基于长短期记忆网络的短期空调冷负荷预测

提出了一种基于长短期记忆网络(LSTM)的短期空调冷负荷预测模型,仅采用历史负荷数据预测未来1 d的逐时冷负荷.通过与传统的BP神经网络模型进行对比,验证其准确性.为了进一步提高模型预测精度,对网络结构(包括输入层、输出层及隐含层神经元数量)与预测策略进行了优化,获得最优的预测模型.结果表明,基于LSTM的预测模型可实...     

基于LSTM网络的地铁隧道运营期间沉降预测研究

为提高地铁隧道运营期间沉降变形预测的精度,本文提出了采用长短期记忆网络（LSTM网络）对运营期间的地铁隧道进行沉降预测。通过利用传统的反向神经网络（BP神经网络）和LSTM神经网络建立机器学习模型,通过2组深圳市某地铁隧道实测数据,对机器学习模型的预测精确度进行对比分析。实验结果表明：相比于传统的BP神经网络,LSTM网络模型预测误差较低,可降低20%左右;LSTM网络的预测结果与实测沉降值更为接近。研究成果表明将循环神经网络之一的LSTM网络引入运营期间地铁隧道的沉降预测中,可大幅度提升预测效果。     

基于长短期记忆网络的TBM掘进预测模型及围岩等级对预测精度的影响

全断面隧道掘进机(TBM)施工过程可以采集大量丰富数据,这使得建立数据驱动的TBM掘进预测模型成为可能。为探究围岩等级信息对模型预测精度的影响,以TBM掘进循环上升段数据为主要输入,基于深度学习中的长短期记忆(LSTM)网络,建立两种考虑围岩等级信息的、一种不考虑围岩等级信息的TBM稳定段推力、扭矩预测模型。保持其他条件相同,对三种模型进行训练、测试。结果表明,在由于围岩等级分布不均匀而导致的训练样本数较少的情况下,可以通过精确的掘进循环参数提取与数据增强,使三种模型预测推力、扭矩时均能达到较高的精度(误差分别在8%、14%以内)。两种引入围岩等级信息作为输入参数的方法并不能明显提高模型的预测精度。三种模型中,以围岩等级信息作为LSTM网络初始状态的模型,其预测精度以不到1%的优势领先其他模型的预测精度。该优势主要由于该模型能够较好地预测V级围岩中的掘进循环稳定段参数。     

基于LSTM的盾构掘进轨迹预测研究

盾构隧道建设过程中需要对盾构机的行进轨迹进行控制,使得盾构实际掘进线路与隧道设计轴线相吻合.文章利用长短期记忆循环神经网络(LSTM)处理时间序列数据的优势,提出了一种盾构机掘进轨迹预测模型.模型利用LSTM层代替传统神经网络中的隐含层,综合考虑了盾构操作参数、地质参数以及几何参数对盾构掘进轨迹误差的影响.结果 显示模型输出与实际测量值较为吻合,绝对误差总体上位于4mm之内,表明所提出的LSTM神经网络模型可以有效地对盾构行进路线进行预测.     

基于决策树模型的土压平衡盾构掘进参数预测研究

以洛阳地铁2号线为依托,建立了决策树模型、正向激励模型和随机森林模型来预测盾构掘进过程中的推进速度.通过实时采集盾构机的参数进行预处理,并分析参数之间的特征重要性指数,确定影响推进速度的关键性参数,然后对三种预测模型的预测结果进行比较.对比表明,随机森林预测模型预测推进速度的预测精度最高,可用于指导盾构施工过程的参数设置.     

基于循环神经网络的盾构隧道#br# 引发地面最大沉降预测

伴随着计算机技术的快速发展,机器学习等新兴算法正在被越来越多地运用于预测隧道掘进引发的地面最大沉降。在隧道施工过程中,由盾构机和地面监测点位采集的数据具有很强的序列化特征,而传统的机器学习算法对序列数据的处理存在一定的局限性。循环神经网络(RNN)具有极强的对时序型数据的处理能力,在视频识别、语音翻译等领域有着广泛的应用。采用两种RNN模型(LSTM、GRU)和传统的BP神经网络模型,以地质参数、几何参数和盾构机参数作为输入,对隧道施工过程中引发的地面最大沉降进行预测分析。结果显示,RNN对隧道沉降的预测结果优于传统的BP神经网络模型,并且RNN在连续未知区段的预测结果比BPNN更加稳定。     

