文献

J-GLOBAL ID：202002235572995337   整理番号：20A1125805

tbmの利用因子予測のための知的モデルの実現可能性【JST・京大機械翻訳】

Feasibility of Intelligent Models for Prediction of Utilization Factor of TBM

著者 (5件)： Noori Alireza Mohammadi (Faculty of Mining and Metallurgical Engineering, Urmia University of Technology, Urmia, Iran) ,  Mikaeil Reza (Faculty of Mining and Metallurgical Engineering, Urmia University of Technology, Urmia, Iran) ,  Mokhtarian Mojtaba (Faculty of Mining and Metallurgical Engineering, Urmia University of Technology, Urmia, Iran) ,  Haghshenas Sina Shaffiee (Department of Civil Engineering, University of Calabria, Rende, Italy) ,  Foroughi Mohammad (Faculty of Mining and Metallurgical Engineering, Urmia University of Technology, Urmia, Iran)
資料名： Geotechnical and Geological Engineering  (Geotechnical and Geological Engineering)
巻： 38  号： 3  ページ： 3125-3143  発行年： 2020年 
JST資料番号： H0941A  ISSN： 0960-3182  CODEN： GGENE3  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： 都市トンネル建設におけるトンネル掘削機(TBM)の性能予測は,トンネルプロジェクト実施の時間とコストを最小化する能力によりトンネル専門家を考慮している。TBMの利用率は最も重要な因子の1つであり,TBM性能を示す。本研究は,TBMの性能を評価するために利用率を予測するための高度な知的モデルを提供し,したがって,本研究の目的は,最良の予測モデルを決定するために,ニューラルネットワーク粒子群最適化(ANN-PSO)の多重線形回帰(MLR),人工ニューラルネットワーク(ANN)およびハイブリッドアルゴリズムを含む3つの予測モデルを比較することである。本研究において,テヘラン地下鉄のライン7に関するトンネルの東西セクションのデータを事例研究として用いて,その利用因子を44の作業日において計算して,影響因子はこの研究の間に採取して使用した地質条件の因子,TBMの技術的性質および技術的測定因子を含んだ。最終的に,両方の方法から得られたモデルの性能指標の比較は,R2=0.998,RMSE=0.023,およびVAF=99.634を含むモデルのための適切な性能指標を有するANN-PSOハイブリッドアルゴリズムがANNと比較して利用率を予測するのにより高い精度を持つことを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： トンネル掘進機 ,  *ニューラルネットワーク ,  事例研究 ,  地質 ,  予測モデル
準シソーラス用語： 粒子群最適化 ,  性能予測 ,  都市トンネル ,  影響因子 ,  性能指標 ,  テヘラン ,  ハイブリッドアルゴリズム ,  多重線形回帰 , 【Automatic Indexing@JST】

著者キーワード (7件)： トンネル ,  利用因子 ,  軟弱土 ,  tbm ,  MLR ,  ANN ,  ANN-PSO

分類 (2件)： トンネル工事  (RC05031E) ,  トンネル工事用機械・設備  (RC05032V)

タイトルに関連する用語 (5件)： TBM ,  因子 ,  予測 ,  モデル ,  実現可能性