Study on prediction model of bending moment in secondary lining of water-rich tunnels based on data augmentation
Abstract
针对富水隧道中衬砌结构在水压与围岩压力协同作用下的响应预测问题，本研究提出一种融合辅助分类生成对抗网络(ACGAN)与遗传算法优化的轻量级梯度提升机(GA-LightGBM)预测框架：首先，利用ACGAN生成符合原始数据分布的合成样本，有效扩充了包含衬砌结构参数、水压、围岩压力及其结构响应的数据集；然后，构建GA-LightGBM预测模型，通过遗传算法的自适应进化机制优化超参数配置，捕捉水-岩压力交互作用的非线性结构响应特性。研究结果表明：在拱顶、拱肩、拱腰、起拱点、拱脚、仰拱等六个关键监测点，模型预测值与真实值的相关系数达0.86~0.97；GA-LightGBM模型的预测精度优于其他常用模型，且相较于基于原始小数据集模型，预测相对误差平均降低15.8%。该框架为富水环境下水压与围岩压力协同作用下的衬砌结构响应分析提供了有效分析工具。
Fields of Study & Subjects
Tunneling and Rock Mechanics
Geotechnical Engineering and Underground Structures
Geomechanics and Mining Engineering
Publication details
- Journal / source
- Scientia Sinica Technologica
- Volume
- 56
- Issue
- 5
- Pages
- 1368–1390
- Publication date
- 13 February 2026
- Language
- EN