文献

J-GLOBAL ID：202202233339710341   整理番号：22A0454198

TBM貫入速度と予測プラットフォームを推定するための極端な勾配ブースティング技術【JST・京大機械翻訳】

An extreme gradient boosting technique to estimate TBM penetration rate and prediction platform

著者 (11件)： Wang Yaxu (Geotechnical and Structural Engineering Research Center, Shandong University, Jinan, China) ,  Wang Yaxu (School of Qilu Transportation, Shandong University, Jinan, China) ,  Gao Xuechi (Shandong HI-SPEED Group, Jinan, China) ,  Jiang Peng (Geotechnical and Structural Engineering Research Center, Shandong University, Jinan, China) ,  Jiang Peng (School of Qilu Transportation, Shandong University, Jinan, China) ,  Guo Xu (Geotechnical and Structural Engineering Research Center, Shandong University, Jinan, China) ,  Wang Ruirui (Geotechnical and Structural Engineering Research Center, Shandong University, Jinan, China) ,  Wang Ruirui (School of Civil Engineering, Shandong Jianzhu University, Jinan, China) ,  Guan Zengda (School of Business, Shandong Jianzhu University, Jinan, China) ,  Chen Lei (Geotechnical and Structural Engineering Research Center, Shandong University, Jinan, China) ,  Xu Chenxing (Beijing Vibroflotation Engineering Company Limited, Beijing, China)
資料名： Bulletin of Engineering Geology and the Environment  (Bulletin of Engineering Geology and the Environment)
巻： 81  号： 1  ページ： 58  発行年： 2022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： トンネル掘削機(TBM)の浸透速度(PR)の正確な予測は,トンネル掘削のスケジュールとコスト推定に不可欠である。現代の情報構築の要求を満たすために,より多くのコンピュータ技術は,構成データの解析と管理を統合するために使用した。ここでは,アンサンブル学習(極値勾配ブースティング(XGBoost))を用いたデータマイニングアルゴリズムに基づくオンライン予測プラットフォームをTBM性能予測のために開発した。プラットフォームは,モデルを確立し,予測結果を示し,一方,かなりの量の機械データを保存し,同時に複数のプロジェクトのTBMsのためのサービスを提供する。予測モデルの確立において,ユーザは工学状況に従ってアルゴリズムパラメータを変えることができる。プラットフォームの予測能力は,吉林におけるSonghua川水輸送プロジェクトから得た200の現場サンプルによって実証した。平均絶対百分率誤差,決定係数,二乗平均平方根誤差,(VAF)の変動係数,およびPRの20指数は,それぞれ,6.07%,0.8651,3.5862,87.06%,および0.925であった。結果は,予測モデルには信頼できる予測精度があり,勾配ブースティングディシジョンツリーのものより高く,これらの結果をオンラインプラットフォームで表示できることを示した。それは,TBMインテリジェントトンネル掘削のための効果的援助を提供した。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  トンネル掘進機 ,  *トンネル掘削 ,  変動係数 ,  予測モデル ,  データマイニング
準シソーラス用語： 水輸送 ,  アンサンブル学習 ,  予測精度 ,  *ブースティング ,  オンライン ,  決定係数 ,  予測能力 ,  浸透速度 , 【Automatic Indexing@JST】

著者キーワード (4件)： TBM性能予測 ,  オンライン予測プラットフォーム ,  XGBoost ,  アンサンブル学習

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 (6件)： TBM ,  貫入 ,  予測 ,  プラットフォーム ,  推定 ,  勾配ブースティング