随着经济的发展,我国不断加大对基础设施建设的投入。高速公路、铁路、地铁等基础交通的建设打通了国家经济发展和城市建设的壁垒,为国家经济发展注入了活力,为城市居民的生活提供了便利。盾构机以其高效安全、低扰动、适应多种地质等多种优点成为了我国交通建设的主力机械。采用盾构法施工前需要在前期对地质情况进行勘探,掌握地质信息以便选取合适的盾构机型,以及提供合理方案控制盾构机施工。但是由于地质信息复杂多变且难以准确预测,尤其遭遇不良地质时施工会面临极大风险,甚至引发严重的安全事故。实时准确的地质识别预报,是盾构机安全施工的重要保障,这也是盾构技术的一项重要难题。为此本文基于盾构掘进参数利用数据挖掘的方法对地质类别进行识别分析:(1)对盾构机的主要参数进行理论分析,分析地质特点对于盾构掘进参数的影响。分析盾构掘进参数与地质类别的相关性,以选取合适的盾构掘进参数进行地质识别。(2)基于实时的盾构掘进参数提出了一种无监督数据树K-Means聚类的地质识别方法。利用数据树优化K-Means聚类算法中K值,进而构建基于主要掘进参数的地质识别聚类算法。然后基于现场施工数据进行了仿真实验,地质识别正确率达到100%。结果表明该方法能够准确的识别地质类型,可为盾构机实施有效的参数调控提供一定的决策支持。(3)利用单一地质条件下的训练样本数据以及复合地质条件下的训练样本数据训练BP神经网络,得到两种模型。利用两种模型分别预测同一个测试集的土仓压力,并对比预测结果的误差。结果显示单一地质条件下的训练样本数据得到的预测模型准确率更高。进而证明地质识别能够为掘进参数设置或调整提供有效的支持。