共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于PSO-BP的土压盾构土仓压力预测模型及掘进参数敏感性分析显示文摘盾构掘进过程中,为防止地表沉降或隆起,土仓压力的预测与控制至关重要.本文基于哈尔滨地铁3号线大有坊—太平桥区间右线盾构掘进监测数据,建立了一种基于粒子群算法优化的BP神经网络(PSO-BP)的土仓压力预测模型.该模型以螺旋机转速、刀盘扭矩、推进速度、刀盘转速、加泥流量、总推进力为输入,以土仓压力为输出,在测试集上预测平均绝对百分比误差(MAPE)为6.28%,可决系数(R2)为0.8313,能较精确地预测土仓压力.选用全局敏感性分析方法,获取了不同掘进参数的总敏感性排序:加泥流量>螺旋机转速>总推进力>刀盘扭矩>刀盘转速>推进速度,并分析了不同掘进参数耦合作用对土仓压力的影响.采用多项式拟合的方法,得到了掘进参数与土仓压力之间的函数关系式.研究结果可为实现盾构土压平衡过程中掘进参数的合理高效调节提供新的思路. | 林春金 杨晓达 龚英杰 丁万涛 程旭东 刘运生 | 2021 | 应用基础与工程科学学报2021，29，5： | 11 |
| 2 | 基于机器学习的EPB盾构土仓压力预测方法研究显示文摘为了避免因土压平衡盾构(EPB)土仓压力失衡造成的掌子面失稳、地层缺失和地表沉降等后果,将GA算法嵌入到PSO算法进行参数优化,结合灰色理论建立基于灰色最小二乘支持向量机的土仓压力预测模型,并以实际工程为案例进行了验证。研究结果表明:GA-PSO-GLSSVM土仓压力预测模型将总推力、刀盘扭矩、推进速度、螺旋机转速、螺旋机扭矩、注浆量6种掘进参数作为输入集,综合考虑了盾构掘进参数之间的相互影响,使预测模型更符合实际;该预测模型综合了GA算法的全局搜索能力、PSO算法的快速收敛能力和GM模型抗扰动能力,提高了复杂地层EPB土仓压力预测的精度;与其他预测模型预测结果的对比表明,GA-PSO-GLSSVM模型预测结果的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、可决系数(R^(2))明显优于其他模型,预测结果拟合优度和精确度更高,对砂卵石这类复杂地层中EPB盾构土仓压力的预测具有显著的适用性。研究结果可为砂卵石地层EPB盾构施工掘进参数控制提供参考。 | 王伟 王兴 徐亮 王美艳 | 2023 | 人民长江2023，54，12： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员