-
题名基于卷积神经网络对TBM塌方段的反演分析
被引量：12
- 1
-
-
作者
刘诗洋
陈祖煜
张云旆
李旭
赵生捷
-
机构
同济大学
中国水利水电科学研究院
北京交通大学
-
出处
《固体力学学报》
CAS
CSCD
北大核心
2021年第3期287-301,共15页
-
基金
国家自然科学基金面上项目(51879284)资助。
-
文摘
论文在已有研究工作的基础上,利用岩石扭剪掘进指标(TPI)和现场贯入指标(FPI),采用卷积神经网络和时间序列预测法,研究隧道掘进机(Tunnel Boring Machine,TBM)掘进塌方段分析和预测的可能性.吉林引松工程TBM大数据库中记录了199列施工期间的各项参数和18处塌方事件,数据总量大、质量高,具有很高的科研价值.基于上述数据,论文在输入功率与破岩效率相当的原理支持下,将某一循环段的现场贯入指标FPI和岩石扭剪掘进指标TPI作为机器学习的训练对象,对正常掘进段和石灰岩区域大规模塌方段K66+000-K66+350(桩号)进行了分析和预测.结果表明:塌方段实测FPI、TPI数值显著偏小,结合三项预测误差指标可判断"阳性",即TBM进入塌方段.相关研究成果为TBM领域的大数据机器学习提供了新的方法,为实现超前地质预警创造了有利条件.
-
关键词
TBM
神经网络
时间序列
FPI
拟合TPI
塌方
-
Keywords
TBM
neural network
time series forecasting
FPI
fitting TPI
collapse
-
分类号
U458.3
[建筑科学—桥梁与隧道工程]
-
