近日，西南交通大学土木工程学院交通隧道工程教育部重点实验室团队在国际智能建造顶级期刊《Computer-Aided Civil and Infrastructure Engineering》发表盾构智能建造最新研究成果“TCN-AOL: An online incremental learning method for real-time multi-step prediction of shield tunnel excavation performance”。

Huang, Y., Hu, X., Lai, X., Cheng, P., Liu, S., Fang, Y., He, C., Wang, Z., & Xu, J. (2026). TCN-AOL: An online incremental learning method for real-time multi-step prediction of shield tunnel excavation performance. Computer-Aided Civil and Infrastructure Engineering, 49, 100138.

论文链接：https://doi.org/10.1016/j.cacaie.2026.100138

研究概述

盾构掘进中的推力、刀盘扭矩、推进速度和舱压等参数与地质条件、设备磨损和操作策略强耦合。现有数据驱动方法多聚焦单步或短时预测，并常以离线、平稳数据为前提，但实际施工会持续经历地层转换导致多步误差累积，给预测监测和提前调控带来挑战。TCN-AOL首先以严格因果方式构造多尺度时序统计、变化点指标和正则化多变量异常分数，随后利用多尺度膨胀因果时序卷积网络捕捉局部与中程动力学，通过多头自注意力重新分配历史状态权重，并由地质混合专家适配器根据离散地质状态进行门控融合。在线兼容的顺序更新机制用于跟踪施工数据流中的概念漂移。在主要滚动观测同化评价中，单步预测R²达到0.974，前5-7个预测步的R²保持在0.90以上；默认Medium模型在4.06M参数量下实现9.59 ms推理时延，兼顾精度与实时性。

图1  济南济泺路穿黄隧道工程位置、设备与地质纵断面

图2  TCN-AOL总体架构

创新点

1.将盾构掘进性能预测明确表述为流式数据和概念漂移条件下的多输出、多步长预测问题，并区分滚动观测同化与严格自回归展开两种运行协议，避免用单一评价方式掩盖误差累积。

2.构建地质感知的因果特征体系，将多尺度统计与类动量特征、变化点检测和多变量异常分数整合到统一时序输入中，在不使用未来信息的前提下增强对地层变化的感知。

3.提出多尺度膨胀因果TCN与多头自注意力相结合的预测骨干，同时引入按地质状态门控的轻量混合专家适配器，联合刻画短期操作波动与中长期地质趋势。

4.建立面向实时部署的在线顺序适配与复杂度评估方法，在预测精度、模型规模和推理时延之间进行量化权衡，为现场监测系统选择可执行的模型配置。

图3 不同TCN-AOL配置的精度、参数量与推理时延权衡

主要结论

1.在相同时间顺序划分和评价协议下，TCN-AOL整体优于可复现的LSTM、普通TCN和Transformer基线。主要滚动评价中单步R²为0.974，并在前5-7步保持R²大于0.90。

2.滚动观测同化会在新环数据到达后修正后续预测，严格自回归展开因持续使用自身预测作为输入而更快累积误差，两种协议共同揭示了模型的实际能力边界。

3.模型规模存在显著边际收益递减，Medium配置包含4.06M参数，h=1与h=10时的R²分别为0.974和0.896，推理时延为9.59 ms，Large配置虽将单步R²提高到0.980，但时延升至74.12 ms，因此Medium更适合实时监测。

4.地质突变发生后的5-10环内，预测误差可上升150%-200%；当新工况与既有模式相近时，模型通常在25-35环内恢复至接近基线水平。对完全未见的地质状态，模型不保证可靠外推，必须配合异常监测和人工监督。

图4  400环多地质分区工程案例的实测与预测结果

研究团队介绍

本项研究由西南交通大学牵头，并与中铁十四局盾构前沿技术研究院合作完成。团队围绕盾构/TBM施工数据建模、复杂地层掘进控制、多步时序预测与隧道智能建造开展研究，注重将算法精度与工程时延、地质漂移和安全约束同步纳入评价。

作者介绍

黄宇波（第一作者）

黄宇波，西南交通大学科研助理，主要研究领域为生成模型、迁移学习、视觉表征和AI在隧道工程的应用等。在《Computer Aided Civil and Infrastructure Engineering》、《Automation in Construction》、《NeurIPS》等土木和计算机顶级国际期刊和会议发表多篇论文。

胡雄玉（通讯作者）

胡雄玉，教授、博导。大型及复杂交通隧道工程教育部创新团队”及“黄大年式交通隧道工程教师团队”主要成员。主要研究方向包括复杂地层盾构（TBM）隧道掘进控制、隧道新型支护体系与隧道智能建造技术。主持国家自然科学基金优秀青年基金1项、国家重点研发计划课题1项，国家自然科学基金（面上）项目1项，四川省青年基金1项。参与美国交通部项目、挪威研究理事会项目、国家重点研发计划课题、国家973计划课题等国家及省部级科研项目10余项。

程蓬悦（合著者）

程蓬悦，西南交通大学土木工程专业学生，主要开展隧道支护智能设计、地下工程物理信息图深度学习、路面病害计算机视觉识别等方面研究。在《Computer Aided Civil and Infrastructure Engineering》、《Automation in Construction》等期刊有多篇在审及录用成果。