朱峻鋒

隨著中國城市化建設(shè)進程的加快，各大城市都在爭相發(fā)展地鐵。以上海為例，截至2018年12月，上海地鐵擁有運營線路16條，在建線路4條。誰都希望自家毗鄰地鐵站，出行方便，可是這事也有著快樂的煩惱：由于地鐵修建工期長達數(shù)年，其間對居民的生活和出行都會產(chǎn)生影響，家門口的環(huán)境也會受到一定程度的破壞，而通車時間卻是個未知數(shù)。

那么，是否有辦法預測出地鐵修建的速度，從而提前知道地鐵何時能建成通車呢？

地鐵修建的工期主要取決于地鐵隧道的建設(shè)速度。目前，盾構(gòu)法是修建地鐵隧道的主要方法。該方法類似蚯蚓在地下挖洞，即通過一個大型的挖掘機（盾構(gòu)機）在地下一邊向前掘進，將挖出的泥土運向后方；一邊在挖好的洞周邊裝配預制混凝土管片。浩大的地下工程就這樣一步一步完成了。在這個過程中，盾構(gòu)機掘進速度決定了隧道建設(shè)進度。我們知道，時間等于長度（距離）與速度的比值，地鐵隧道的長度是確定的，只要得到盾構(gòu)機掘進速度值，那就很容易計算出地鐵修建的時間。但是，在實際操作中并不如想象中那么簡單，地下巖土環(huán)境千變?nèi)f化，掘進速度也受到盾構(gòu)機本身和周圍環(huán)境的多重影響，很難用物理模型來描述盾構(gòu)施工過程。通過最原始的數(shù)學計算和物理模型方法是難以實現(xiàn)盾構(gòu)掘進速度預測的。

盾構(gòu)機有200多個傳感器，每時每刻都在產(chǎn)生大量的監(jiān)測數(shù)據(jù)，這些數(shù)據(jù)背后隱藏著盾構(gòu)機和土體相互作用的信息，我們可以利用機器學習法來挖掘數(shù)據(jù)背后的知識。機器學習法是利用計算機模擬實現(xiàn)人類學習行為的方法，它包含很多種計算方法，其中神經(jīng)網(wǎng)絡算法是一種十分實用的算法。我們知道，人的大腦由眾多神經(jīng)元組成，在處理事件過程中，每個神經(jīng)元都在發(fā)揮各自的作用，功能相對簡單，但大量神經(jīng)元相互交錯，系統(tǒng)行為非常復雜。神經(jīng)網(wǎng)絡算法就是一種模擬人腦的計算方法，它不是常規(guī)的一步一步執(zhí)行運算，而是通過自身總結(jié)規(guī)律、協(xié)同處理、完成運算，特別適合在信息本身模糊不確定情況下的復雜數(shù)據(jù)處理。神經(jīng)網(wǎng)絡算法分為輸入項、隱含項和輸出項，其中的隱含項可以想象成一個暗箱，其間運算過程復雜交錯。例如，有兩組數(shù)據(jù)1、2、3、4和1、4、9、16，分別作為輸入項和輸出項，經(jīng)過隱含項的暗箱數(shù)據(jù)處理，可以得出Y=X2這個函數(shù)。同樣原理，在盾構(gòu)掘進速度的研究中，我們可以將盾構(gòu)機傳感器得到的參數(shù)和土層性質(zhì)作為輸入項，將掘進速度作為輸出項，利用神經(jīng)網(wǎng)絡算法，獲得掘進速度函數(shù)關(guān)系式。由于數(shù)據(jù)量大，需要通過專門的計算機語言進行處理。

在計算過程中，不同種類傳感器測得的數(shù)據(jù)量級差距很大，數(shù)據(jù)單位又互不相同，能混在一起計算嗎？實際工作中情況那么復雜，獲得的預測模型函數(shù)是否真的準確無誤呢？這些可以用數(shù)據(jù)歸一化消除不同種類數(shù)據(jù)量值和單位的影響，在模型訓練的過程中用均方根誤差和決定系數(shù)來評估模型預測結(jié)果的好壞，同時要十分注意模型欠擬合和過擬合情況發(fā)生，最終獲得準確的預測模型。

預測模型的構(gòu)建正好符合當下新興的智能建造領(lǐng)域，它是傳統(tǒng)土木工程與人工智能的交叉學科。隨著速度預測模型的不斷優(yōu)化，我相信未來的地鐵修建將有可能實現(xiàn)盾構(gòu)機虛擬駕駛，人工智能操作下的盾構(gòu)機的工作效率也將大大提高。如果真的實現(xiàn)這一步，家門口的地鐵也將早日通車！