近些年来,大城市轨道交通建设的快速发展使得穿越江海隧道工程项目不断增加。国家的重点大型工程项目,如南水北调、西气东输都涉及到跨江越海的问题,在隧道工程中通常会采用盾构法施工。盾构法施工已成为一种适用于现代隧道工程及地下工程建设的重要施工方法之一。盾构法施工中经常出现管片上浮问题,从而引起错台、裂缝、渗漏、轴线偏移等。近年来针对盾构隧道施工过程中的管片上浮问题,国内外专家和学者通过理论分析、试验研究、数值模拟等方法对管片上浮问题进行了预测研究。然而,无论哪种研究方式,其过程都较为复杂。相较于这些方法,机器学习作为统计和数据挖掘方法的一种,以其方便、高效等优势,可以迅速对实际工程中管片上浮量作出预测,极大地提高工作效率,保证工程的顺利进行。为此,本文依托郑州某地铁工程,选取机器学习中的支持向量机方法对管片上浮开展预测研究,主要工作内容和结论如下:（1）结合郑州某地铁现场施工掘进参数,分析了盾构机推力、刀盘扭矩、掘进速度、同步注浆量、注浆压力5个掘进参数对于盾构隧道管片上浮的影响,分析结果显示,5个掘进参数对管片上浮均有较大影响,在预测管片上浮时必须考虑。利用皮尔逊相关系数分析了5个掘进参数和管片上浮量之间的线性相关性,结果表明,5个掘进参数和管片上浮量之间线性相关性都比较低,仅从单个掘进参数无法判断管片上浮量,在预测管片上浮时需同时考虑。（2）实际盾构掘进过程中,开挖仓压力、进泥浆量、排泥浆量也是盾构机的掘进参数,然而,这些参数对管片上浮的影响尚不明确。针对这一现状,基于郑州某地铁现场施工数据,采用支持向量机算法,以平均绝对误差（MAE）、均方误差（MSE）、和相关系数（R~2）作为模型评价标准,建立四种不同预测模型,模型中考虑了掘进参数的不同组合,结果显示,以推力、扭矩、掘进速度、注浆量、注浆压力、埋深和掘进角度作为模型输入值对管片上浮预测的效果最好,此时模型预测结果的平均绝对值误差（MAE）为2.63,均方根误差（MSE）为5.40,相关系数（R~2）为0.81。（3）采用BP神经网络模型进行对比预测分析,选取和支持向量机模型相同的输入值和输出值,BP神经网络模型预测结果的平均绝对误差（MAE）为5.29,均方误差（MSE）为9.02,相关系数（R~2）为0.69,与支持向量机模型的预测结果相比,支持向量机模型误差小,预测精度高,更适用于管片上浮量的预测。本文成果可有效预测盾构机掘进过程中管片上浮量,有利于盾构施工的安全、顺利开展,对盾构机在隧道施工中的应用提供一定的理论基础。