-
题名复合地层小直径隧道掘进机掘进速度区间预测
- 1
-
-
作者
杨耀红
韩兴忠
张智晓
刘德福
孙小虎
-
机构
华北水利水电大学水利学院
河南省水圈与流域水安全重点实验室
中州水务控股有限公司
中水北方勘测设计研究有限责任公司
-
出处
《科学技术与工程》
北大核心
2023年第34期14638-14650,共13页
-
基金
国家自然科学基金(51679089,42007158)
河南省学科创新引智基地项目(GXJD004)。
-
文摘
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。
-
关键词
复合地层
小直径隧道掘进机(tunnel
boring
machine
TBM)
掘进速度
区间预测
BOOTSTRAP方法
核极限学习机(kernel
based
extreme
learning
machine
KELM)
神经网络
-
Keywords
mixed face ground
small-diameter TBM(tunnel boring machine)
penetration rate
interval prediction
Bootstrap method
kernel-based extreme learning machine
artificial neural network
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-