[口头报告]基于TBM贯入度等级矩阵的围岩分类预测方法

基于TBM贯入度等级矩阵的围岩分类预测方法
编号:173 访问权限:仅限参会人 更新:2024-10-16 17:13:39 浏览:227次 口头报告

报告开始:2024年10月20日 08:00 (Asia/Shanghai)

报告时间:10min

所在会议:[S13] 分论坛十三、研究生科技论坛 Ⅲ » [S13-1] 分论坛十三上午场

演示文件

提示:该报告下的文件权限为仅限参会人,您尚未登录,暂时无法查看。

摘要
围岩分类的精准预测对TBM安全高效掘进具有重要意义,可为隧道施工、支护选型、工程造价等提供重要参考。TBM掘进参数中反映岩机相互作用的关键破岩参数可以有效表征掌子面岩体条件,本研究以上升段关键破岩参数作为输入,提出了一种基于贯入度等级矩阵的特征提取方法,将输入参数按照贯入度等级生成均值、标准差、最大值、变异系数四个特征值矩阵,借助随机森林(RF)、轻量梯度提升机(lightGBM)、卷积神经网络(CNN)三种机器学习模型对围岩类别进行训练预测,并以传统的均值特征提取方法输入三种机器学习模型作为对照。结果表明:相较于以均值为输入,以贯入度等级矩阵为输入时,三种机器学习模型在测试集上的F1_score分别提升了20.63%、16.67%和12.5%;通过贯入度等级矩阵进行特征提取可以有效挖掘参数特征,可为TBM数据深度挖掘提供参考。
关键字
报告人
于洪伟
博士 北京交通大学

北京交通大学土木建筑工程学院2024级博士生,师从李旭教授,发表学术论文3篇,曾获第二届“TBM掘进参数数据分享与机器学习竞赛”一等奖。

发表评论
验证码 看不清楚,更换一张
全部评论
提交摘要
注册参会
酒店预订