利用PLSR-DNN耦合模型预测TBM净掘进速率

作     者：闫长斌 汪鹤健 杨继华 陈馈 周建军 郭卫新 YAN Chang-bin;WANG He-jian;YANG Ji-hua;CHEN Kui;ZHOU Jian-jun;GUO Wei-xin

作者机构：郑州大学土木工程学院河南郑州450001 黄河勘测规划设计研究院有限公司河南郑州450003 中国中铁隧道集团有限公司盾构及掘进技术国家重点实验室河南郑州450001 

基　　金：国家自然科学基金(No.41972270,No.U1504523) 河南省重点研发与推广专项(No.182102210014) 盾构及掘进技术国家重点实验室开放课题(No.SKLST-2019-K06) 

出 版 物：《岩土力学》 (Rock and Soil Mechanics)

年 卷 期：2021年第42卷第2期

页      码：519-528页

摘      要：科学预测隧道掘进机(TBM)净掘进速率,对于隧道(洞)工程施工方法选择、施工进度安排以及成本估计具有重要意义。鉴于TBM施工过程具有高度非线性、模糊性和复杂性等特征,为提高TBM净掘进速率的预测精度和计算效率,采用偏最小二乘回归(PLSR)提取影响参数主成分,再利用深度神经网络(DNN)进行训练预测,提出了一种基于PLSR-DNN耦合方法的TBM净掘进速率预测模型。基于兰州水源地建设工程输水隧洞双护盾TBM施工实测数据,选择岩石单轴抗压强度、单轴抗拉强度、刀盘推力、刀盘转速、岩体完整性系数和岩石耐磨性指数,共6个影响参数,验证了模型预测的合理性,并对不同预测方法的拟合精度和预测精度进行了对比分析。研究结果表明:(1)偏最小二乘回归可有效克服自变量之间的多重共线性问题,将提取的主成分作为深度神经网络的输入层进行训练,简化了神经网络结构;(2)PLSR-DNN耦合预测模型避免了过拟合与拟合不足问题,具有收敛速度快,求解稳定和拟合精度高等特点;(3)PLSR-DNN耦合预测模型平均相对拟合误差2.96%,平均相对预测误差3.27%,其拟合精度和预测精度均明显高于偏最小二乘回归模型、BP神经网络模型以及支持向量回归(SVR)模型。

主 题 词：隧道掘进机 净掘进速率 偏最小二乘回归 深度神经网络 耦合预测模型 

学科分类：081406[081406] 08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.16285/j.rsm.2020.0164

馆 藏 号：203101968...