基于ALSTM模型的基坑周边建筑物沉降预测

中短期基坑沉降监测序列具有非线性和数据量小的特点,导致常规预测模型很难获取准确的预测结果。针对传统模型未考虑到历史时刻沉降情况对未来沉降量具有不同影响的缺点,本文采用ALSTM(Attention LSTM)预测模型,并以某大厦基坑工程变形监测的数据为例进行验证。实验结果表明,相比LSTM、支持向量回归和BP神经网络模型,ALSTM模型能够取得更加准确的预测结果,适用于短期和中短期两种情况下的沉降变形预测。     

基于神经网络算法的深基坑地连墙变形动态预测

深基坑工程的施工变形在软土地区表现出明显的时间特性,其变形监测数据可以看作一种非线性的时间序列。以苏州轨道交通某地铁车站深基坑工程为背景,分别采用BP(Back Propagation)神经网络和LSTM(Long Short Term Memory)深度网络对地连墙变形建立了动态预测模型,并通过10折交叉验证法来检验预测模型的稳定性。结果表明:在输入历史信息数量和预测天数不同的预测任务中,考虑更多的历史变形数据不仅可以提高模型的稳定性还可以减小预测误差,而预测步长的增大对预测精度有明显的不利影响; LSTM相比BP表现出了更高的预测精度以及更好的泛化能力,更适用于地连墙变形的动态预测问题,并可为施工现场实现信息化管理提供参考。     

基于拌和生产数据的BP神经网络混凝土抗压强度预测

为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立200组混凝土拌和站生产监控数据和对应的抗压强度试验数据样本集,按照6∶2∶2比例划分为训练集、验证集和测试集;分别以C40配比混凝土拌和生产的8项物料称重数据和全部13项数据作为输入变量,进行混凝土28 d抗压强度预测,将预测结果与实际试验结果进行比较,验证所提出BP神经网络模型的预测效果。结果表明：所提出的BP神经网络混凝土强度预测模型能较好地实时预测混凝土28 d抗压强度,且相对误差优于利用7 d抗压强度试验数据估算值;8项物料称重数据作为输入变量的BP神经网络预测模型预测精度更好,平均绝对百分比误差为0.82%,均方根误差为0.52 MPa;利用不同拌和站C20配比、C30配比混凝土拌和生产监控数据对8项输入变量BP神经网络混凝土抗压强度预测模型进行适应性验证可知,其预测平均绝对误差均在0.5 MPa之内,平均绝对百分比误差均小于2%,与C40配比预测误差一致...     

基于BP-LSTM混合模型的钢-混组合桥面系空间温度场及温度效应实时评估及预测

考虑到传统健康监测系统与有限元方法的不足,为实现钢-混组合桥面系温度及温度效应的实时评估及预测,提出基于多层前馈——长短期记忆(BP-LSTM)混合模型的实时评估及预测方法。研究过程中,以某桥为工程背景,采用其健康监测系统数据,并利用有限元法热力耦合分析扩充数据,构建包含“结构特征、时间特征、环境特征——温度、温度效应”映射的样本库,并通过实测数据验证有限元计算的准确性;设计BP-LSTM混合模型结构,对LSTM网络以考虑时间权重的均方误差(MSE)损失函数加以改进,读入样本库数据进行训练、验证、测试,从而获得输出精度较高的混合模型;最后,分别给出利用BP-LSTM混合模型进行温度及温度效应实时评估与预测的方法。结果表明:基于气象数据的结构温度场有限元计算结果与实测基本一致,“结构特征、时间特征、环境特征——温度、温度效应”映射具有高度非线性,单独BP网络或LSTM网络效果不佳,而BP-LSTM混合模型精度较高;根据本文提出的实时评估及预测方法,混合模型输出值与目标值的决定系数最低为0.930,最高为0.993,精度较高,可用于钢-混组合桥面系空间温度场及温度效应实时评估及预测。     

Realtime prediction of hard rock TBM advance rate using temporal convolutional network (TCN) with tunnel construction big data

Real-time dynamic adjustment of the tunnel bore machine (TBM) advance rate according to the rock-machine interaction parameters is of great significance to the adaptability of TBM and its efficiency in construction. This paper proposes a real-time predictive model of TBM advance rate using the temporal convolutional network (TCN), based on TBM construction big data. The prediction model was built using an experimental database, containing 235 data sets, established from the construction data from the Jilin Water-Diversion Tunnel Project in China. The TBM operating parameters, including total thrust, cutterhead rotation, cutterhead torque and penetration rate, are selected as the input parameters of the model. The TCN model is found outperforming the recurrent neural network (RNN) and long short-term memory (LSTM) model in predicting the TBM advance rate with much smaller values of mean absolute percentage error than the latter two. The penetration rate and cutterhead torque of the current moment have significant influence on the TBM advance rate of the next moment. On the contrary, the influence of the cutterhead rotation and total thrust is moderate. The work provides a new concept of real-time prediction of the TBM performance for highly efficient tunnel construction.     

