围岩类型是TBM隧洞工程中的一个重要的参数指标,可以用来计算工期,计算施工经费以及指导刀盘更换,因此,对隧洞围岩类型进行预测在隧道工程中具有重要作用。但是由于地质条件的不确定性,一个可行的围岩类型预测方法是将隧洞的围岩类型概率化,将沿隧洞每一点的围岩类型看做一个概率向量,将整个隧洞看做一个随机过程,从而通过概率来描述隧洞的围岩类型状态。马尔科夫模型是随机过程中的一个重要的数学模型,其具有前向无记忆性,即未来的状态只与现在的状态有关而与此之前的状态无关,这一性质在数学上具有良好的化简公式的功能。MIT的学者利用连续马尔科夫过程的良好性质,在假设隧洞的大地类型符合一个连续的马尔科夫过程的条件下,给出了一个大地分级预测的模型。本文对这个模型的数学公式进行了证明和梳理,并对其中的数学意义和围岩预测的工程意义进行结合,给出了工程上能够计算的数学表达式,并结合Matlab编程求解。该马尔科夫预测模型主要分为三个部分,第一部分为先验模型,这一模型是隧洞围岩类型的一个宏观认识和粗略预测,主要表现为一个转移概率矩阵和强度转移系数向量,可以通过地质专家的估计或者对设计院的地质勘探资料进行统计获得;第二部分为对隧洞选取观测点进行打点抽样,并对抽样数据进行观测误差修正,得到观测点处的真实围岩状态;第三部分是利用观测点的信息对先验模型进行修正得到后验的模型,并用该模型对隧洞的围岩类型进行预测。在该马尔科夫模型的基础,本文还提出了一套基于信息熵对观测点位置和观测点数量的优化模型。信息熵主要用于刻画隧洞沿程每一个点围岩类型预测的不确定性,通过信息熵可以找到隧洞围岩预测中不确定性最大的点作为下一个观测点来打孔获得围岩类型信息。此外,本文还对信息熵积分公式进行化简推导,得出了用隧洞信息熵总和来衡量整个隧洞的围岩类型的不确定性,并用信息熵总和作为优化目标,探讨了选择观测点数量的优化模型,使得隧洞打孔观测效率能够得到优化。最后本文结合山西省中线引黄工程TBM2标的TBM数据和地质数据,并利用Matlab进行编程计算。根据设计院的地质勘探资料得到围岩类型的先验模型,利用隧洞的补勘测点作为抽样的观测点,最后利用先验模型和观测点信息对隧洞围岩类型进行预测,并且利用信息熵总和对观测点布点位置和数量进行优化。