检索结果-南通市图书馆

Modelling the performance of EPB shield tunnelling using machine and deep learning algorithms

Geoscience Frontiers 2021年第5期12卷 81-92页

作者： Song-Shun Lin Shui-Long Shen Ning Zhang Annan Zhou Department of Civil Engineering School of Naval ArchitectureOceanand Civil EngineeringShanghai Jiao Tong UniversityShanghai 200240China MOE Key Laboratory of Intelligent Manufacturing Technology College of EngineeringShantou UniversityShantouGuangdong 515063China Discipline of Civil and Infrastructure School of EngineeringRoyal Melbourne Institute of Technology(RMIT)Victoria 3001Australia Shanghai Key Laboratory for Digital Maintenance of Buildings and Infrastructure Shanghai Jiao Tong UniversityShanghai 200240China

This paper introduces an intelligent framework for predicting the advancing speed during earth pressure balance(EPB)shield tunnelling.Five artificial intelligence(AI)models based on machine and deep learning techniques-back-propagation neural network(BPNN),extreme learning machine(ELM),support vector machine(SVM),long-short term memory(LSTM),and gated recurrent unit(GRU)-are used.Five geological and nine operational parameters that influence the advancing speed are considered.A field case of shield tunnelling in Shenzhen City,China is analyzed using the developed models.A total of 1000 field datasets are adopted to establish intelligent models.The prediction performance of the five models is ranked as GRU>LSTM>SVM>ELM>BPNN.Moreover,the Pearson correlation coefficient(PCC)is adopted for sensitivity analysis.The results reveal that the main thrust(MT),penetration(P),foam volume(FV),and grouting volume(GV)have strong correlations with advancing speed(AS).An empirical formula is constructed based on the high-correlation influential factors and their corresponding field datasets.Finally,the prediction performances of the intelligent models and the empirical method are compared.The results reveal that all the intelligent models perform better than the empirical method.

关键词： EPB shield machine advancing speed prediction Intelligent models Empirical analysis Tunnel excavation

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：