基于VMD与加权RF的TBM掘进速度预测SHAP解释模型

为较准确地实现TBM掘进速度(PR)的预测,构建一套基于加权随机森林(RF)结合变分模态分解(VMD)的集成学习预测模型。模型建立过程中,通过收集来自KS隧洞与兰州水源地输水隧洞中涵盖不同岩性下的数据,利用VMD对数据进行4次模态分解,在保留数据特性的同时去除最高频噪音;采用SHAP对未加权传统RF从模型贡献角度进行特征度量,以此实现未加权传统RF加权,并使用RFECV与网格搜索对加权RF进行特征遴选、超参数优化;通过实际工程对模型的性能进行验证,基于SHAP理论对模型从全局与局部进行解释。结果表明:1)所建模型预测精度较高,其在测试集上的均方根误差(MSE)、平均绝对误差(MAE)与决定系数(R^(2))分别为0.0649(m/h)^(2)、0.1875 m/h、0.9254。2)在实际工程的验证中,模型取得了MSE=0.0503(m/h)^(2)、MAE=0.1613 m/h、R^(2)=0.9505的性能表现,精度理想,且性能均高于常用的深度神经网络、支持向量回归、未加权传统RF。3)经过VMD处理可有效提升PR的预测精度,处理后的模型在测试集上MSE、MAE、R^(2)分别提升了82.50%、59.00%、33.25%。4)岩石单轴抗压强度是精准预测PR时最重要的因素,地质参数在预测中的交互性明显优于掘进参数。预测分析重要洞段的PR时,需结合全局与局部2个角度进行综合分析。

煤矿掘进工作面合理掘进速度研究

随着经济的快速发展和工业生产的不断推进,煤炭作为主要能源的需求呈现快速增长的趋势。煤矿掘进工作面是煤炭生产的主战场,确保掘进速度合理对于提高煤矿生产效率、降低生产成本具有重要意义。以往关于掘进速度的研究主要集中在提高掘进速度的技术手段方面,忽视了掘进速度的合理选择。因此,应综合考虑各种因素,以此来确定煤矿掘进工作面的合理掘进速度。

开掘巷道影响掘进速度的因素及改进方法探讨

巷道开掘是地下工程建设的关键环节,掘进速度直接影响工程进度和经济效益。本文从岩石条件、机械设备、支护方式、通风系统等方面分析了影响煤矿巷道开掘掘进速度的主要因素,并提出了优化设备配置、改进支护工艺、完善通风系统、加强管理培训等改进措施。通过采取有针对性的综合对策,可有效提高煤矿巷道掘进速度,缩短工期,降低成本,保障煤矿开采安全高效实施。

冲击地压矿井煤巷掘进速度研究

针对掘进速度提高引起的巷道围岩应力变化问题,以宽沟煤矿B 1煤层I010101下顺槽掘进面为背景,通过现场监测和数值模拟实验方法,深入研究不同掘进速度下巷道围岩的应力分布特征、塑性区分布特征,分析掘进速度提升对巷道围岩状态的影响,动态调整掘进速度。结果表明,随着I010101下顺槽掘进速度从10 m/d提升至15 m/d、20 m/d,垂直应力并没有显著的增加,应力分布形态也基本相似,应力水平处在大于14 MPa小于18 MPa的范围内。I010101下顺槽掘进面提高掘进速度后应力提升幅度不大,该区域冲击危险性指数I m略小于1、略大于1,冲击危险等级是从无到弱。掘进面推进速度在充分卸压的前提下可以适当提升,建议在较长时间停掘/调休后初次掘进时掘进速度不宜过大,同时掘进速度的提升不宜过快,应平稳提升。

基于TSSA-SVR算法的TBM掘进速度预测

为建立全断面岩石隧道掘进机精确的速度预测模型,提出改进麻雀搜索算法的支持向量回归掘进速度预测模型。引入蒸发系数T对麻雀搜索算法原始搜索环境进行全局扰动,使粒子原始记忆的个体最优位置逐渐被遗忘,防止粒子陷入原始搜索环境,进而防止算法陷入局部解,利用TSSA算法对SVR进行参数优化。研究结果表明:TSSA-SVR算法对速度预测具有更好的收敛性、更高的精度、更好的稳定性和更快的迭代速度。

