基于盾构机运行参数的局部切空间排列与Xgboost融合的地质类型识别

针对土压平衡盾构机掘进过程难以实时感知掌子面地质类型的问题,提出了局部切空间排列(LTSA)与极限梯度提升(Xgboost)相结合的盾构机掌子面地质类型实时识别方法。首先,通过分析众多盾构机运行参数与掌子面地质性质的相关性,选取177个盾构机运行参数作为模型输入;其次,利用LTSA算法从高维盾构机运行参数中提取内蕴低维特征作为分类模型输入参数,基于Xgboost的识别模型实现掌子面地质类型识别;最后,采用新加坡某地铁施工数据验证算法的有效性和优越性。研究结果表明:所提算法对该工程沿线5种地质类型的识别准确率达到98.48%;采用本文方法所得的识别准确率相比于将运行参数直接作为模型输入的识别准确率提升20.96%,相比于采用总推进力、推进速度、刀盘总扭矩和刀盘转速4维特征作为输入,本文所提出方法的识别准确率提升50.16%。LTSA算法能够减少所选盾构运行参数中的冗余信息并保留其中的地质特征,解决了输入参数维度过高造成的识别模型准确率下降和训练效率降低的问题。

铜矿岭不稳定斜坡类型识别与工程地质分区

高速公(铁)路路基、隧道和桥梁工程等常常因地质灾害的存在而影响正常使用,尤其是类型不明的不稳定斜坡,明确地质灾害类型是影响不稳定体治理方案的首要任务。以宜巴高速公路铜矿岭不稳定斜坡为研究对象,采用野外地质调查、工程地质分析和监测数据分析的方法,判明了铜矿岭不稳定斜坡类型。野外调查结果表明该不稳定斜坡上部为残坡积物,下部为反倾结构的粉砂岩;结合位移监测数据,判定该不稳定斜坡变形存在多个剪切滑移带,但主要分布于松散堆积物内部,综合判定该不稳定斜坡为深层蠕动变形体;依据变形大小和变形方向变化特点,最后将该变形体分为两个大区,Ⅱ区又可细分为2个小区,并指出Ⅱ_(2)区是未来防治的关键部位。研究成果为该不稳定斜坡后续治理设计提供了地质依据,证明传统的工程地质调查、分析与位移监测相结合是开展不稳定体类型判识,确定边界范围的有效手段。