摘要： 为实现对地铁车致地面振动的高效预测，建立车辆-轨道-隧道-土体三维耦合动力学模型，通过模型计算搭建了涵盖典型车速、轴重、轨道类型、隧道埋深、土体剪切波速和距线路中心距离取值的数据库，分别采用K近邻(KNearest Neighbors，KNN)、随机森林(Random Forest，RF)、极限梯度提升树(Extreme Gradient Boosting，XGBoost)以及轻量梯度提升机(Light Gradient Boosting Machine，LightGBM)建立地面振动预测模型，对比分析4 种模型的预测效果，验证LightGBM模型的泛化能力。结果表明：现场实测与数值模型计算所得地面最大Z振级分别为68.7、70.3 dB，相对误差仅为2.3 %，验证数值模型的可靠性；4 种模型中，LightGBM 模型预测效果最佳，验证集标准差为0.034，决定系数为0.91；LightGBM 模型泛化能力良好，地面振动实测数据与模型预测结果之间吻合度高，最大Z 振级相对误差分别为3.7 %、4.3 %。此预测方法具有较高的可靠性，可用于实际地铁车致地面振动预测。

关键词: 振动与波, 地铁, 振动预测, Z振级, 刚柔耦合动力学理论, 机器学习, LightGBM