文献
J-GLOBAL ID:201902220208412163   整理番号:19A1661781

データ処理のグループ法に基づく新しいモデルによるトンネル掘削機性能の予測【JST・京大機械翻訳】

Predicting tunnel boring machine performance through a new model based on the group method of data handling
著者 (6件):
資料名:
巻: 78  号:ページ: 3799-3813  発行年: 2019年 
JST資料番号: W4126A  ISSN: 1435-9529  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: ドイツ (DEU)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
過去数十年に開発されたトンネル掘削機(TBM)は,トンネル掘削のプロセスをより安全で経済的にするために設計されている。土木および採鉱建設プロジェクトにおけるTBMの使用は,経済的考察およびスケジュールデッドラインを含むいくつかの要因によって制御される。したがって,TBM性能を推定するための改良された方法は将来のプロジェクトにとって重要である。本論文は,TBMの浸透率(PR)を予測するためのデータ処理(GMDH)のグループ法に基づく新しいモデルを提示した。この目的を達成するために,PRの最も効果的なパラメータの調査の後,岩石品質設計,一軸圧縮強度,岩盤評価,ブラジルの引張強度,風化帯,カッター当たりの推力力,および微細な回転を選択し,TBM PRを推定するために測定した。209のデータセットから成るデータベースを,上述のモデル入力と出力に従って調製した。次に,GMDHの最も影響力のある因子に基づいて,一連のパラメータ調査を確立したデータベースに関して実施した。次のように,訓練と試験の異なる集合を持つ5つの異なるデータセットを選択し,GMDHモデルを構築するために使用した。それとは別に,5つの多重回帰(MR)モデル/方程式も,比較目的のためにTBM PRを予測するために提案された。その後,得られた結果を評価するためにランキングシステムを用いた。結果として,[すなわち,決定係数(R2)=0.946および0.924,二乗平均二乗誤差(RMSE)=0.141および0.169]の性能予測結果は,TBM PRの推定においてGMDHモデルの高い精度レベルを示した。両方の方法はPRの推定に適用できるが,GMDHはより高い精度を提供することができ,この分野における新しいモデルとして導入することができる。Copyright 2018 Springer-Verlag GmbH Germany, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
土圧,土の動的性質,地盤の応力と変形  ,  斜面安定,掘削変形  ,  自然災害 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る