基于深度学习的盾构姿态预测及纠偏研究_中国煤炭行业知识服务平台

基于深度学习的盾构姿态预测及纠偏研究

作者

桂林王飞张雯超
单位

苏州市轨道交通集团南通职业大学建筑工程学院
摘要

以苏州某在建隧道工程为研究背景，基于机器学习技术提出一种盾构姿态预测模型和纠偏方法。首先通过卷积神经网络挖掘盾构姿态数据的空间特征，然后通过双向长短期记忆神经网络挖掘数据的时序特征，紧接着通过注意力机制挖掘重要的时间特征信息。在预测结果的基础上，引入Apriori算法对盾构数据的关联规则提取，并提出盾构姿态纠偏方法。实验结果表明该文提出的盾构姿态预测模型具有较好的泛化能力，且相较于选取的3种基准模型，得到的均方根误差和平均绝对误差值最小，具有更高的预测精度。基于姿态理论控制模型，构建多环姿态控制模型，实现对姿态调整获取参数建议值，为智能化姿态控制提供参考依据。
关键词

盾构隧道机器学习姿态预测纠偏方法注意力机制
基金项目(Foundation)

国家自然科学基金资助项目(51978430)；中天控股集团技术研发项目(ZTCG-GDJTYJS-JSKF-2021001)；
文章目录

1 工程概况
1.1 下穿区间工程概况
1.2 端头加固设计方案
1.3 地质概况及盾构机配置
2 基于深度学习模型的盾构姿态预测
2.1 模型原理
2.2 参数的选取及预处理
2.3 评价指标
2.4 模型预测
2.4.1 损失值
2.4.2 模型对比
3 基于Apriori的姿态纠偏处理
3.1 数据离散化
3.2 Apriori关联分析
3.2.1 算法介绍
3.2.2 关联规则挖掘
3.3 迭代计算获取参数建议值
4 结论
引用格式

[1]桂林,王飞,张雯超.基于深度学习的盾构姿态预测及纠偏研究[J].河北工程大学学报(自然科学版),2024,41(04):82-89.