准确预测盾尾密封油脂消耗对盾尾密封、盾构施工安全和成本控制具有重要意义。为此,采用K折交叉验证法结合ANN神经网络,改进传统粒子群优化算法,实现IPSO算法自动寻优ANN神经网络神经元超参数,构建泥水平衡盾构机盾尾密封油脂消耗量IPSO-ANN时间序列模型。基于济南黄河隧道,结合东西双线密封油脂用量和通过双重筛选得到的影响因素,制定混合训练、东西线单独训练3种策略对模型进行训练并对施工段油脂消耗量进行预测及分析。结果表明,IPSO-ANN模型能有效寻优具有最佳神经元超参数的神经网络模型;不同训练策略下最优模型平均预测精度均高于80%,其中混合训练策略下最优模型预测精度高达85.142%,并兼具稳定性,对盾尾密封油脂消耗量预测具有参考意义。