隧道掘进机施工过程中碳排放的因果机制及参数优化策略

本研究提出一种混合智能优化框架，通过梯度神经网络有向无环图（GraN-DAG）构建地质条件与掘进参数的因果网络，结合遗传规划符号回归（GPSR）建立碳排放约束模型，并采用改进的蛇形优化算法（ISO）实现动态地质条件下的碳排放最小化，揭示岩石质量评级（RMR）、推力、扭矩与掘进速度的非线性关系，形成可适应地质变异的低碳掘进参数动态调整策略，验证了多阶段非线性碳排放趋势及优化模型的有效性。

　　

李雅娟|鲍雪颖|李海文

兰州交通大学土木工程学院，中国兰州730070

摘要

为了探索在隧道掘进机（TBM）掘进参数不确定性条件下减少碳排放的潜力，本研究提出了一个混合智能优化框架，通过调整掘进参数来最小化碳排放。首先，基于对TBM掘进过程中碳排放机制的分析，采用基于梯度的神经有向无环图（GraN-DAG）构建了一个包含多种影响因素的因果网络，如地质条件、隧道结构和操作参数。随后，建立了一个适用于TBM的碳排放核算模型作为目标函数。通过基于遗传编程的符号回归（GPSR）推导出关键参数之间的关系表达式，包括岩石质量评分（RMR）、推力、扭矩和前进速度，并将其作为约束条件，从而形成了一个TBM操作参数优化模型。最后，应用改进的蛇形优化（ISO）算法在变化的地质条件下求解最小碳排放，从而得出适应地质变异性的低碳掘进参数动态调整策略。研究结果表明：（1）TBM掘进碳排放受多种因素影响，包括推力、穿透程度、前进速度和切割头扭矩；（2）GPSR算法有效捕捉了关键参数之间的线性和非线性关系，模型拟合度显著，R²值介于0.71到0.98之间；（3）随着岩石质量提高，碳排放呈现出先增加、后减少、再增加的三阶段非线性趋势。在特定地质条件下可以最小化碳排放，并推荐相应的最优驱动参数。本研究为低碳隧道掘进提供了一种系统的参数优化方法，为隧道工程中的精确碳管理奠定了基础。

引言

由于隧道掘进机（TBMs）具有长距离连续掘进、高效率和高度机械化的优势，它们已成为现代山区铁路隧道项目的核心施工方法（Li等人，2021年）。然而，TBM运行所需的推力和扭矩在很大程度上依赖于电力或柴油等能源，从而导致大量的碳排放。现有研究表明，TBM的能源消耗显著增加了工程项目的总碳足迹。Ahn等人（2010年）报告称，TBM运行和运输产生的碳排放占总项目排放量的35%以上。在电力消耗的具体情况下，TBM的能源消耗更为突出。例如，在墨尔本隧道项目中，TBM的电力消耗占总项目电力使用的94%，而在西门隧道项目中，这一比例上升到了99%（Chen等人，2024b年）。这些数据清楚地表明，在总体项目排放和电力特定消耗方面，TBM是隧道施工期间碳排放的主要来源，其排放强度远超其他耗电设备和大多数施工活动。

TBM驱动系统是隧道施工中的核心动力单元（Huo等人，2020年），它将机械能转化为切割头的旋转，并提供掘进所需的推力和扭矩（Liao等人，2017年）。在复杂多变的地质条件下，推力和扭矩等关键参数在运行过程中表现出显著的非稳态行为（Wang等人，2025年）。这些波动可能导致切割头卡住和驱动系统中的突然负荷变化。为了确保安全和可靠性，驱动系统通常设计有远高于平均需求的额定容量。然而，在常规掘进过程中，切割头的运行功率经常远低于其额定功率，导致长时间的低负荷运行和平均能源效率下降。由于设计阶段的固有地质不确定性以及施工方案的动态可调性，存在很大的潜力来优化操作参数并实现减排（Lin等人，2025年）。因此，优化TBM掘进参数已成为推进隧道工程绿色转型的关键策略（Garcia-Gonzalez等人，2023年；She等人，2025年）。

为了促进隧道工程领域的绿色和低碳转型，TBM的碳排放问题日益受到学术界和工程界的关注。现有的关于TBM碳排放的研究主要集中在核算方法上。例如，Zhang等人（2022b年）、Zhao等人（2022年）使用排放因子方法量化了TBM掘进过程中的CO₂排放，而Wang等人（2023a年）结合了改进的输入-输出模型和过程分析来评估TBM操作的碳排放。Zheng等人（2024a年）提出了基于成本的碳排放编码系统，为CO₂核算提供了新的见解；Rodríguez和Pérez（2020年）、Rodríguez等人（2024年）引入了简化框架，用于设计阶段的快速CO₂估算，为碳足迹评估奠定了重要基础。然而，这些方法主要基于静态计算模型，严重依赖于设备的额定功率。因此，估算精度常常受到变化地质条件和动态施工场景的限制。这限制了它们在复杂实际项目中的应用，并降低了它们在支持早期脱碳决策方面的有效性。为了提高碳排放评估的动态性和适应性，Chen等人（2024b年）、Che等人（2025年）、Chen等人（2024a年）、Chen等人（2024b年）、Chen等人（2024年）、Chen等人（2025年）提出了TunCO₂数字框架，该框架将地质条件和操作参数整合到排放评估模型中，实现了从静态核算向动态相关的转变。尽管如此，这些研究仍然主要依赖于传统的统计或经验模型，在捕捉地质条件、掘进参数和碳排放之间的复杂非线性动态相互作用方面存在差距。因此，TBM碳排放的动态形成机制需要进一步研究。

