基于优化BP神经网络的TBM性能预测
赵光祖1
王亚旭1
李尧1
徐受天2
陈帅2
1.山东大学岩土与结构工程研究中心,山东济南2500612.中铁工程装备集团有限公司,河南郑州450016
摘要：由于隧道掘进机(tunnel boring machine,TBM)掘进速度与机器参数、岩体参数之间的非线性关系复杂,难以准确预测,为了构建可靠的TBM性能预测模型,分析TBM掘进速度的主要影响因素,提出应用模拟退火算法(SA)和遗传算法(GA)优化BP神经网络的TBM性能预测模型,并使用吉林引松供水工程的TBM数据库对GA-BP模型和SA-BP模型进行训练测试.结果 表明,与传统BP神经网络方法相比,优化后的模型预测泛化性更好,且精度明显提高.优化后的BP神经网络能在一定程度上克服易陷入局部最优的缺陷,应用于TBM性能预测具有良好表现.
关键词：隧道掘进机掘进速度岩体参数神经网络
分类号：U45(隧道工程)
资助基金：国家重点基础研究发展计划（973计划）(2015CB058101)国家自然科学基金(51739007)国家重点研发计划(2016YFC0401805)山东省重点研发计划项目(Z135050009107)山东大学基本科研业务费专项(2018GN020)
论文发表日期：2020-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 139-145 )
英文信息