基于Attention-ResNet-LSTM混合神经网络的盾构掘进速度预测新方法

针对传统方法存在的盾构性能精准预测阻碍盾构快速掘进技术发展的难题,提出一种基于Attention-ResNet-LSTM混合神经网络的盾构掘进速度预测方法。相比传统的LSTM、GRU等网络预测模型,Attention-ResNet-LSTM模型引入了Attention机制。长距离盾构掘进过程中,针对地层条件存在很大的变异性情况,该模型可自适应更新权重矩阵,让模型面对不同的任务时具有一定的自调节能力,可有效提升预测精度。依托中俄东线天然气管道工程对盾构掘进速度进行了实时预测和验证,且结果表明该方法可分析盾构掘进过程中输入、输出参数之间的相关性,且具有较好的适应性。

基于集成Dropout-DNN模型的盾构掘进速度预测方法

为了提升土压平衡盾构机的掘进速度预测精度,提出一种集成Dropout技术和深度神经网络(deep neural network,DNN)模型的盾构掘进速度预测方法。依据济南地铁R1线盾构隧道段工况数据,将数据集划分为5份,并选取刀盘转速、刀盘扭矩、总推进力、螺机转速、土仓压力这5个参数为输入参数,分别建立了5个Dropout-DNN模型并进行集成实现了盾构掘进速度的预测,进一步对不同的预测方法进行了对比分析。研究结果表明:各Dropout-DNN模型预测精度具有一定的差异性,但基本良好,其决定系数均大于0.6,平均绝对百分误差均小于10%,而集成的Dropout-DNN模型决定系数为0.695,平均绝对百分误差小于5%,可见集成模型预测精度较高;基于反向传播(back propagation,BP)神经网络、DNN模型实现的盾构掘进速度预测模型其决定系数分别为0.502、0.566,可见提出的集成Dropout-DNN模型预测精度提升明显。

复合地层小直径隧道掘进机掘进速度区间预测

合理准确预测隧道掘进机(tunnel boring machine,TBM)的掘进速度是实现TBM智能化控制的关键问题之一,复合地层小直径TBM施工的不确定性较常规地质条件更强,而传统预测方法对施工过程的不确定性考虑不足。在此通过引入区间预测方法,提出基于4种不同Bootstrap方法结合KELM-ANN模型的TBM掘进速度区间预测模型,并以南水北调安阳输水隧洞工程为例,选取142组工程实测数据验证区间预测模型的有效性。研究结果表明:基于Rademacher分布建立的模型预测结果优于其他3种方法,不仅可以得到较好的点预测结果,还可以构造出较为清晰可靠的区间将掘进速度实测值完全包络在内;随着置信水平的提高,区间可容纳的不确定性和风险也逐渐上升,通过变化区间宽度,能较好地量化和解释TBM施工过程中的不确定性因素对掘进速度的影响。研究结果可为TBM掘进性能预测和掘进参数优化提供参考。

基于人工智能预测岩体条件对TBM掘进速度的影响研究

为研究TBM的掘进速度(ROP)与岩体条件的敏感性问题,基于三个TBM隧道项目的185组数据,将岩石单轴抗压强度(UCS)、岩石质量指标(RQD)以及岩体薄弱面之间的距离(DPW)作为输入参数,建立ROP预测模型,同时基于数据处理组合算法(GMDH)和基多表达式编程(MEP)两种人工智能算法,对ROP进行预测。选取决定系数(R^(2))、平均绝对误差(MAE)、均方根误差(RMSE)和相对平方根误差(RRSE)等统计指标对模型进行评价,结果表明两种人工智能算法建立的预测模型都能提供较高的预测精度,其中GMDH计算速度更快,能够提供更高的精度。

基于贝叶斯优化RF-BiLSTM的盾构机掘进速度预测的研究

盾构机掘进速度的预测是保障盾构施工的重要参考指标。为了实现盾构机掘进速度的预测,本文提出了基于贝叶斯优化RF-BiLSTM的盾构机掘进速度预测方法,即TPE-RF-BiLSTM。首先通过随机森林实现盾构机运行数据的筛选,接着利用BiLSTM实现对盾构机掘进速度的预测。此外,为了提高超参数的搜索效率,贝叶斯优化被用于掘进速度预测模型的超参数搜索,以自动化的构建掘进速度的预测模型。最后,通过郑州某地铁施工段的真实数据验证所提方法,实验结果表明,所提的方法能够有效实现掘进速度的预测。即R2=0.9650,RMSE=1.684,表现优于XGBoost,LSTM等广泛应用的成熟机器学习算法。

