基于深度学习的盾构姿态预测及纠偏研究

摘要：

以苏州某在建隧道工程为研究背景,基于机器学习技术提出一种盾构姿态预测模型和纠偏方法.首先通过卷积神经网络挖掘盾构姿态数据的空间特征,然后通过双向长短期记忆神经网络挖掘数据的时序特征,紧接着通过注意力机制挖掘重要的时间特征信息.在预测结果的基础上,引入Apriori算法对盾构数据的关联规则提取,并提出盾构姿态纠偏方法.实验结果表明该文提出的盾构姿态预测模型具有较好的泛化能力,且相较于选取的 3 种基准模型,得到的均方根误差和平均绝对误差值最小,具有更高的预测精度.基于姿态理论控制模型,构建多环姿态控制模型,实现对姿态调整获取参数建议值,为智能化姿态控制提供参考依据.

关键词：盾构隧道、机器学习、姿态预测、纠偏方法、注意力机制

所属期刊栏目：41

分类号：TU472(土力学、地基基础工程)

资助基金：国家自然科学基金;中天控股集团技术研发项目

在线出版日期：2024-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：82-89