期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PSO-LSSVM算法的隧道掘进机掘进参数预测方法
被引量:
1
1
作者
李宏波
张冬月
葛学元
《科学技术与工程》
北大核心
2023年第14期6230-6237,共8页
为了规避隧道掘进机(tunnel boring machine,TBM)掘进参数人为设定的主观性,提出了一种基于粒子群-最小二乘支持向量机算法(PSO-LSSVM)的TBM掘进参数预测方法。通过从海量TBM工程掘进数据中探寻参数变化规律,降低了TBM主司机设定掘进参...
为了规避隧道掘进机(tunnel boring machine,TBM)掘进参数人为设定的主观性,提出了一种基于粒子群-最小二乘支持向量机算法(PSO-LSSVM)的TBM掘进参数预测方法。通过从海量TBM工程掘进数据中探寻参数变化规律,降低了TBM主司机设定掘进参数的主观性,辅助其合理选择掘进参数,有利于提高掘进效率、规避工程风险,经实验和工程数据验证,PSO-LSSVM算法通过对样本粒子全局迭代寻优来优化参数,提升了预测算法泛化能力和预测精度,对推力、扭矩和推进速度参数预测数值偏差满足要求,可辅助指导主司机设定掘进参数。
展开更多
关键词
隧道掘进机(tunnel
boring
machine
TBM)
掘进参数
粒子群(particle
swarm
optimization
PSO)
支持向量机(support
vector
machine
SVM)
参数预测
下载PDF
职称材料
题名
基于PSO-LSSVM算法的隧道掘进机掘进参数预测方法
被引量:
1
1
作者
李宏波
张冬月
葛学元
机构
中机新材料研究院(郑州)有限公司
盾构及掘进方法国家重点实验室
北京机科国创轻量化科学研究院有限公司
出处
《科学技术与工程》
北大核心
2023年第14期6230-6237,共8页
基金
国家重点研发计划(2020YFB2006803,2020YFB2006803,2020YFB1709504)
河南省科技攻关项目(212102310270)。
文摘
为了规避隧道掘进机(tunnel boring machine,TBM)掘进参数人为设定的主观性,提出了一种基于粒子群-最小二乘支持向量机算法(PSO-LSSVM)的TBM掘进参数预测方法。通过从海量TBM工程掘进数据中探寻参数变化规律,降低了TBM主司机设定掘进参数的主观性,辅助其合理选择掘进参数,有利于提高掘进效率、规避工程风险,经实验和工程数据验证,PSO-LSSVM算法通过对样本粒子全局迭代寻优来优化参数,提升了预测算法泛化能力和预测精度,对推力、扭矩和推进速度参数预测数值偏差满足要求,可辅助指导主司机设定掘进参数。
关键词
隧道掘进机(tunnel
boring
machine
TBM)
掘进参数
粒子群(particle
swarm
optimization
PSO)
支持向量机(support
vector
machine
SVM)
参数预测
Keywords
tunnel boring machine(TBM)
excavation parameters
particle swarm optimization(PSO)
support vector machine(SVM)
parameter prediction
分类号
U45 [建筑科学—桥梁与隧道工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PSO-LSSVM算法的隧道掘进机掘进参数预测方法
李宏波
张冬月
葛学元
《科学技术与工程》
北大核心
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部