基于互信息与支持向量回归的盾构掘进载荷预测方法研究

掘进载荷是盾构施工中的重要控制量,直接关系着施工安全与效率。通过对掘进载荷影响因素的分析,建立了一种基于工程实测数据分析的掘进载荷特征选择及预测方法。首先,对工程实测数据进行极值归一化预处理,以降低不同参数间量纲和量级的差异产生的支配性影响;其次,通过参数分析和基于互信息的特征选择选取主要的影响参数作为输入;最后,通过支持向量回归（support vector regression,SVR）建立掘进载荷的预测模型,并结合天津地铁9号线盾构施工工程案例检验其预测表现。结果表明,所建立的掘进载荷预测方法能够在工程实测数据包含的众多影响参数中筛选出少量关键特征,实现对掘进载荷的合理预测。研究结果可以为盾构掘进参数的调控提供参考,也为具有众多参数的工程实测数据的分析提供一种思路。     

基于力学分析的TBM掘进总推力预测模型研究*

提出一种基于力学分析的全断面岩石隧道掘进机(Tunnel boring machine,TBM)掘进装备总推力的预测建模方法。在TBM装备掘进过程中,总推力的影响因素多且复杂,主要包括施工地质条件、装备结构特征、装备掘进状态等几类核心参量。从分析装备与地质间相互作用的力学特征入手,通过求解滚刀与岩石接触弧线上岩石单元体的极限应力状态,建立能反映地质、操作等关键参量影响的刀盘破岩力计算表达式。在刀盘载荷分析基础上,补充考虑装备护盾、后续设备等部件上作用的载荷分量,建立TBM装备掘进总推力预测模型,并结合我国两个典型工程案例对所建模型进行分析与验证。进一步引入单位贯入度对应总推力值,作为讨论TBM载荷地质适应性的指标,近似剥离操作参数的影响,分析载荷与地质参数间的内在相关关系。分析结果表明,在各个地质参数中,单轴抗压强度是对掘进总推力起到核心影响的关键地质参数,与单位贯入度对应的总推力间存在近似的线性关系。本工作可对不同地质条件与不同操作状态下,TBM装备掘进总推力进行预估计算,为装备载荷的优化设计与智能控制提供参考依据。     

基于GA-BP神经网络算法的三相电能表检定风险预警研究

针对三相电能表在流水线上进行检定的过程中需对外界环境影响所带来的电能表超差进行预测,对造成超差的外界误差因素进行筛选和赋权,从而确定影响程度最大的几个因素;利用SPSS权重分析对输入变量进行加权归一化,并运用基于遗传算法的BP神经网络算法,对测量结果进行模拟;通过对比预测结果与实际结果,分析其准确性来达到风险预警的目的。     

盾构工程实测数据时序性质分析与掘进速率预测

本文基于工程实测数据,在分析其序列性质的基础上,提出了基于时序神经网络方法的盾构掘进速率预测方法,并在天津地铁9号线这一实际工程算例中对所提出的方法的有效性进行验证,讨论比较了 Simple RNN、LSTM与GRU这3种不同时序神经网络算法的掘进速率预测表现.结果表明,本文提出的基于时序神经网络的盾构掘进速率预测方法能够较好地分析掘进中积累的工程实测数据中的序列性质,从而对前方掘进速率进行预测,且比具有"门"性质的LSTM与GRU方法表现出了更好的预测效果.     

关于矿山环境地质及地质灾害问题的探讨

在社会主义市场经济高速发展的今天,矿山开采的强度越来越大,开采的规模也越来越大,对矿山地质环境的影响越来越严重,难免会在开矿的过程中引发一系列矿山地质灾害。针对不同的地质灾害,矿山企业必须要对其诱因进行全面的分析和总结,尽量减少生产过程中对地质环境的破坏,同时还要采取有效的措施对各种地质灾害进行预防,降低地质灾害发生的频率,确保生产过程的安全。     

基于四线测量法的智能微电阻测试仪设计

针对低电阻精确测量的应用需求,设计了一种基于四线测量法的智能高精度微电阻测试仪。系统采用模块化设计方式,包括供电电源、恒流源、A/D转换、显示与按键等单元。测试仪采用四线测量法,将电流流入回路和电压测量回路分开接线,并通过在电压提取端设计电压跟随器,使电压测量引线上的电流为零,可避免引线电阻和接触电阻对微小电阻测量的影响,大大提高系统的测量精度。实验测试结果表明:该仪器可以实现1μΩ~2MΩ范围内电阻值的高精度自动测量,同时还具有电阻分选功能,可与自动化生产线相连,完成电阻参数的分选工作。