文献

J-GLOBAL ID：202102289952833769   整理番号：21A3171705

シールド機械トンネル地質編隊認識のための新しい制約高密度畳込みオートエンコーダとDNNベース半教師つき法【JST・京大機械翻訳】

A novel constrained dense convolutional autoencoder and DNN-based semi-supervised method for shield machine tunnel geological formation recognition

著者 (7件)： Yu Honggan (State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Tao Jianfeng (State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Qin Chengjin (State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Liu Mingyang (State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Xiao Dengyu (State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Sun Hao (State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Liu Chengliang (State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 165  ページ： Null  発行年： 2022年 
JST資料番号： T0514A  ISSN： 0888-3270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： トンネル面の地質情報を正確に取得することは,最適操作パラメータを設定するのを助け,シールド機はより良いトンネル性能を達成できる。シールド機械の設計は,周辺環境を直接観測することからオペレータを防止して,間接的に地質条件を認識するために機械パラメータを利用することができるソフト方法は,研究ホットスポットになった。しかしながら,現在のソフト方法は,地質型ラベルで少数のマシンデータだけを使用することができるすべての教師つき方法であり,ラベル付けされたマシンデータよりはるかに多いラベルなしマシンデータを浪費した。地質地層認識モデルの性能を高めるために,すべての収集したin situデータを作るために,新しい制約付き高密度畳込み自動エンコーダとDNNベースの半監督法を提案した。まず,地質条件に関連した177の機械パラメータを選択し,前処理した。次に,新しい地質特徴抽出器を,提案した制約付き高密度畳込み自動符号器とラベルなしデータを通して得た。最終的に,DNNベース地質特徴分類器を,確立された特徴抽出器とラベル付き機械データに基づいて訓練し,トンネル面の地質形成を認識できる。シンガポールプロジェクト(積層ツインボーリングトンネル)から収集した現場データを用いて,提案した方法の優位性を証明した。結果は,制約された高密度畳込みオートエンコーダが正確に地質関連特徴を抽出することができて,提案方法が他の教師つきソフト方式より優れていることを示した。1つのトンネルにおける分類性能は,ランダム森林ベース,決定木ベース,KNNベース,およびSVMベースの方法より,それぞれ23.98%,17.47%,1.93%,および18.52%高かった。別のトンネルにおける分類性能は,ランダム森林ベース,SVMベース,決定木ベース,DNNベース,KNNベース,CNNベース,ResNetベース,および高密度Netベースの方法より,それぞれ33.54%,33.75%,42.87%,43.58%,33.75%,49.91%,37.77%,および27.04%高かった。したがって,新しい半教師つき方法は,現在採用されている教師つきソフト法よりも,かなり優れた一般化可能性を有した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  オペレータ ,  *シールド掘進機 ,  前処理 ,  特徴抽出 ,  *符号器 ,  *シールド ,  ディシジョンツリー ,  地層 ,  *地質 ,  ホットスポット ,  認知モデル
準シソーラス用語： 半教師つき学習 ,  ランダムフォレスト ,  *自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (5件)： 地層形成認識 ,  シールド機 ,  半教師つき学習 ,  制約付き高密度畳込みオートエンコーダ ,  パラメータ選択

分類 (2件)： 人工知能  (JE08000Z) ,  トンネル工事  (RC05031E)

タイトルに関連する用語 (9件)： シールド ,  トンネル ,  地質 ,  編隊 ,  制約 ,  高密度 ,  畳込み ,  オートエンコーダ ,  教師