典型文献
基于机器学习的TBM隧道掘进岩爆预测
文献摘要：
岩爆是TBM在深埋隧道掘进时常见的地质灾害,实时准确的岩爆预测对TBM的安全高效掘进有重要工程意义.TBM在不同强烈程度的岩爆地层中掘进时,掘进参数表现出巨大差异,使通过实时掘进参数的特征预测岩爆成为可能.依托引汉济渭岭南TBM施工段,对收集所得的TBM掘进数据与岩爆现场数据进行预处理,构建粗粒度数据集.为提高数据集质量,定义局部标准差指标筛选出精确岩爆区间,构建细粒度数据集.基于4种机器学习模型,以TBM推力、扭矩、贯入度数据的时域特征参数作为输入,岩爆烈度等级作为输出,建立TBM隧道掘进岩爆预测模型.结果表明,以掘进参数的局部标准差为指标所识别出的岩爆区间,明显提高了数据集质量.4种模型中,基于LightGBM算法建立的模型预测效果最好,准确率达84.1％.研究表明,通过掘进参数预测岩爆具有可行性,可作为TBM隧道岩爆预测的一种新途径.
文献关键词：
隧道;掘进机;岩爆预测;机器学习
中图分类号：
作者姓名：
王湘怡;周小雄;卢建炜;龚秋明
作者机构：
北京工业大学城市防灾与减灾教育部重点实验室,北京 100124;清华大学水沙科学与水利水电工程国家重点实验室,北京 100084
文献出处：
引用格式：
[1]王湘怡;周小雄;卢建炜;龚秋明-.基于机器学习的TBM隧道掘进岩爆预测)[J].施工技术（中英文）,2022(20):1-7
A类：
B类：
基于机器学习,TBM,隧道掘进,岩爆预测,深埋隧道,地质灾害,安全高效掘进,进有,参数表,特征预测,引汉济渭,岭南,工段,现场数据,粗粒度,部标,指标筛选,细粒度,机器学习模型,推力,扭矩,贯入度,时域特征,岩爆烈度,LightGBM,掘进参数预测,隧道岩爆,掘进机
AB值：
0.29734
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