提升矿井巷道掘进速度的锚杆支护技术研究

为实现巷道的快速掘进,简要阐述了矿井巷道锚杆支护技术,研究了从设计到应用影响锚杆支护技术稳定的结构参数,对锚杆支护技术进行优化升级,并用实例进行了验证分析,进而保证掘进速度的提高,以提高煤炭生产效率。

提升矿井巷道掘进速度的锚杆支护技术探讨

本文探讨了一种能够提升矿井巷道掘进速度的锚杆支护技术。首先概述了锚杆支护技术的原理及优势,然后介绍了如何合理规划锚杆支护技术参数和设计方案。接着,详细阐述了锚杆支护技术在提升矿井巷道掘进速度时的应用,包括基础支护、强化支护和巷旁支护。最后,分析了锚杆支护技术应用的要点,包括安装质量检验、锚杆选择、托板厚度优化和监测系统制定。通过本文的研究,可以为矿井巷道掘进提供技术支持。

盾构掘进速度及非正常停机对地面沉降的影响

软土中盾构隧道施工不可避免地扰动周围地层,进而引起地面沉降,沉降过大时将危及邻近建(构)筑物的正常使用和结构安全。全面理解盾构隧道施工引起的地面沉降的影响因素及对沉降的准确预测,对于减少施工环境危害十分重要。考虑盾构压重后,引入Mindlin解计算盾构下卧土层中的附加应力,采用单向压缩分层总和法计算盾构下卧土层的总固结沉降,由盾构掘进速度及停机时间确定附加应力作用时间后,应用太沙基一维固结理论计算在该作用时间内的固结沉降,应用Peck公式建立了盾构下卧土层沉降与地面沉降的关系,并以杭州庆春路过江隧道地面沉降的实测验数据对上述理论进行了验证。分析表明,考虑盾构掘进速度及停机时间的地面沉降计算理论基本合理;盾构掘进速度及停机时间会对隧道施工引起的地面沉降产生显著影响;在其他施工条件相同的前提下,提高盾构掘进速度和减少停机时间有利于减少地面沉降。

TBM净掘进速度预测模型发展现状及参数分析

TBM净掘进速度预测模型能为隧道施工方法选择、施工进度安排和成本估算提供科学依据。本文对国内外32个典型模型开展参数定性和定量分析。根据各模型建模原理可将参数输入过程划分为按逻辑和组合关系输入、作为修正参数输入、直接输入参数三种类型。评价TBM掘进速度的岩体参数以单轴抗压强度、岩石质量指标、隧道与结构面夹角和岩石脆性指数居多,机械参数主要是单刀推力和刀盘转速。通过调整岩体工程特性关键参数影响区间以及引入机械参数,可将钻爆法岩体分类(RMR、RSR、Qsystem)应用到TBM净掘进速度预测。模型参数选取需要权衡简易性和准确性,参数太少虽然简易但影响预测精度,参数过多会导致实际操作繁琐而不利于工程广泛应用。参数选取合理、组合恰当以及权重分配符合实际是净预测模型准确可靠的关键,随着对掘进过程和破岩机理的深入理解,开展与岩-机作用相关的新评价参数研究将是未来发展趋势。

基于Monte Carlo-BP神经网络TBM掘进速度预测

预测隧道工程中TBM掘进速度,主要有完全经验的、半理论半经验的模型和人工智能等方法,所用参数均为确定性的,未考虑参数存在的随机性,故导致预测结果的不准确性。基于此,提出了Monte Carlo-BP神经网络TBM掘进速度预测模型,着重考虑了一些重要输入参数的随机性,其中输入参数重要性的大小通过粗糙集进行计算排序。采用Monte Carlo产生随机数时,由于参量的样本数据的有限,分布函数均采用阶梯形经验分布函数。如果采用的数据是来自不同类型的TBM,则应当考虑机器性能参数,并重新对参数重要性进行排序。实例计算表明,Monte Carlo-BP神经网络模型预测结果和实测值总体趋势和均值比较一致。