基于BP神经网络的水下岩溶地层#br# 盾构掘进参数预测与分析

随着我国城市地铁网的建设,越来越多的隧道将不可避免的穿越水下岩溶区,受制于岩溶地层的复杂性、注浆加固后地层的诸多不确定性,盾构穿越该类地层施工风险极大,而选取合理的盾构掘进参数是确保盾构安全与高效掘进的关键。以长沙地铁三号线盾构穿越水下岩溶段为工程依托,首先通过统计与分析钻探数据,明确了岩溶分布特征;其次,通过输入地层特征参数和隧道特征参数,建立了可输出盾构掘进速度、推力、刀盘扭矩、开挖仓压力、气垫仓压力和同步注浆量等掘进参数的BP神经网络水下岩溶盾构掘进参数预测模型;最后,对样本数据进行了训练,并成功应用于工程实践。研究结果表明：训练的输出值与期望值吻合度较高,构建的BP神经网络模型具有较好的适应性;输出的预测结果能有效反映实际盾构掘进参数的变化趋势,预测值与实际期望值的平均误差均低于13%,在误差可接受范围内。现场应用结果表明,地表沉降在安全范围内,盾构掘进过程中未发生工程事故,盾构掘进参数选取合理,姿态控制较好。研究成果可用于指导水下岩溶盾构隧道工程施工,且该方法的提出也为其他复杂地层盾构掘进参数合理选取提供了新思路。     

上软下硬地层盾构机滚刀磨损特性研究

以广州地铁某盾构区间为工程背景,结合上软下硬地层的强度特性,提出了硬地层所占面积与掌子面面积之比来评估上软下硬地层中地层分布情况的方法,确定硬地层对开挖面强度特性的影响。根据地层特性和分布情况,提出了适应不同均一地层的刀盘合理转速以及适用于上软下硬地层的刀盘设计转速。通过监测盾构机掘进过程中的刀盘扭矩变化,提出根据刀盘扭矩变化幅度制定刀盘转速调整时机的预警机制,实现刀盘转速提前调整。结合实际应用效果,上软下硬地层会使盾构滚刀产生过快磨损,超前调整刀盘转速可有效降低滚刀受冲击荷载的影响,延长滚刀正常工作时的掘进距离,显著提高上软下硬地层中盾构施工效率。     

天津地铁北站北-铁东路站区间盾构机选型研究

针对天津市地铁二期工程3号线北站北-铁东路站盾构区间的工程地质情况和施工条件,就其盾构机的选型进行了分析。在分析中,对盾构机的刀盘、刀具的形式以及布置等进行了阐述,同时时推力、刀盘驱动扭矩、主驱动功率、推进系统功率、螺旋输送机出土能力以及注浆能力等关键参数进行了计算。最终确定选择加泥式土压平衡盾构。实践证明该盾构机选型是合理的。     

海底隧道盾构刀盘刀具选型综述

盾构机的合理刀盘选型及刀具配置是确保正常掘进的重要基础。海底盾构隧道在施工过程中可能面临更为复杂多变的地质情况,对盾构刀盘刀具的选型及其地层适应性提出了很高要求。为更好地指导珠三角水资源配置工程海底隧道的工程实践和研究,对国内代表性海底盾构隧道工程的刀盘刀具选型及优化措施进行了回顾,随后重点分析当前代表性海底盾构隧道工程建设过程中存在的主要挑战与相应研究思路。分析结果表明,进一步研究的重难点主要有刀具适应性理论及技术研究、刀盘刀具耐磨材料研究、刀盘刀具监测装置的研制与开发和常压换刀刀盘换刀技术的优化。     

