相比传统钻爆法施工而言,隧洞TBM施工具有掘进速度快、经济成本低、施工作业安全及对周围环境影响小等众多优点,使得TBM施工成为国内外深埋长隧洞优先考虑的施工方法,这也为TBM隧洞施工技术的快速发展提供了广阔的空间。如何在保障安全施工的前提下提高TBM掘进性能,充分发挥TBM施工技术优势,是TBM施工领域关注的热点问题。鉴于地质条件的复杂性和施工过程的随机性,如何科学预测TBM掘进性能也是隧洞施工中的难点问题。目前,TBM掘进性能预测研究尽管取得了一系列进展,仍存在一些不足,在参数选取、预测方法以及模型适用性等方面有待进一步完善。基于此,本文依托国家自然科学基金面上项目(4192270)和黄河勘测规划设计研究院有限公司自主研发项目(2016-ky56(2)),以兰州水源地建设工程输水隧洞TBM施工为工程背景,以TBM掘进性能预测为研究对象,充分利用围岩性质、掘进参数、刀具磨损等现场实测数据,将数理统计与智能优化等多种手段有机结合,对TBM的净掘进速率、设备利用率、施工速度等3个主要掘进性能指标进行了预测研究。研究成果对于隧洞施工方法论证选择、TBM设备选型优化、隧洞施工工期预测以及成本估算等具有重要的参考价值和指导意义。主要研究内容和结论如下:(1)通过TBM净掘进速率与各个影响因素之间的单因素相关性分析,筛选出对TBM净掘进速率影响最大的几个因素,并最终确定了用以预测TBM净掘进速率的五个参数——岩石单轴抗压强度(UCS)、岩石抗拉强度(BTS)、岩石耐磨性(CAI)、刀盘推力(TF)、刀盘转速(RPM)。(2)将偏最小二乘回归(PLSR)和BP神经网络两种方法进行耦合,建立了TBM净掘进速率预测模型,并与其他多种方法建立的预测模型进行了对比验证。研究结果表明:基于PLSR-BP神经网络耦合方法建立的TBM净掘进速率预测模型具有收敛速度快、求解稳定和拟合精度较高等优点,为TBM净掘进速率预测提供了一种新的途径。(3)综合考虑岩体质量分级指标(RMR)、岩石耐磨性指标(CAI)及岩石硬度(H)三个参数,采用多元非线性回归分析方法,建立了岩体地质条件相关TBM利用率(U_r)的预测模型,并通过现场实测数据验证了预测模型的有效性和可靠性。(4)基于TBM施工过程中的不确定性和风险性,综合考虑岩体质量分级指标(RMR)、TBM工作条件等级数(TWCR)及风险指数(RI)三个参数,采用BP神经网络法建立了TBM施工速度的预测模型,并对模型的合理性进行了验证。研究结果表明:相比单独采用岩体参数和掘进参数中的某一个方面,综合利用RMR、TWCR、RI三个参数建立的TBM施工速度预测模型,更符合实际情况,其预测精度更高。