近些年来,我国在科技创新领域取得了出色的成绩。在日趋城市化的大背景下,地面上可开发的空间越来越少,所以对地下空间的开发利用成了当务之急。盾构机作为隧道挖掘的攻坚利器,被广泛应用在隧道工程建设领域,在资源开采、隧道挖掘以及市政建设等地下工程中扮演着十分重要的角色,这离不开其独特的功能及众多的优点,例如:完美适应地形、工作效率强、自动化程度高、安全环保、影响小等。盾构机密封舱土压平衡一直是研究的重点问题之一,因为内外压力失衡,便会造成地表的坍塌或者隆起,所以必须精确地控制好土压平衡。因此本文首先基于最小二乘支持向量机（LS-SVM）建立密封舱多点土压预测模型,然后用粒子群（PSO）算法对LS-SVM模型进行优化,提高预测精度,最后采用麻雀算法对推进速度和螺旋输送机转速进行优化,实现盾构机土压平衡的优化控制。首先基于盾构机掘进机理的分析,推导各参数与密封舱土压的关系,得出预测模型的输入、输出变量。然后根据LS-SVM建立密封舱四点土压预测模型,因为核函数的选取对预测模型的精度和效果有一定的影响,通过查阅分析相关文献,决定选择径向基核函数,再用粒子群优化算法对基于最小二乘支持向量机建立的预测模型进行优化,即优化惩罚因子γ和径向基核参数σ,得到γ和σ的最优值后代回到LSSVM模型中,求解回归函数。最后基于麻雀算法（SSA）对预测模型的输入变量推进速度和螺旋输送机转速优化,优化目标为LS-SVM模型的预测土压值尽可能无限趋近于土压设定值,即二者差值的最小值,将得到的最优速度传输给相应系统,控制盾构机的工作状态,进而实现盾构机密封舱土压平衡的优化控制。根据现场施工数据进行仿真实验,结果显示预测效果良好,误差在可控范围内。最后比较了麻雀搜索算法和粒子群优化算法的性能,结果表明SSA的优化性能优于PSO,验证了此方法的有效性。