土压平衡盾构在砂卵石地层长距离穿越河流施工关键技术

从盾构机的改造,浆液配比试验,渣土改良等几个方面论述了土压平衡盾构隧道长距离穿越砂卵石地层并穿越河流的施工技术。在试掘进阶段对盾构掘进主要控制参数包括推进速度、刀盘推力、土仓压力、刀盘扭矩、刀盘转速、注浆参数等进行了调整。在掘进过程中严格按照试掘进阶段的参数执行。实施效果表明,完全达到了刀盘刀具的耐磨性要求,保证了盾构机在砂卵石地层中长距离穿越河流的安全。     

复合地层中盾构滚刀磨损实用预测方法及应用

盾构机在复合地层掘进过程中常因刀具磨损量过大而产生掘进工效降低和刀具失效等问题。依托深圳地铁13号线白应区间复合地层段滚刀磨损数据,根据Rabinowicz磨粒磨损计算模型提出了一种滚刀磨损量实用预测方法。该方法结合滑移率计算公式和刀盘扭矩、刀盘推力得到滚刀滑动距离,通过科罗拉多矿业学院模型(CSM模型)、岩石强度参数和滚刀贯入深度确定接触面法向荷载,根据滚刀设计参数确定其材料强度。通过确定影响滚刀磨损量的三个主要因素(滑动距离、接触面法向荷载和材料强度),推导出了考虑盾构滚刀磨损体积计算公式,并采用深圳地铁13号线白应区间复合地层段滚刀实测磨损量与磨损量预测值进行对比验证。结果表明:实测磨损量与预测较为吻合,验证了所提出的滚刀磨损量预测方法的合理性,研究成果可为复合地层中盾构滚刀磨损量预测和换刀时机的确定提供理论依据。     

小转弯半径曲线盾构隧道开挖引发地表沉降计算

小转弯半径曲线盾构隧道施工引发的地表沉降变形规律极为复杂,但相应的变形预测解析公式仍未明确。依据前人研究成果,构建曲线段盾构隧道施工的地层损失模型,基于镜像法及Mindlin解,推导曲线盾构隧道开挖引发地表沉降的计算公式,并将其应用于工程实例计算,最后分析曲线盾构隧道施工引发地表变形规律及其影响因素。研究表明:构建的小转弯半径曲线段地层损失模型合理,推导所得公式适用于实际工程计算;地表纵向沉降在靠近刀盘3倍洞径范围内变化极大,刀盘前方3倍洞径范围内地表会产生轻微隆起,刀盘后方3~4倍洞径处出现最大沉降;地表横向沉降槽为非对称分布,最大沉降位置位于弯道内侧,距刀盘中心线约1倍洞径;地层损失引起的地表横向沉降大小主要受转弯半径及盾壳长度影响,地表横向沉降槽偏移程度主要由刀盘直径大小决定。     

复杂地层土压平衡盾构推力和刀盘扭矩计算研究

千斤顶推力、刀盘扭矩是盾构设计制造及掘进的重要控制参数。通过对盾构推进过程中盾构与围岩相互作用规律的分析,系统分析了土压平衡盾构总推力、刀盘扭矩的影响因素。提出了考虑刀盘挤土效应及土舱内压力分布模式影响的推力计算修正公式,及综合考虑了刀盘挤土效应与开挖面土体渗透性的刀盘扭矩计算修正公式。通过对深圳地铁二号线香香区间掘进载荷实测数据的分析,对修正公式在复杂地质条件下的适应性进行了验证。该修正公式对复杂地层中土压平衡盾构掘进载荷的确定有一定的指导意义,可用于盾构刀盘装备扭矩设计和施工参数的预测。     

济南复合地层土压平衡盾构掘进效能实测分析#br#

依托济南轨道交通一号线复合地层土压平衡盾构掘进施工,提出一种在盾构机额定配置条件下的分项功耗和施工参数离散性指标双结合的掘进效能评价方法,并据此分析得到刀盘切削、盾构推进和螺机出土效能的变化特征。结果表明：①土压平衡盾构穿越济南复合地层时,盾构掘进总功耗在400~1250kW变化,其中,刀盘切削和盾构推进是盾构掘进功耗的主要组成部分,占总功耗的66%~84%;②刀盘切削的扭矩和转速具有明显的聚集特征,而盾构推进速度和推力分布形态的聚集特征弱于刀盘参数;③螺机出土的转速和扭矩在不同地层中的差异性不大,螺机参数的聚集特征不明显;④由于盾构掘进的分项功耗与其离散性指标不存在必然的联系,盾构施工中可能存在掘进功耗小但施工控制困难的情况,应在盾构选型及施工过程中予以充分考虑。