尽管有一些经验方法可以预测表面沉降,但理论分析很少见,而且初步[1-4]。修改的经验啄式公式用于预测水丰富的沙质鹅卵石地层中的表面沉降[5]。lu等。[6]提出了一个基于表面沉降的大量观察数据的高斯函数模型,该模型可以描述表面沉降的几何形状。基于Mair的理论,Yang等。 [7]提出了一种用于在表面和地下土壤长期沉降的计算方法,而Macklin [8]使用负载因子参数来预测体积损失。 所有经验方法都有明显的局限性,它们需要所有难以获得的隧道条件。 尽管许多科学家一直在试图开发普遍的理论[9-11],但没有明确的成功,这是极其困难的。 通过多功能数值方法提供了一种替代方法[12-14],但是未知的边界条件和未知的地面特性阻止了实际应用中成功的数值分析。 大数据理论和机器学习成为一个热门话题,因为它们在大多数复杂问题上的多功能应用程序[15-19]。 尽管在预测表面结算方面取得了一些成功[20-22],但机器学习方法不是隧道过程的选择方法,因为丢失的数据使实时预测不可能。基于Mair的理论,Yang等。[7]提出了一种用于在表面和地下土壤长期沉降的计算方法,而Macklin [8]使用负载因子参数来预测体积损失。所有经验方法都有明显的局限性,它们需要所有难以获得的隧道条件。尽管许多科学家一直在试图开发普遍的理论[9-11],但没有明确的成功,这是极其困难的。通过多功能数值方法提供了一种替代方法[12-14],但是未知的边界条件和未知的地面特性阻止了实际应用中成功的数值分析。大数据理论和机器学习成为一个热门话题,因为它们在大多数复杂问题上的多功能应用程序[15-19]。尽管在预测表面结算方面取得了一些成功[20-22],但机器学习方法不是隧道过程的选择方法,因为丢失的数据使实时预测不可能。
主要关键词