[口头报告]面向基于数据驱动的隧道工程不平衡数据集识别策略

主办单位

中国土木工程学会隧道及地下工程分会

中山大学

承办单位

隧道工程灾变防控与智能建养全国重点实验室

中山大学土木工程学院
广东省海洋土木工程重点实验室
广东省地下空间开发工程技术研究中心

武汉企泰艾会科技有限公司

广东双威文化科技集团有限公司

协办单位

珠海市规划设计研究院
广州地铁设计研究院股份有限公司
中交第四航务工程局有限公司

中铁十四局集团有限公司
湖南创路安科技有限公司
湖南联智科技股份有限公司
广东省土木建筑学会地下工程专业委员会

支持单位

广州市市政工程设计研究总院有限公司
保利长大工程有限公司
广东省建筑科学研究院集团股份有限公司
中铁第四勘察设计院集团有限公司

中铁二院工程集团有限责任公司

中铁设计城市轨道交通设计研究院
中铁一局集团有限公司
西南交通大学

成都天佑智隧科技有限公司
深圳大学
河南华路汽车有限公司

南京康泰建筑灌浆科技有限公司
北京卓越金控高科技有限公司
洛阳恒诺锚固技术有限公司
深圳市亿东阳建材有限公司
淮南市盛杰锚固材料有限责任公司
济南去来机电科技有限公司
四川德翔科创仪器有限公司
中建材中岩科技有限公司

上海卓致力天科技发展有限公司

济南商泰试验仪器有限公司

（征集中，欢迎加盟）

支持媒体

中国土木工程学会隧道及地下工程分会（https://www.cces-tuwb.com/）
隧道网（https://www.tunnelling.cn/）

岩土网（https://www.yantuchina.com/）
中国公路学报
铁道科学与工程学报
岩石力学与工程学报
岩土工程学报
岩土力学
中南大学学报(自然科学版)
华中科技大学学报(自然科学版)
西南交通大学学报(自然科学版)
现代隧道技术
隧道建设(中英文)
公路交通科技
路基工程
隧道与地下工程灾害防治

重要日期

面向基于数据驱动的隧道工程不平衡数据集识别策略

编号：18 访问权限：仅限参会人更新：2024-10-16 17:22:46 浏览：275次口头报告

报告开始：2024年10月20日 10:25 （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

数据驱动的方法有望通过提供智能决策支持，革新机械化隧道掘进。隧道施工现场的数据通常是构建智能模型的基础。然而，机械化隧道掘进领域中，数据类别不平衡现象广泛存在。数据驱动模型往往难以准确预测样本数量较少的类别，尽管这些稀缺类别在实际应用中至关重要。为解决这一瓶颈，本研究提出了一种基于委员会主动学习的不平衡样本识别策略。该策略通过构建多个委员会模型来量化代理预测中的不确定性。对于预测不确定性较高的样本，将从验证数据中进行有放回的重采样，以迭代增强训练数据，从而提高模型处理不平衡数据集的能力。本研究通过将该策略应用于机械化隧道掘进中的围岩等级预测和渣土堵塞预测等实际案例，验证了其有效性。结果表明，该策略显著提高了少数类别的预测准确性。此外，研究还发现，“熵方法”和“权重方法”都能有效量化样本的学习难度。该策略同样适用于其他工程和科学领域。

关键字

机器学习;TBM;不平衡数据;围岩分类;泥饼预测;主动学习

报告人

袁潇

博士研究生 中南大学土木工程学院

袁潇是中南大学土木工程学院的博士研究生，研究方向为TBM隧道掘进智能化技术。目前，已在土木工程领域的权威期刊《Computer-Aided Civil and Infrastructure Engineering》（影响因子9.6）和《Computers and Geotechnics》（影响因子5.2）上发表学术论文。此外，袁潇还申请了两项专利。