本文主要讨论了一种基于人工智能技术的隧道掘进机（Tunnel Boring Machine, TBM）选型适应性评价决策支持系统。随着中国西部大开发战略的推进和“一带一路”建设的实施，交通、矿山、水利等基础设施建设需求日益增长，深埋长大隧道作为关键工程，其施工方法选择尤为关键。TBM作为一种高效的隧道开挖技术，在复杂地质条件下具有明显的优势，但同时也面临着不良地质条件、设计变量和技术要求等多因素影响，其选型适应性评价因此变得复杂且难以定量。
为解决上述问题，文中提出了基于层次分析法和模糊综合评判的TBM选型适应性评价指标体系及模型，该模型能够充分反映不同TBM机型对地质条件的适应性差异，同时具有代表性和区分度高的特点。模糊综合评判模型通过确定评价指标的模糊隶属函数，结合权重辅助计算程序，可以定量计算各评价指标的权重。权重的确定采用了智能设计理论和决策理论相结合的方法，以此来避免单指标决策的局限性和主观臆断的缺陷，从而实现多指标智能决策的定量化选型。
此外，系统通过构建选型适应性评价知识库，以规则形式表示知识，进一步开发了一个智能评价决策支持系统平台，为TBM选型提供了一种新的量化评价方法。该系统能够有效处理复杂问题，并在实际工程中得到应用和验证，例如高黎贡山铁路隧道的案例，其评价结果与实际情况相吻合。
关键词包括TBM选型、层次分析法、模糊数学、人工智能和决策支持系统。这些关键词概括了文章的核心内容和研究方法。中图分类号为U455，文章编号为0253-9993(2019)10-3258-14，表明了文章的学术分类和编号信息。
作者简介和通讯作者分别为詹金武、李涛，提供了作者的背景信息和联系方式。基金项目提到国家重点基础研究发展计划，这通常意味着该研究得到了政府资助，具有较高的研究价值和实用性。
在数据处理和分析方面，研究中运用了层次分析法、模糊数学等人工智能方法。层次分析法是一种定性和定量相结合的、系统化的、层次化的分析方法，它通过建立层次结构模型，对比判断矩阵来处理决策问题。模糊数学则是处理模糊概念和模糊逻辑的数学工具，它通过隶属度函数来表示模糊集，将模糊问题转换为可以计算和评价的形式，适合解决不确定性问题。
综合来看，本文展示了一套完整的TBM选型适应性评价决策支持系统的设计和实现方法，将人工智能与工程技术决策紧密结合，为深长隧道施工提供了科学的决策支持工具。通过对TBM选型适应性的定量评价，有助于提高隧道施工的效率和安全性，对推动我国基础设施建设具有重要的实践意义。
