考虑不确定性的TBM施工速度加权随机森林预测模型

作     者：闫长斌 高子昂 姚西桐 汪鹤健 杨风威 杨继华 卢高明 YAN Changbin;GAO Ziang;YAO Xitong;WANG Hejian;YANG Fengwei;YANG Jihua;LU Gaoming

作者机构：郑州大学土木工程学院河南郑州450001 广西交通设计集团有限公司广西南宁530029 国网河南省电力公司开封供电公司河南开封475000 黄河勘测规划设计研究院有限公司河南郑州450003 盾构及掘进技术国家重点实验室河南郑州450001 

基　　金：国家自然科学基金项目(41972270,42002281) 盾构及掘进技术国家重点实验室开放基金项目(SKLST-2019-K06) 水利部黄河流域水治理与水安全重点实验室(筹)研究基金项目(2022-SYSJJ-06) 

出 版 物：《岩土工程学报》 (Chinese Journal of Geotechnical Engineering)

年 卷 期：2023年第45卷第12期

页      码：2575-2583页

摘      要：TBM施工速度影响因素众多,具有显著的不确定性。对于地质参数的模糊性,采用岩体分级系统RMR、岩石耐磨性CAI和岩石硬度H衡量地质条件;对于施工过程中机械参数的随机性,利用TBM刀盘推力TF与转速RPM等主动控制参数进行分析;同时提出以其他因素停机时间占比来量化人为因素的不确定性。依托兰州水源地建设工程输水隧洞双护盾TBM施工实测数据,建立了考虑不确定性的TBM施工速度预测数据库和加权随机森林算法模型,并与随机森林、支持向量回归、BP神经网络等预测方法进行了对比分析。研究表明,加权随机森林模型中测试集的预测结果均方根误差和决定系数分别为1.59,0.97,预测精度及可靠性均优于其他3种模型。该模型采用不同权重赋值的方法优化超参数,具有高精度、不易过拟合等优点,表现出更好的泛化能力和鲁棒性。

主 题 词：隧道掘进机(TBM) 施工速度 不确定性 加权随机森林 支持向量回归 神经网络 预测模型 

学科分类：081406[081406] 08[工学] 081401[081401] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.11779/CJGE20221139

馆 藏 号：203124925...