TBM在掘进过程中要经过不同类型的围岩,在不同的围岩下需要选择适当的操作参数进行掘进。目前TBM的操作参数主要由操作人员来确定,操作人员根据传感器返回的掘进载荷数据对操作参数进行调节。当围岩发生变化时,如果操作人员没有及时发觉并对操作参数作出调整,可能会造成TBM无法适应当前的围岩条件,甚至出现卡机等后果。主要原因是缺乏围岩类型识别和操作参数决策方法。本文以吉林引松供水工程TBM3标段工程数据为基础,分析了TBM操作参数、掘进载荷和围岩类型之间的关系,建立了基于随机森林算法的围岩类型识别模型,进一步建立了基于人工经验总结的操作参数决策模型,初步实现了TBM操作参数决策智能化,最后对围岩类型识别和操作参数决策系统进行了设计实现。本文的主要研究内容如下:(1)分析了引松工程的数据特点,将数据导入数据库中并进行数据清洗,研究TBM操作参数、掘进载荷和围岩类型之间的关系。(2)利用基于随机森林算法的分类器对数据进行学习,以操作参数和掘进载荷为输入,围岩类型为输出,建立围岩类别识别模型。(3)研究不同围岩类型下人工操作参数决策规律,并对其进行归纳总结,建立操作参数决策模型,初步实现TBM操作参数决策智能化。(4)对围岩类型识别和操作参数决策系统进行设计,基于Python编程语言,对系统进行实现。