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。     

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.