随着我国隧洞建设规模的不断扩大,TBM施工技术已成为隧洞开挖的首选方式。EH工程同时采用15台TBM和3台土压平衡盾构机进行集群施工,是我国一次投入TBM规模最大、掘进里程最长的隧洞工程。其穿越的地理范围十分广泛,沿线的水文地质条件非常复杂,在TBM掘进过程中遇到了很多工程技术难题。本文以EH工程为依托,综合采用人工智能算法和非线性数学理论,重点对EH工程TBM掘进过程中存在的岩体参数智能感知、硬岩条件下的掘进效能评估、涌水风险预测、岩爆烈度分级和围岩坍塌风险评价等部分关键问题进行了系统研究,并得到以下结论:（1）基于EH工程SS隧洞SD00+254～SD20+435段的TBM掘进参数时序数据和地质编录情况建立一个346组样本的数据库,并利用遗传算法改进的支持向量机（GA-SVR）构建一个岩体参数智能感知模型,对刀盘推力、扭矩、转速、破岩速率4个掘进参数与岩石单轴抗压强度、脆性指数2个岩体参数之间的映射关系进行数据挖掘。研究结果表明,基于GA-SVR模型的岩石单轴抗压强度和脆性指数的拟合相关系数R2分别为0.8348和0.7613,比SVR模型的预测精度分别提高了3.7%和8.5%,可以较准确的预测TBM掘进过程中的岩体参数。（2）基于EH工程KS隧洞KS101+768～KS130+980段的水文地质参数和TBM掘进参数建立了一个630组样本的数据库,分别采用随机森林（RF）算法和粒子群算法优化的BP神经网络（PSO-BP）对TBM掘进速度AR进行数据挖掘分析。研究结果显示,RF模型和PSO-BP模型对AR的拟合相关系数R2均大于0.85,平均绝对百分误差MAPE均小于13.008%,但RF模型的预测精度比PSO-BP模型高2.8%。此外,AR的参数敏感性分析结果显示,推力对TBM的掘进速度影响最大,是提高TBM掘进性能的关键优化调整参数。（3）综合考虑地质、水文、施工和动态监测因素对涌水的影响,分析了干旱区隧洞涌水的致灾因子,提出了一种基于正态云模型的TBM施工隧洞涌水风险多指标预测方法。将该方法应用于EH工程SS隧洞SD52+160～SD50+617段的涌水风险分析,并与理想点法、灰色关联投影法和涌水实际情况进行对比,研究结果显示,基于该方法的涌水风险预测结果不仅与理想点法和灰色关联投影法的结果较一致,而且与实际开挖情况吻合较好。此外,针对该段的涌水问题,分别采用纯水泥浆液、水泥和水玻璃双浆液、高聚物和聚氨酯对部分涌水洞段进行注浆堵水试验,试验结果表明,采用水泥水玻璃双浆液和聚氨酯进行联合灌浆堵水较为合理,堵水效果显著。（4）本文将球面模糊集引入到指标权重计算,通过与灰色关联法进行耦合,形成一种新的权重算法,并通过引入直觉模糊集理论提出一个新的岩爆烈度分级预测模型,结合35组岩爆实例验证表明该模型预测结果的准确率为94.3%。为进一步考察该模型的适用性和可靠性,利用该模型对KS隧洞的KT4施工支洞在高地应力环境下的岩爆风险进行分析,结果表明,基于直觉模糊集的岩爆烈度分级预测结果与云模型理论、TBM掘进过程中实际岩爆情况吻合较好,表明该模型在实际工程中具有较高的可行性和适用性,为岩爆风险预判提供了新的理论依据。（5）基于物元可拓理论、变权理论和模糊熵理论,本文提出了一个变权物元可拓的隧洞坍塌风险二维评价模型。利用该模型对EH工程KS隧洞KS260+052～KS262+835段TBM掘进过程中围岩的坍塌风险概率进行分析,并与传统物元可拓模型、模糊综合评价法和工程实际情况进行对比。结果表明,该模型与传统物元可拓模型、模糊综合评价法的评定结果基本一致,且吻合TBM开挖过程中围岩坍塌的实际情况,具有较高的准确性和可靠性,可为TBM穿越不良地质条件段提供风险预判。