基于马尔可夫过程和深度神经网络的TBM围岩识别

作     者：毛奕喆 龚国芳 周星海 王飞 MAO Yi-zhe;GONG Guo-fang;ZHOU Xing-hai;WANG Fei

作者机构：浙江大学流体动力与机电系统国家重点实验室浙江杭州310027 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2021年第55卷第3期

页      面：448-454,547页

核心收录：

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：国家重点研发计划资助项目(2018YFB1702503 2017YFB1302602 2017YFB1302604) 

主　　题：隧道掘进机(TBM) 马尔可夫过程 深度神经网络 围岩识别 预测 

摘      要：为了实现隧道围岩的实时识别,基于马尔可夫过程和深度神经网络模型,提出将先验围岩信息和掘进参数结合,作为深度神经网络输入的隧道掘进机(TBM)围岩实时识别方法.根据施工现场地质勘探资料,用马尔可夫过程的隧道围岩分类方法预测隧道沿线的围岩分布概率;将该围岩分布概率作为先验围岩信息,结合TBM掘进参数作为神经网络输入,真实围岩类别作为输出,训练深度神经网络以实现对TBM前方围岩的实时识别.使用工程现场数据进行对比实验,结果表明,所设计的深度神经网络模型的围岩总体识别率高于96%.相比于仅将掘进参数作为输入,当结合先验围岩信息和掘进参数作为输入时,模型围岩识别率提高6%以上.