北京时间2021年7月1日，国际土力学与岩土工程学会(ISSMGE)机器学习与大数据技术委员会(TC309)、中国土木工程学会工程风险与保险研究分会、同济大学共同举办了线上交流会《Technical e-Forum on Machine Learning and Big Data analysis on Tunneling and Tunnel Mechanics》。本次会议由挪威岩土工程研究所的刘忠强博士担任主席、同济大学张东明教授主持，会议邀请了来自国内外的11学者分享了机器学习与大数据技术在隧道工程中的最新应用进展，线上参会人员超过150人。进行分享的学者包括同济大学的黄宏伟教授、薛亚东副教授，香港城市大学的王宇教授，重庆大学的仉文岗教授，山东大学的刘斌教授，北京交通大学的李旭教授，华中科技大学的陈健副教授，University College Cork的Zili Li，Norwegian Geotechnical Institute的Tom F. Hansen，Graz University of Technology的Georg Erharter和UC Berkeley的Dayu Apoji，参会人员包括挪威科技大学 Chunlin LI教授、挪威岩土工程研究所的刘忠强博士、同济大学的张东明教授、周鸣亮博士后以及其他线上参会同学。

会议开幕式

会议参会代表

会议报告信息

  由于与会学者来自中国、欧洲和美国，为了协调各方时间，会议于当天17:10开始，21:45结束。黄宏伟教授介绍了基于计算机视觉技术的岩石隧道风险评估方法，为我们分享了使用深度学习方法对岩石隧道掌子面上的岩石进行识别分级，并使用机器学习方法对掌子面前方岩石进行预测的方法。王宇教授向我们介绍了使用深度学习与贝叶斯更新，根据已有地质钻孔中的地层分布数据对钻孔间的未知地层进行补全的方法。仉文岗教授向我们介绍了使用机器学习方法预测土压平衡盾构施工造成的地表沉降以及预测双洞共同施工造成的地表沉降的方法。刘斌教授团队向我们介绍了使用机器学习方法，基于地质雷达数据对TBM掌子面前方地层进行实时预测的方法。李旭教授向我们介绍了使用数据挖掘方法，使用TBM数据对破岩参数进行预测的方法。薛亚东副教授向我们介绍了使用深度学习方法对岩体中的岩体中的结构面的空间分布进行预测的方法。陈健副教授向我们介绍了使用机器学习方法对TBM刀盘滚到性能进行预测并优化施工过程的方法。Zili Li向我们介绍了使用深度学习方法对运营期隧道进行裂缝识别的方法。Tom F. Hansen和Georg Erharter向我们介绍了使用强化学习进行隧道施工步骤、策略优化的方法。Dayu Apoji介绍了使用随机森林，基于土压平衡盾构施工数据，对掌子面前方土层进行分类的方法。

会议总结

  11位学者的分享表明，当前机器学习与大数据技术在隧道工程的应用场景主要包括地层信息的补全、地质条件的分类、施工质量控制、周边环境响应预测以及隧道运营。使用的数据主要包括岩石隧道掌子面照片图像数据、地质钻孔的可视化图像数据、沉降监测数据、地震波数据、掘进机施工参数数据、钻爆发施工施工参数据数据以及隧道衬砌照片数据。可见机器学习与大数据技术在隧道工程的应用前景旷阔，还有很多问题有待解决。隧道工程中的某些数据获取容易，例如掘进机施工参数数据，某些数据获取困难，例如掌子面图像数据、地表沉降数据。如何提高数据获取效率与质量，如何对已有数据进行有效挖掘从而指导隧道施工与养护都是需要我们进行深入思考的问题。

撰稿人：常佳奇

编辑人：王天鹏