本书系统探讨了全断面隧道掘进机（TBM）在隧道施工中的大数据应用，重点研究了岩性和围岩等级感知、掘进参数的智能预测及断层预警。基于吉林某TBM工程的丰富数据，提出了一系列创新模型，包括掘进循环数据处理方法、全局注意力机制和轻量梯度提升机模型、加权投票断层预警模型，以及改进的双隐含极限学习机和时序卷积网络的掘进参数预测模型。书中还开发了TBM施工过程大数据智能感知反馈系统，旨在提高TBM施工的安全性与效率，具有较强的实践指导意义。

1? 概论 

1.1? TBM 大数据智能算法产生的背景 

1.2? 数据预处理方法在 TBM 大数据中的应用 

1.3? 岩性与围岩等级感知相关模型 

1.4? 断层感知相关模型 

1.5? TBM 掘进参数预测的相关模型 

2? TBM 隧道施工大数据预处理方法 

2.1? 概述

2.2? TBM 施工大数据特点 

2.3? 掘进循环划分与数据处理 

2.3.1? TBM 非施工数据过滤 

2.3.2? TBM 掘进循环四阶段划分 

2.3.3? TBM 施工数据异常值处理 

2.4? 数据预处理方法验证

3? TBM 隧道地层岩性智能感知模型

3.1? 概述 

3.2? 岩性感知的长短期记忆网络 

3.2.1? 建立岩性感知模型 

3.2.2? 岩性感知模型特征选择与模型训练 

3.2.3? 岩性感知结果分析与讨论 

4? 围岩等级感知的轻量梯度提升机模型 

4.1? 围岩等级感知模型 

4.1.1? 轻量梯度提升机

4.1.2? 沙普利加和解释 

4.1.3? 树型 Parzen 估计 

4.2? 中国水利水电工程围岩分级法 

4.3? TBM 掘进参数分析 

4.3.1? 数据分析 

4.3.2? TBM 状态参数 

4.3.3? TBM 构造参数 

4.3.4? 基于 LSTM 模型感知围岩等级 

4.3.5? 掘进参数数据分布分析 

4.4? 围岩等级感知结果对比分析 

4.4.1? 围岩等级感知模型超参数分析 

4.4.2? 围岩等级感知所选用的输入特征

4.4.3? 围岩等级模型感知结果比较 

4.5? 围岩等级感知讨论与分析 

4.5.1? 基于 SHAP 的特征分析与围岩等级感知模型解释 

4.5.2? 围岩等级感知模型的时间复杂度分析 

4.5.3? 输入特征敏感性分析 

4.5.4? 围岩等级感知模型验证 

5? TBM 隧道断层智能感知模型 

5.1? 概述 

5.2? 特征选择与断层前掘进参数变化分析 

5.2.1? 断层统计 

5.2.2? 特征选择 

5.2.3? 断层附近 TBM 掘进参数变化特征 

5.2.4? 断层附近区域区段划分 

5.2.5? 断层感知特征不同区段统计 

5.3? 断层超前智能感知模型 

5.3.1? 支持向量机 

5.3.2? 随机森林 

5.3.3? 超参数优化 

5.3.4? 加权集成投票模型 

5.4? 断层感知结果与讨论 

5.4.1? 断层感知结果 

5.4.2? 断层感知特征敏感性分析 

5.4.3? 不同区段中断层感知特征规律 

6? 推进力预测的改进的双隐含层极限学习机模型 

6.1? 总推进力预测模型 

6.1.1? 极限学习机 

6.1.2? 双隐含层极限学习机 

6.1.3? 改进的双隐含层极限学习机 

6.1.4? 蝠鲼觅食优化算法 

6.1.5? 混合 MRFO-AT-TELM 模型 

6.2? 上升段时间长度分析与特征分析 

6.2.1? 上升段时间长度分析 

6.2.2? 特征选择 

6.3? 总推进力预测结果分析 

6.4? 总推进力预测讨论与分析 

6.4.1? 输入特征贡献度分析 

6.4.2? 优化前后权值的数据分布分析 

6.4.3? MRFO 个体数量对 MRFO-AT-TELM 性能的影响 

6.4.4? 地质信息对 MRFO-AT-TELM 性能的影响 

6.4.5? 总推进力预测模型验证

7? 推进速度多步实时预测的时序卷积神经网络

7.1? 时序卷积神经网络和压缩激发网络 

7.1.1? 时序卷积神经网络 

7.1.2? 压缩激发网络 

7.1.3? 推进速度多步实时预测模型 

7.2? 推进速度预测特征选择 

7.3? 推进速度预测模型训练与优化 

7.3.1? 超参数优化方法 

7.3.2? 超参数优化范围 

7.4? 不同推进速度预测模型性能对比 

7.5? 推进速度预测讨论与分析 

7.5.1? 基于推进速度历史时间步预测未来时间步 

7.5.2? 时间消耗、损失函数、输入历史时间步长分析 

7.5.3? 推进速度多步实时预测模型验证