期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于岩体聚类分级的TBM掘进参数预测方法 被引量：20
1
作者 李建斌 郑赢豪 +4 位作者 荆留杰 陈帅 简鹏 于太彰 赵严振 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2020年第S02期3326-3337,共12页
复杂地质条件下TBM掘进参数的精准预测可及时优化调整掘进参数,有效指导设备施工。根据吉林引松供水工程TBM3标段的现场掘进数据,首先利用最小二乘法对TBM掘进参数和现场跟踪的岩体力学参数进行回归分析,实现由设备参数向岩体信息的转化... 复杂地质条件下TBM掘进参数的精准预测可及时优化调整掘进参数,有效指导设备施工。根据吉林引松供水工程TBM3标段的现场掘进数据,首先利用最小二乘法对TBM掘进参数和现场跟踪的岩体力学参数进行回归分析,实现由设备参数向岩体信息的转化;而后利用k-means方法对所估计的岩体力学参数进行聚类分级,建立不同围岩等级的岩机数据库;最后以对应围岩等级下TBM岩机数据作为模型输入、运行或者控制参数作为模型输出目标,利用基于极限学习机(ELM)的机器学习算法构建与围岩等级相匹配的TBM预测模型,其预测值可很好地拟合实测数据的变化趋势,平均误差在12%以内。结果表明,基于岩体聚类分级的TBM掘进参数预测方法可显著改善围岩等级多变条件下TBM掘进参数预测精度低、鲁棒性差的问题。 展开更多
关键词 岩石力学 硬岩掘进机(TBM) 岩体聚类分级 极限学习机(ELM) 掘进参数预测
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部