科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于直径为7.8 m的深埋硬岩隧道掘进机(TBM)隧道现场掘进数据与地质数据,提出一种基于长短期记忆(LSTM)神经网络的TBM掘进参数时序预测模型,选择转速、扭矩、推力、净掘进速度、施工速度和开挖比能作为模型的输入变量和输出变量。为了评估地层条件对LSTM模型预测精度的影响,分别建立不同围岩等级下的掘进参数预测模型,对预测结果进行误差分析,并将LSTM模型与传统回归模型的预测结果进行对比。研究结果表明:围岩等级越高模型预测精度越高,施工速度在各级围岩中的预测效果最差,推力和净掘进速度的预测效果最好;LSTM模型的相对误差率、拟合优度、平均绝对百分比误差、均方根误差均明显比传统回归模型的更优。
- 单位
