城市化进程中基础设施建设需求的快速上升,导致城市土地资源严重短缺,空间供需矛盾日益突出,越来越多的大直径盾构隧道掘进机被用于地下空间工程的建设。盾构开挖直径增大,则遭遇复合地层的概率大增,其施工相比于均一地层隧道掘进更为复杂、风险更大。在稀疏地质钻孔样本条件下,地质环境难于精准感知与预测,使盾构掘进稳定性控制成为一个具有挑战性的工程难题。盾构操作人员需要识别开挖效率、稳定性和安全性的关键影响参数,并在盾构掘进过程中及时调整这些参数,以避免可能产生的盾构失稳等不利状况。为了辅助盾构操作人员合理调控盾构施工参数,本文利用数字建造、全局敏感性分析、人工智能等相关理论、方法和技术,从三个方面对复合地层大直径或超大直径盾构掘进的影响因素与控制因素进行了分析研究,包括:复合地层条件下盾构施工参数与岩土地质关联性研究、复合地层条件下地质参数处理方法与地表沉降和盾构机性能预测研究、复合地层条件下盾构机参数控制研究:（1）复合地层条件下盾构施工参数与岩土地质关联性研究。在先前的研究中开发了基于BIM的盾构大数据管理平台,基于该系统储存的数据,提出针对复合地层盾构施工参数与地质参数关联性研究方法。本研究提出基于随机响应面的全局敏感性方法,将广义混沌多项式（Generalized Polynomial Chaos Expansions,GPCE）代理模型和全局敏感性分析方法（Global Sensitivity Analysis,GSA）相结合建立敏感性分析框架,定量和定性描述盾构施工参数与盾构开挖面稳定性、盾构姿态和地表沉降之间的关系,进而充分挖掘基于BIM的盾构大数据管理平台中存储数据的隐含信息。结果表明,采用基于GPCE-GSA方法可以有效的识别施工过程中对盾构机性能有重要影响的施工参数,并且在不同的地质中关键施工参数对盾构机掘进性能的影响力是不同的。（2）复合地层条件下岩土地质数据处理方法与地表沉降和盾构机性能预测研究。提出针对复合地层地质参数处理的多层土壤系统转化方法,用于转换复合地层岩土地质数据,解决机器学习过程构建输入输出指标体系时岩土物性参数解释不够充分的问题;提出基于梯度提升决策树（GBDT）算法的复合地层地表沉降和盾构机性能预测模型,采用优化算法对模型进行优化,并探究模型的泛化能力。结果表明,采用多层土壤系统转换方法处理数据可以有效的减低数据冗余和提高预测模型的准确性,经过超参数优化后的预测模型其预测准确性显著提高,拥有良好的泛化能力。（3）复合地层条件下盾构参数控制研究。本研究通过统计分析武汉某工程沉降监测数据,针对上软下硬复合地层沉降控制,设定沉降分级控制标准,根据地表沉降预测模型提前预测隧道开挖引起的地表沉降所处控制级别,结合盾构施工参数与地质相关性研究,并针对不同控制级别提出合适的控制措施。结合本文的研究成果和相关资料,总结梳理了软弱地层、上软下硬地层和复合岩层中盾构施工参数控制方法。