文献

J-GLOBAL ID：202202240069784472   整理番号：22A1204637

掘削パラメータインバージョンに基づくTBM周辺岩レベル予測識別法研究【JST・京大機械翻訳】

Prediction and Identification Method of Tunnel Boring Machine Surrounding Rock Grade Based on Tunneling Parameters Inversion

著者 (1件)： Li Hongbo (盾構及掘進技術国家重点実験室, 河南 鄭州 450001;中鉄隧道局集団有限公司, 广東 广州 511458)
資料名： Suidao Jianshe (Zhong Ying Wen)  (Suidao Jianshe (Zhong Ying Wen))
巻： 42  号： 1  ページ： 75-82  発行年： 2022年 
JST資料番号： C3925A  ISSN： 2096-4498  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： TBM掘削パラメータおよび岩盤レベルの関係を探るために,岩盤情報相互供給知覚の動的調整を達成し,そして,TBM主ドライバーを補助して,掘削パラメータを調整する目的を補助した。データクリーニング,分布統計,および知的予測を用いて,自己組織化ニューラルネットワーククラスタリングと最小二乗サポートベクトルマシン(LSSVM)に基づく岩盤レベル予測識別法(SOM-SVM)を確立した。主な結論は以下のとおりである:1)単一完全TBM掘進サイクルは空押し段、上昇段と安定段に分けられ、各掘進パラメーターは正規分布関係に従う。2)スラスト深さ指数(FPI)とカッタートルク回転深さ指数(TPI)はトンネル岩石の掘削困難さを反映し、FPT、TPIと周辺岩石等級の近似は線形関係を呈し、このパラメータを用いて岩盤の敏感因子のインバージョン予測として岩盤の等級を識別できる。3)干渉異常データサンプル点の前処理は,SOM-SVM周辺岩石予測モデルの収束中心と変動半径にある程度影響し,データ前処理は,岩盤の等級予測のための正確な認識の鍵である。4)標準試験データおよび工学データによって,異なるSVMカーネル関数は,岩盤の等級予測識別に対して,大きな影響を持ち,そして,線形カーネル,多項式カーネルおよびガウス放射状基底核関数は,それぞれ,70.8%,81.2%および87.6%であった。岩盤等級予測認識モデルは,高い予測精度と良いロバスト性を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  多項式 ,  正規分布 ,  推力 ,  トンネル ,  *岩石 ,  岩盤 ,  *掘削 ,  核関数 ,  自己組織化 ,  ロバスト性 ,  予測モデル
準シソーラス用語： 予測精度 ,  Kernel関数 ,  最小二乗-サポートベクトルマシン , 【Automatic Indexing@JST】

分類 (1件)： トンネル工事用機械・設備  (RC05032V)

タイトルに関連する用語 (7件)： 掘削 ,  TBM ,  周辺 ,  岩 ,  予測 ,  識別 ,  研究