近年来,我国各大中小城市纷纷开始修建地铁线路,盾构的使用范围也更广。盾构作为一种机械化程度相当高的工法,仍然无法避免目前我国建筑业施工粗放,效率不高等特点,一台盾构每天的能耗量堪比一座小型工厂,其中刀盘消耗的能耗占了全部的一半以上。盾构刀盘能耗符合当前各行各业节能减排的趋势,另一方面也可以有效的提高盾构机工作效率,缩短工期,节约工程施工成本,确保施工质量和安全。由于盾构在掘进过程中,除了刀盘驱动系统外的其他系统工作时的功率相对比较稳定,而刀盘驱动系统要考虑到盾构刀盘的脱困问题,因此在设计刀盘驱动系统时的额定功率往往很高,但当盾构机进入正常掘进的状态时,此时的刀盘驱动功率远小于额定功率,因此长期处于欠负载的状态工作,因此效率不高,有着巨大的节能潜力。盾构机在工作时,工作面的水文地质条件的变化会直接影响盾构刀盘的能耗,但由于直接实时监测工作面的地质变化比较困难,因此采用通过盾构的掘进参数的来预测刀盘能耗。盾构机的各项掘进参数是盾构当前工作状态下的直接表现,工作面地质条件的变化都会引起相应的掘进参数发生变化,因此通过盾构机掘进参数来预测刀盘能耗是可行的。为此,本文总结最近的有关盾构掘进的相关文献和以往的施工经验,确定了推力、刀盘转速、扭矩、贯入度、掘进速度、土压力和气仓压力这七个参数作为建立盾构刀盘能耗预测模型的输入参数。为了提高模型的预测准确度和确保模型的稳定性,本文采用最小支持向量机的算法建模,同时采用BP神经网络方法对同样的数据进行预测,根据结果的准确性来说明该方法的适用性,最后的预测结果发现利用SVM算法建模误差更小而且耗时更少,说明该方法可行。不过本文还存在一些不足之处,例如对SVM建模过程中参数的选择和掘进参数对能耗的影响都还可以进一步研究。