城市地下隧道工程施工由于其工程复杂,施工风险较高,一直引起较多学者的关注。盾构施工的主要风险在于压力舱的支护压力的大小,支护压力太大,容易将土体推出,太小可能造成隧道开挖面土体坍塌。这种事故曾多次出现,故对盾构隧道施工开挖面极限支护压力取值的研究十分重要。在盾构开挖面稳定性研究中,影响模拟盾构开挖面极限支护压力的值的因素有两方面:第一,多忽略了土体的非均质特征,也就是说人为将土体理想化为每一层中的土体参数均相同,但实际上根据地质勘测和研究,土体在经过多年外界环境的影响以及经历的物理作用,本身的参数在空间上具有高度的不确定性和变异性;第二,在进行盾构开挖面稳定性分析和极限支护压力概率统计分析时,传统蒙特卡罗模拟法(Monte-Carlo Simulation,简称MCS)计算可靠度所需样本较多,且统计概率分布需要进行较多次数的随机场运算,才可以达到一定的统计精度,工作量繁杂。故本文研究中基于随机场理论,引入一种由Kriging模型与Monte-Carlo法结合的主动学习方法—AK-MCS(Active learning reliability method combining Kriging and Monte-Carlo Simulation),分析盾构施工开挖面稳定性,基于随机场模拟和确定性工况模拟(土体为均质土体)确定一定的功能函数,在计算确定性工况下模拟计算的极限支护压力的失效概率的同时,利用功能函数预测值计算Monte-Carlo模拟样本的随机场估计值,进行概率统计分析。研究表明,AK-MCS法可以有效的利用较少的样本点,计算确定性工况模拟的失效概率,且可以在满足精度要求的前提下,以较少的样本估计大样本随机模拟的极限支护压力值,进而为概率统计分析提供便利,对实际工程开挖面支护压力的选择具有重要的意义。该论文有图38幅,表15个,参考文献57篇。