论文摘要
盾构掘进参数选取以及施工扰动控制一直是盾构工法中的关注重点,而基于实测数据挖掘理论的机器学习方法对此类问题有很好的适用性。为此,文章提出一种基于机器学习的盾构隧道施工扰动控制方法,首先借助机器学习建立地表沉降智能预测控制模型,并根据掘进参数有效预测可能发生的地表变形值;然后以地表沉降值最小为目标函数,对掘进参数进行寻优,优化获得施工扰动最小的掘进参数集。通过应用实例,采用最小二乘支持向量机和粒子群算法建立了以盾构掘进参数实时采样值为输入量、以地表沉降为输出变量的地表沉降预测控制器,基于建立的预测模型,以控制地表变形为目标对掘进参数设定值进行寻优,最终将盾构施工扰动控制在允许范围内。实践证明,此方法简单易行,能够快速分析现场采集的掘进参数,并进行施工反馈。
论文目录
文章来源
类型: 期刊论文
作者: 王鹏
关键词: 地铁,施工扰动控制,机器学习,盾构隧道,掘进参数
来源: 现代隧道技术 2019年S2期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 铁路运输,公路与水路运输,自动化技术
单位: 南京地铁建设有限责任公司
分类号: TP181;U455.4;U231.3
DOI: 10.13807/j.cnki.mtt.2019.S2.053
页码: 368-373
总页数: 6
文件大小: 746K
下载量: 125