科研之友
微信
新浪微博
Facebook
分享链接
摘要
隧道掘进机（TBM）对于地质条件的高度敏感性以及TBM设备高度智能化和最终实现无人驾驶，对精准预测TBM掘进速度均提出了更高要求.为了未来实现TBM智能化控制，采用线性递减惯性权重对粒子群算法（PSO）进行改进，并把改进的粒子群算法和最小二乘支持向量机（LSSVM）相结合，建立了改进的PSO-LSSVM掘进速度预测模型.基于美国纽约Queens NO.3隧道的153组实验获得的岩体参数和现场实测掘进速度，采用SPSS软件进行了相关性分析，验证了参数的适用性，采用改进的PSO-LSSVM模型进行掘进速度预测，并通过与传统LSSVM模型和PSO-LSSVM模型进行对比发现：采用线性递减惯性权重改进的PSO-LSSVM预测模型的决定系数在训练集和测试集中均达到0.95及以上，均方误差在0.01以内，明显优于传统模型.本文所建模型在TBM掘进速度预测中有明显的精度优势，可辅助TBM智能化施工.
-
单位中水北方勘测设计研究有限责任公司; 华北水利水电大学
