中国地质大学(武汉)地质调查研究院联合中铁第一勘察设计院集团有限公司的周权、罗锋、柴波等学者组成的研究团队，在《安全与环境工程》2025 年第 01 期(第 137 - 147 页)发表《深埋长大隧道地温预测的机器学习算法对比研究》一文，为这一行业难题提供了创新性解决方案。该研究获国家自然科学基金项目(42377186)资助，目前网刊下载量达 562 次，CNKI 下载量同样为 562 次，网刊阅读次数 21 次，受到广泛关注。
传统地温预测方法存在预测精度不足、数据挖掘不充分以及单一机器学习模型解译性差等问题。针对这些痛点，研究团队以 A 隧道为研究对象，大胆创新，将决策树(DT)、支持向量机(SVM)、随机森林(RF)三种算法进行耦合，提出了基于 DT - SVM - RF 模型的深埋长大隧道地温预测新方法。
研究过程中，团队对 A 隧道综合测井、地应力及岩石热物理试验、航空物探等多源数据进行深度剖析，精心选取深度、声波波速等 10 个关键影响因子作为模型输入。为确保模型的可靠性和适用性，采用随机交叉验证和空间交叉验证对模型的鲁棒性、泛化能力进行严格检验;同时构建 LASSO 回归、随机森林、互信息 3 种回归模型，深入分析 10 个影响因子的特征重要性排序。
实验结果令人振奋。在测试集上，多元线性回归、支持向量机、人工神经网络和 DT - SVM - RF 模型的决定系数(R²)分别为 0.76、0.91、0.88、0.93，均方误差 MSE 分别为 17.64、6.25、8.46、5.20 。数据清晰表明，DT - SVM - RF 模型在众多模型中脱颖而出，预测性能更为优异。此外，研究还发现深度、岩石导温系数、岩石导热系数、最大水平主应力等特征对预测结果影响显著。这意味着 DT - SVM - RF 模型不仅有效提升了地温预测的准确率，更为深入理解地温影响因素提供了新视角。
“这项研究成果为深埋长大隧道地温预测开辟了一条高精度、强适应性的新路径。” 行业专家评价道。该研究成果不仅为类似隧道地温预测提供了切实可行的新思路，也为隧道施工期热害防治、工程结构设计及运营安全保障提供了重要的科学依据。未来，随着研究成果的推广应用，有望大幅降低隧道施工过程中高温热害带来的风险，为我国基础设施建设的安全、高效推进注入强大动力。
期刊与项目背书：权威平台助力技术转化
《安全与环境工程》作为环境科学与工程领域的权威期刊，长期聚焦基础设施安全与生态保护交叉研究。本论文的发表不仅凸显了周权团队在隧道热害防控领域的创新能力，也为国家自然科学基金项目(42377186)的阶段性成果提供了高水平展示平台，对推动我国深埋长大隧道建设技术进步具有重要意义。
转载请注明来自：http://www.lunwencheng.com/lwdt/22635.html
