盾构法在我国城市轨道交通建设中应用非常广泛,在盾构施工过程中,施工参与方多,建设周期长,而且随着隧道直径和埋深的不断增大,地层和施工环境条件也变得更加复杂,面临的影响因素也越来越多,因此,采用更好的方法和技术手段进行施工管控是非常有意义和必要的。本文基于智能算法和BIM技术分别在非线性问题处理、信息集成与协同方面的优势,对盾构施工参数及人材机管控方法开展了研究。本课题主要研究内容包括:盾构机掘进参数优化方法改进、工程数据样本量有限的盾构机掘进参数匹配方法、盾构施工人材机管控计划信息模型构建、盾构施工人材机信息与进度管控计划网络集成方法以及融合智能算法与BIM技术的盾构施工人材机管控系统。根据以上研究内容,本课题进行的研究工作及成果如下:（1）对粒子群算法（Particle swarm optimization,PSO）进行了性能改进和验证并应用于盾构机掘进参数优化根据指数递减函数的曲线特征和PSO算法惯性权重取值范围,构造了PSO算法新的惯性权重动态调整等式。为了进一步降低PSO算法在迭代后期陷入局部极值的可能性,给出了粒子群体在迭代过程中的具体调节策略,提出了指数递减免疫粒子群算法（exponential adjustment inertia weight immune particle swarm optimization,EAIW-IPSO）。采用12组标准测试函数进行实验,实验中同时对比了其他学者改进的PSO算法,采用多次运行的最小值、平均值、均方根误差以及迭代曲线分析算法的准确性、稳定性和迭代特性。通过12组函数的多次实验结果表明了EAIW-IPSO算法在单峰值和多峰值问题中均具有更高的准确性、稳定性和较好的迭代特性,同时,改进后的算法具有更强的避免陷入局部极值的能力。基于EAIW-IPSO算法构建了盾构机掘进参数优化模型,模型中同时考虑了隧道的几何因素和土层因素。运用遗传算法（Genetic Algorithm,GA）算法优化后的多层前馈神经网络（Back propagation,BP）首先建立几何参数、土层参数和盾构机掘进参数与地表沉降的非线性关系模型,通过实际工程中获得的这些参数样本值和对应的地表沉降值进行非线性模型训练,基于训练较好的模型,然后采用EAIW-IPSO算法以及其他学者改进的算法同时对盾构机掘进参数进行优化,获得在特定几何参数和土层参数值下的最优盾构机掘进参数值。根据实际工程案例应用结果表明,EAIW-IPSO算法获得的地表沉降值最小。因此,也再次验证了EAIW-IPSO算法的性能,从而为盾构机掘进参数的优化提供了一种更为准确和可靠的方法。（2）工程数据样本量有限的盾构机掘进参数匹配方法及验证首先,运用支持向量机（Support vector machine,SVM）建立盾构机掘进参数匹配一类问题中参数变量与目标量之间的非线性关系模型,然后,采用EAIW-IPSO算法在非线性关系模型的基础上对参数变量进行优化。基于这一类问题的两组实例进行实验,在实验中,通过不断减少机器学习训练样本数量,分析在不同机器学习训练样本数量条件下模型的性能变化情况,实验中同时对比基于BP和PSO算法的匹配模型。结果表明,在样本数量不断减少的情况下,基于SVM和EAIW-IPSO算法匹配模型仍能得到更准确且稳定的匹配结果。选取隧道几何参数为深跨比（H/D）,土层参数为水位、重度、黏聚力、内摩擦角和测压系数,盾构机掘进参数为同步注浆量、推力、刀盘扭矩、土舱压力和贯入度作为SVM模型的输入参数变量,地表沉降量作为目标量。考虑获取样本的有限性,在满足SVM测试相对误差平均值位于3%～10%的条件下,通过实际盾构施工数据进行SVM模型训练和测试,给出了基于SVM和EAIW-IPSO算法实现盾构机掘进参数匹配的训练样本数量为28～49组的建议。基于开发的参数匹配模块,采用其中30组数据进行SVM模型训练,然后采用EAIW-IPSO对特定几何参数和土层参数下的盾构机掘进参数进行优化。通过对比BP和PSO的匹配模型,结果表明了基于SVM和EAIW-IPSO的匹配模型在样本拟合、模型泛化能力以及优化结果方面均较优。（3）盾构施工人材机管控计划信息模型构建针对Revit软件中创建盾构管片信息模型的缺陷,通过二次开发技术实现了管片信息模型快速生成的插件。基于Revit族创建了盾构施工过程中相关材料和机械设备等参数化基础信息模型,再通过Revit项目实现了始发场地等基础信息模型的创建。把基础信息模型导入Navisworks中进行整合,并建立相应的图元管理集,将盾构施工过程中每一个阶段人员、材料和机械设备需求计划、材料和机械设备的使用和现场布置等信息与对应基础图元几何信息模型进一步集成,实现了盾构施工人材机管控计划信息模型的建立,从而基于所建立的施工管控计划信息模型,能够更好的实现盾构施工过程中人材机信息的可视化,为施工管理提供更直观和更有效的指导。（4）盾构施工人材机信息与进度管控计划网络集成方法首先,运用Revit软件创建盾构施工进度管控计划网络中工作构件族并进行初始参数化设置。然后,通过Revit API和Window Forms技术开发能够操作进度计划网络中人材机等信息的插件,该插件可以实现的功能包括:盾构施工进度计划网络中的工作与建筑构件模型关联、建筑构件施工对应的人材机计划信息的添加和查询以及工作时间参数值的快速计算和赋值修改。最后,基于盾构施工工艺、工作持续时间和构件族创建能够集成多维信息的盾构施工进度管控计划网络。再通过开发的插件进行网络中时间参数值快速计算、盾构施工人材机管控计划信息添加以及可视化具体工作对应的建筑构件,从而实现盾构施工建筑构件及其施工所需人材机信息与进度管控计划网络的集成。使得相关人员能够更直观和清楚的了解到每一项工作下的具体施工对象以及施工过程中所需人材机等关键信息。（5）融入智能算法和BIM技术的盾构施工人材机管控系统设计与开发基于盾构施工过程中人员、材料以及机械设备管控内容,并结合智能算法和BIM技术的应用价值点进行系统功能模块设计,采用Microsoft SQL server 2012建立系统数据库,根据模块所要实现的功能设计相应的数据库表单。在Microsoft Visual Studio 2012环境下进行系统前端的设计、后端控件代码的编写以及实现客户端和服务端基于Socket的通信。运用实际盾构项目相关人材机信息对系统各模块功能进行了测试,测试结果表明了研发系统的可行性,将智能算法和BIM技术融入系统中提高了系统解决盾构施工人材机管控中的非线性问题的能力以及实现了系统中人材机信息的可视化。