基于工程实测数据增量学习的掘进总推力分析与建模

随着传感检测技术不断发展,复杂实验或工程实测可以给出丰富的力学量测试信息。如何通过数据分析提取关键力学量的演化规律、建立科学有效的预估模型是实验力学数据分析的重要研究内容。硬岩隧道掘进机(Tunnel Boring Machine,简称TBM)实测数据分析能够为施工过程中掘进参数的合理调控提供决策依据。掘进总推力是贯穿装备施工的关键力学量,由于掘进过程要穿越多种类型地质,装备掘进参数调控要求总推力预测模型具有适应工况变化的能力。针对上述需求,本文建立了基于样本增量宽度学习(Increment-Broad Learning System,简称I-BLS)的总推力建模方法,该方法能够随着掘进过程中工况的变化进行模型更新。结合新疆某隧道工程实例,基于上述方法建立了该工程的总推力预测模型,由独立测试集分析模型的有效性。将本方法的工程计算结果与基于3种常用机器学习方法的计算结果对比分析,结果表明本文方法能够在保持预测精度的同时,有效提高模型更新的计算效率。