基于Matlab的BP神经网络在预测TBM掘进速度中的应用

TBM的掘进效率受围岩特征和机器设备性能的影响,预测TBM的掘进速度需要考虑这两方面因素。由于地质环境具有不确定性,文章分别采用正态分布和指数分布模拟岩石单轴抗压强度UCS和岩石质量指标RQD的统计分布规律,利用Monte Carlo算法生成相应的随机输入参数;在考虑机器设备性能因素时,通过净推力和刀盘直径的比值,消除了不同机器设备之间性能因素的影响差异;基于围岩和机器性能两方面输入参数,在Matlab软件中建立了预测TBM掘进贯入度的BP神经网络模型。通过工程实例验证,模型的预测结果和实际情况比较接近。

煤与瓦斯突出工作面掘进速度的合理控制

通过对掘进工作面前方应力分布状况进行力学分析，并结合平煤十矿现场情况研究了煤与瓦斯突出预测指标和掘进速度的变化相关性，讨论工作面掘进速度的合理控制。分析认为：掘进速度必须能较好-9应力释放速度同步，才能使巷道安全掘进；平煤十矿己15—24080掘进工作面的最佳掘进速度应控制在1．3～1．4m／d，为提高巷道掘进效率和促进煤矿安全生产提供依据。

软土地区盾构掘进速度对地层扰动现场试验研究

针对上海软土地区盾构隧道工程,在盾构穿越监测断面全过程调整掘进速度,观察监测断面的水、土压力以及地层稳定性变化。根据实测并结合土体固结比、承压水等地层土性影响,运用土体扰动机制综合评定掘进速度改变的影响规律。分析表明,盾构在软土地区4倍直径(D=6.2 m)埋深地层中施工,在盾构土舱压力、注浆量等参数均不变的条件下,仅调整千斤顶推进速度变化对土体压力及变形的扰动效应有较大影响。盾构推进速度降低会使水、土压力的扰动空间范围减小、扰动所产生的压力增量减小,也使地表隆沉变化值更稳定。相应变化值由埋深和推速降低比例决定。试验为今后判断软土地区4D埋深盾构掘进速度扰动效应提供参考。

盾构下穿大型立交时掘进速度对桩基及地表沉降的影响

依托合肥市地铁盾构掘进下穿五里墩立交施工,在其他施工参数确定的前提下,综合考虑地面及桥桩的变形,并基于有限差分数值分析,研究盾构下穿大型立交时掘进速度对桩基的影响。研究表明:盾构的掘进速度对大型立交桩基的影响显著;在12 m/d开挖速度下,地表沉降值比较大,且某些桩基的沉降值超过预警值,比较危险;在6 m/d开挖速度下,地表沉降值和桩基变形值均较小,且都小于预警值;在9m/d开挖速度下,地表沉降值较12 m/d开挖速度小,而较6m/d开挖速度大,且桩基的沉降值并没有超过预警值。在充分考虑施工安全与施工进度的前提下,建议采用6环/d(约9m/d)的盾构掘进速度。研究成果可为隧道下穿大型立交工程提供技术参考。

考虑盾构掘进速度的隧道掘进面稳定性分析

隧道在低渗透性土壤中掘进,盾构掘进速度的改变将引起作用在掘进面上支护压力的显著变化。考虑盾构掘进速度以及土体的渗透系数的影响,通过伽辽金有限元法推导三维稳态渗流有限元方程,使用FORTRAN代码编制数值分析程序计算稳态地下水流条件下隧道掘进面附近水头分布。维持掘进面稳定极限支护压力由有效支护压力和渗透力共同构成,前者基于土体稳定的极限平衡理论计算结果,后者通过隧道掘进面附近水头分布推导得出。结果发现,低渗透性土层中进行隧道掘进,盾构掘进速度的改变对隧道掘进面附近水头分布产生很大影响,掘进速度的增加将引起作用在隧道掘进面上支护力的显著增加。理论分析结果与实验数据取得较好的一致,验证了该理论与方法的合理性和有效性。