地下洞室群施工是一项复杂的系统工程,其施工工序繁杂,影响因素众多,这为现场施工管理提出了巨大的挑战。系统仿真技术是分析这一系统工程的有效手段,该技术的广泛应用能够有效地提高现场施工组织管理的效率。然而,现有的地下洞室群施工仿真研究在量化运输机械故障对施工工期的影响时,无法科学、系统地考虑地质等外在因素的影响,存在主观性强、误差大等不足,而且现有的研究往往采用经验公式或者抽样时间分布来计算各施工工艺的持续时间,无法实现对关键施工工艺的高精度仿真计算。因此,兼顾M5P模型树训练规则简单有效的优势和支持向量回归(Support Vector Regression,SVR)算法具有的有效解决小样本及非线性预测问题的特点,提出了基于M5P-SVR的运输机械故障预测方法,并通过耦合基于出渣施工回路建模的地下洞室群施工仿真模型,进行了考虑运输机械故障的地下洞室群施工仿真研究,主要研究成果如下:(1)针对现有的研究中在仿真计算出渣施工这一关键工艺的持续时间存在计算精度低的问题,建立了基于出渣施工回路建模的地下洞室群施工仿真模型。地下洞室群施工过程中,出渣运输施工是从工作面到卸渣点再到工作面这样一个循环运输的施工过程,它是每个施工循环中控制施工工期的关键性工艺。针对这一施工特点,本研究在课题组已有的地下洞室群仿真研究成果的基础上,改进了循环网络模型(Cycle Operation Network,CYCLONE)中出渣运输模块的仿真计算模型,即根据交通运输方案建立出渣施工回路代替原有的经验公式来计算出渣施工历时,然后耦合改进后的循环网络模型与关键路径法(Critical Path Method,CPM),建立了基于出渣施工回路建模的地下洞室群施工仿真模型,不仅能够获得施工进度仿真成果而且能够分析洞室群内交通运输情况,研究有效地提高了地下洞室群施工进度仿真精度。(2)针对现有研究预测地下洞室群运输机械故障概率的方法中存在主观性强、误差大的问题,在上述基于出渣施工回路建模的地下洞室群施工仿真模型的基础上,提出了基于M5P-SVR的运输机械故障预测方法。针对目前常用的确定运输机械故障概率的工程经验法、模糊理论等方法无法系统、科学地考虑地质、人为因素等对运输机械的影响,存在预测误差大等问题的现状。因此,提出了基于M5P-SVR的运输机械故障预测方法。M5P算法属于决策树模型,能够以不同的影响因素作为输入属性进行建模和回归预测,具有训练规则简单、有效等优点,而SVR算法在解决非线性、小样本回归预测问题时泛化能力强,而且能够有效地避免局部灾难和过学习等问题,因此利用SVR算法来代替M5P模型树中的回归模型进行回归预测,不仅能够科学、合理地考虑外在因素对运输机械的影响,而且改进后的算法具有训练规则简单有效、预测精度高等优势,从而有效地量化了运输机械故障对地下洞室群施工进度的影响。(3)以某地下洞室群为例,采用上述提出的模型与方法进行施工进度仿真分析,同时通过对比分析验证了模型的准确性与优越性。以某地下洞室群为例,建立考虑运输机械故障的地下洞室群施工仿真模型并进行仿真分析,探讨了运输机械故障对施工工期的影响,得出了该地下洞室群的仿真工期以及岔口行车密度等仿真成果,并且通过对比分析验证了本模型的准确性与优越性,从而为现场施工组织管理提供了合理的理论与技术支持。