在TBM性能预测领域，机器学习已成为捕捉地质条件、设备参数和系统响应之间非线性关系的主流方法。许多研究（Goh等人，2018年；Zhou等人，2019年；Zhang等人，2020年；Elbaz等人，2022年；Kilic等人，2024年；Chen等人，2024a年；Liu等人，2025年）专注于开发先进模型，如粒子群优化双向长短期记忆（PSO-Bi-LSTM）、耦合输入序列和迁移学习的多策略深度学习（CISTL-multi-DL）、图卷积网络（Graph-ConvNet）以及优化的支持向量回归（SVR）和遗传表达编程，旨在准确预测关键参数，包括推力、扭矩和前进速度（Zhang等人，2022b年；Fu等人，2024年；Xie等人，2024年）。传统的回归技术（Kim等人，2020年；Mirahmadi等人，2016年）也为这一领域做出了重要贡献。然而，主流机器学习模型由于其黑箱性质，在揭示变量之间的潜在因果或机制关系方面存在局限性。这种决策过程中的透明度缺乏，加上有限的泛化能力，降低了这些模型在关键工程决策中的可信度和实际价值。

现有研究广泛探讨了TBM操作参数优化的预测-优化范式。学者们广泛使用了智能优化方法，如PSO、非支配排序遗传算法II（NSGA-II）和蚁群优化（ACO），以实现多个性能指标（包括隧道掘进效率、成本和工具磨损）的参数适应和优化（Li等人，2023年；Liu等人，2023年；Fu等人，2025b年；Wang等人，2023b年）。这些方法显著提高了TBM的施工性能和经济可行性。然而，大多数现有优化模型并未将碳排放作为其主要目标。在“双重碳”策略的背景下，关于碳排放与隧道掘进性能之间权衡和协同作用的研究存在明显差距。这一差距阻碍了有效支持隧道工程绿色和低碳发展的实际需求。

总体而言，现有研究在TBM碳排放计算方法、性能预测模型和目标优化方面取得了显著进展。然而，地质条件和TBM操作参数影响碳排放的动态机制尚未得到充分探索，导致高性能模型存在黑箱困境。此外，工程优化工作尚未系统地纳入碳减排目标。为应对这些挑战，本研究提出了一个创新框架，结合了因果发现、可解释建模和多目标优化。该框架通过集成基于梯度的神经有向无环图（GraN-DAG）算法、遗传编程符号回归（GPSR）和改进的蛇形优化（ISO）算法，系统地开发了TBM操作参数的低碳优化方法，如图1所示。GraN-DAG算法通过神经网络识别因果拓扑结构，并在非循环约束下优化连续邻接矩阵，从而客观揭示了地质条件、TBM操作参数和碳排放之间的因果关系。这种方法避免了由于主观选择混淆因素而产生的偏见。在此基础上，GPSR在因果DAG的指导下，利用关键因果变量作为输入，并自动生成这些变量之间关系的显式数学表达式，这些表达式随后被用作后续减排优化模型的约束条件。该方法保留了传统回归模型的可解释性，同时利用进化搜索机制减轻了对预定义功能形式的依赖，有效缓解了黑箱问题并减少了主观偏见。此外，基于探索-利用平衡机制的ISO算法增强了其处理高维非线性优化问题的能力。从GPSR得出的碳排放模型作为目标函数，相关约束作为搜索边界，最终得出碳排放和相应TBM操作参数组合的全球最优解。通过这一过程，开发了一种适应地质条件的TBM操作参数低碳优化策略，为实现隧道掘进的碳效率协同提供了理论基础和实际方法。

章节片段

TBM掘进中影响碳排放的机制

TBM掘进过程中的碳排放源于周围岩石地质、隧道结构和TBM机械系统的复杂相互作用（Hansen等人，2024年）。通过定义系统边界并进行碳流分析，可以识别出关键的排放驱动因素，揭示这些多因素相互作用背后的机制。

约束优化问题的构建

影响TBM碳排放的参数之间存在显著的相互依赖性。例如，地质条件和设备操作参数之间以及能源消耗和排放参数之间存在多维耦合效应。因此，通过协调参数调整来减少碳排放的过程构成了一个典型的约束优化问题。这个问题需要在

项目背景

本案例研究聚焦于中国西南部山区的一个单轨隧道项目。该隧道使用直径为4.4米的TBM进行掘进。隧道穿过地质条件复杂多变的岩体，主要由喜马拉雅花岗岩和加里东花岗岩组成，其中夹杂着弱结构体，如断层角砾岩和裂隙岩带。周围岩体的质量主要被评为

GraN-DAG性能

（1）GraN-DAG的泛化能力分析

为了评估GraN-DAG模型在未知地质条件下的泛化能力，进行了交叉验证。根据RMR将数据集分为五个地质组。在每次训练迭代中，排除一个地质组，使用其余四个组进行训练，而对排除的组进行测试。验证结果如图9所示。模型表现出稳定的

结论

本研究解决了TBM施工过程中优化碳排放的关键问题。通过开发一个综合的理论框架并引入创新算法，提出了一个分析碳排放机制的解决方案，用于动态优化决策。这些发现为促进隧道工程应用中的低碳施工提供了理论见解和实践指导。主要结论如下：

(1) 通过系统

CRediT作者贡献声明

李雅娟：撰写 – 审稿与编辑，撰写 – 原始草稿，验证，方法论，调查，形式分析，数据管理，概念化。鲍雪颖：撰写 – 审稿与编辑，监督，项目管理。李海文：撰写 – 审稿与编辑，验证，监督，形式分析，概念化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

本工作得到了甘肃省科学技术计划（25YFFA016）的支持。