施工安全造成影响,同时也会危及周边建筑物以及地下管线。所以,如何更为有效的进行地面沉降风险评价、实现盾构掘进地面沉降量的超前预警是目前地铁盾构施工过程中急需解决的问题。论文以成都地铁8号线机场快速路站~益新大道站区间工程(以下简称机~益区间)为背景,对土压平衡盾构施工过程中地面沉降风险因素进行识别,建立风险评价指标体系和定量化风险评价模型,同时,采用智能算法建立地面沉降预测模型,并在预测模型的基础上进行地面沉降预警系统的设计,所做工作对于丰富盾构施工风险管理体系具有重要的理论与实践意义。主要的研究内容和研究成果如下:(1)根据地铁盾构施工工序繁杂且沉降影响因素较多的特点,选择WBS-RBS风险识别法对地面沉降风险因素进行全面的识别,最终确定5个一级风险因素,36个二级风险因素。同时,为了消除各个风险因素之间的相关性和信息重叠,采用主成分分析法对风险因素进行处理,将36个二级风险因素拟合为17个具有独立代表性的风险因素,并在此基础上建立了一套具有普适性的地面沉降风险评价指标体系。(2)将“变权”思想和可拓学理论相结合,构建“变权可拓”地面沉降风险评价模型,并对机~益区间地面沉降风险进行评价,评价结果发现:变权模式较常权模式下的风险等级关联系数更加离散,风险等级更容易确定,评价结果更加符合工程实际。同时,根据风险评价指标的权重确定过程得出影响地面沉降的主要风险因子为:地质因子、掘进参数因子、地下水因子、开挖排土因子、浆液因子。(3)为了达到地面沉降量预警的目的,首先需要预知未来的地面沉降量,即对地面沉降量进行预测,论文在沉降风险预评价的基础上构建改进的PSO-RBF神经网络预测模型。将风险评价过程中确定的主要沉降影响因子作为模型的输入变量,地面沉降量作为输出变量,通过施工现场采集的监测数据对模型进行训练与预测,对比预测结果和实际沉降量之间的误差在8%之内,达到了变形监测的要求。在MATLAB(GUI)平台上进行地面沉降预警系统的设计,将改进的PSO-RBF神将网络沉降预测模型嵌入到所设计的预警系统中,通过沉降预警阈值的设定达到施工过程中对地面沉降量进行预警的目的。论文将“变权”和可拓理论结合对地铁盾构施工地面沉降风险进行评价,将改进的PSO算法和RBF神经网络结合进行地面沉降量的预测,并在预测模型的基础上设计沉降预警系统,为地铁盾构施工地面沉降风险管理研究提供了新的思路。