城市轨道交通的建设对改善城市交通拥挤、推动城市经济发展起着重要作用。盾构法由于其便捷高效的施工工艺,在城市轨道交通的建设中扮演着极为重要的角色。在砂土地层条件下土压平衡盾构机的掘进过程中,刀具的磨损与消耗是亟待解决的一个难题,因此准确把握施工期间刀具磨损的波动情况对合理调控施工成本、管控施工工期有着重要的意义。由于刀具磨损量在实际工程中缺乏有效的监测手段,因此能够充分反映刀盘扭矩磨损程度的施工参数—刀盘扭矩的变化量成为重要评价指标。本文以沈阳市地铁6号线和9号线盾构掘进区间的工程参数监测值为依托,采用数学统计、理论分析以及人工智能的方法对掘进过程中的刀盘扭矩进行预测分析。首先将刀盘扭矩影响因素分为地质条件因素和掘进参数因素两类,再分别将各类型因素所对应的监测数据与刀盘扭矩的监测数据进行统计分析,得出各类型因素对刀盘扭矩影响程度的大小和统计分析结果。结果表明,掘进速度对刀盘扭矩的影响最为显著,土仓压力对刀盘扭矩的影响最不明显。采用多重共线性诊断和对数变换的方法对刀盘扭矩影响因素的相关数据进行优化处理,采用多元线性回归的方法对处理过的数据进行线性方程求解,得到砂土地层条件下刀盘扭矩的理论公式。分析结果表明,刀盘扭矩受到各影响因素间的交叉影响,并且呈现明显的非线性影响关系。采用人工智能技术,改进两种神经网络分析方法—BP神经网络和灰色神经网络,以及两种支持向量回归机方法—快速支持回归机和粒度支持回归机,分别对刀盘扭矩进行预测,同时对预测结果的准确性和适用性进行分析与评估。研究得到了基于14种影响因素的刀盘扭矩预测模型,并且通过比较得出了改进的支持向量机对刀盘扭矩的预测效果优于其他人工智能模型,在实际工程中有良好的适用性。