围岩分类的精准预测对TBM安全高效掘进具有重要意义，可为隧道施工、支护选型、工程造价等提供重要参考。TBM掘进参数中反映岩机相互作用的关键破岩参数可以有效表征掌子面岩体条件，本研究以上升段关键破岩参数作为输入，提出了一种基于贯入度等级矩阵的特征提取方法，将输入参数按照贯入度等级生成均值、标准差、最大值、变异系数四个特征值矩阵，借助随机森林（RF）、轻量梯度提升机（lightGBM）、卷积神经网络（CNN）三种机器学习模型对围岩类别进行训练预测，并以传统的均值特征提取方法输入三种机器学习模型作为对照。结果表明：相较于以均值为输入，以贯入度等级矩阵为输入时，三种机器学习模型在测试集上的F₁_score分别提升了20.63%、16.67%和12.5%；通过贯入度等级矩阵进行特征提取可以有效挖掘参数特征，可为TBM数据深度挖掘提供参考。

暂无