关键词：高地温隧道;干热型;压入式通风;预测模型;洞内气温场;双向长短期记忆网络
摘 要：为解决高地温隧道（HGT）机械通风降温方法中存在的通风参数设计缺乏依据、降温效果不明等问题，基于自主研发的HGT通风降温试验平台，提出了一种HGT施工洞内通风环境温度的深度学习预测方法。该方法基于HGT模型试验平台，通过设计并完成20种干热型HGT通风试验，获取了大量多元时序特征数据。然后，采用皮尔逊相关系数（PCCs）挑选关键特征参数，基于双向长短期记忆网络建立了HGT通风温度预测模型，并提出了HGT不同岩温洞内通风参数。在此基础上，基于模型试验对其进一步验证，并分析了洞内通风温度演变规律。结果表明：基于PCCs特征筛选和ACSSABiLSTM模型所建立的通风环境温度预测方法样本回归值（R²）、平均绝对误差(E_mae)、均方根误差(E_rmse)分别为0.96、1.23、1.59，平均相对误差仅3.99%，相较于BP、SVM、LSTM模型具有更好的预测性能。围岩温度和通风风速对HGT洞内通风效果影响显著，但特定的风速和通风时间下降温效果有限，纵向以风管出风口处降温效率最高，并形成了“低温漏斗”特点，然而洞内后方降温效果并不明显，隧道中心区域气温仍然较高。HGT围岩温度为40℃时，机械通风预测风速为4.28m/s时可将洞内掌子面区域温度降低至28℃，与试验结果（4.4m/s）相对误差仅为2.73%，表明基于ACSSA-BiLSTM模型所确定的HGT通风参数合理准确，具有工程实用价值。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取