基于机器学习的多施工参数盾构施工姿态预测

doi:10.13474/j.cnki.11-2246.2021.0030

测绘通报 ›› 2021, Vol. 0 ›› Issue (1): 157-160,164.doi: 10.13474/j.cnki.11-2246.2021.0030

• 测绘地理信息技术应用案例 • 上一篇下一篇

基于机器学习的多施工参数盾构施工姿态预测

夏汉庸¹, 尹和军², 徐教煌², 王嘉伟², 黄毅¹

1. 宁波轨道交通集团有限公司, 浙江宁波 315000;
2. 中铁工程设计咨询集团有限公司, 北京 100055

收稿日期:2020-12-01 发布日期:2021-02-08
作者简介:夏汉庸(1983-),男,硕士,高级工程师,研究方向为城市轨道地下隧道工程。E-mail:86104554@qq.com

Multi-construction parameter shield construction attitude prediction based on machine learning

XIA Hanyong¹, YIN Hejun², XU Jiaohuang², WANG Jiawei², HUANG Yi¹

1. Ningbo Rail Transit Group Co., Ltd., Ningbo 315000, China;
2. China Railway Engineering Consulting Group Co., Ltd., Beijing 100055, China

Received:2020-12-01 Published:2021-02-08

摘要/Abstract

摘要： 针对盾构施工过程中参数易变、轴线难以预测控制的问题，本文提出了基于机器学习的多施工参数盾构施工姿态预测方法，分析了在复杂环境下影响盾构姿态掘进施工的参数，以及掘进参数和盾构姿态内在的关联关系，建立了盾构姿态预测模型，实现了盾首盾尾中心坐标与设计轴线的偏差计算；最后结合某地铁施工段，验证了该预测模型的可行性。

关键词: 盾构施工, 掘进参数, 机器学习, 盾构姿态, 预测模型

Abstract: This paper proposes a multi-construction parameter shield construction attitude prediction method based on machine learning, analyzes the construction parameters of shield tunneling in complex environment, analyzes the internal relationship between tunneling parameters and shield attitude, and establishes the predicted shield attitude. The prediction model realizes the deviation calculation between the center coordinates of the shield head and the design axis. Combined with a subway construction section, the prediction model is verified.

Key words: shield construction, tunneling parameters, machine learning, shield attitude, prediction model

中图分类号:

P258

夏汉庸, 尹和军, 徐教煌, 王嘉伟, 黄毅. 基于机器学习的多施工参数盾构施工姿态预测[J]. 测绘通报, 2021, 0(1): 157-160,164.

XIA Hanyong, YIN Hejun, XU Jiaohuang, WANG Jiawei, HUANG Yi. Multi-construction parameter shield construction attitude prediction based on machine learning[J]. Bulletin of Surveying and Mapping, 2021, 0(1): 157-160,164.

参考文献

[1] 周文波.盾构法隧道施工技术及应用[M].北京:中国建筑工业出版社,2004.
[2] 吕国岭,黄威然,庞红军.盾构自动导向方法的应用研究[J].隧道建设,2005,25(5):11-14.
[3] 潘明华,朱国力.盾构机自动导向系统的测量方法研究[J].施工技术,2005,34(6):34-36.
[4] 王暖堂,盾构隧道施工中的测量技术研究[J].铁道建筑,2002(12):2-5.
[5] 张厚美,古力.盾构姿态参数的测量及计算方法研究[J].现代隧道技术, 2004, 4(2):14-20.
[6] 朱国力,熊建桥,潘明华.隧道掘进施工导向系统的电子激光靶:中国,200410012735[P]. 2004-02-18.
[7] 姜留涛.盾构姿态测量原理的比较研究及精度分析[J].测绘通报, 2016(8):86-88.
[8] 郭沈凡.盾构隧道精密定位导向技术研究[D].南京:河海大学,2005:51-52.
[9] 杨立洪, 白肇强. 基于二次组合的特征工程与XGBoost模型的用户行为预测[J]. 科学技术与工程, 2018,18(14):186-189.
[10] 俞高. 基于XGBoost算法的病例分型系统设计[J]. 中国数字医学, 2018,13(3):69-71.
[11] CHEN T,GUESTRIN C. XGBoost:a scalable tree boosting system[C]//ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.[S.l.]:ACM, 2016.
[12] 周志华.机器学习[M].北京:清华大学出版社, 2016.
[13] 张丽新. 高维数据的特征选择及基于特征选择的集成学习研究[D]. 北京:清华大学, 2004.
[14] 李蝉娟. 高维数据降维处理关键技术研究[D]. 成都:电子科技大学, 2017.
[15] 蒋胜利. 高维数据的特征选择与特征提取研究[D]. 西安:西安电子科技大学,2011.
[16] 黄晓娟,张莉. 改进的多类支持向量机递归特征消除在癌症多分类中的应用[J]. 计算机应用,2015,35(10):2798-2802.
[17] SHIEH M D, YANG C. Multiclass SVM-RFE for product form feature selection[J]. Expert Systems with Applications,2008,35(1):531-541.
[18] 姚登举, 杨静, 詹晓娟. 基于随机森林的特征选择算法[J]. 吉林大学学报(工学版), 2014, 44(1):137-141.
[19] 刘凯,郑山红,蒋权,等. 基于随机森林的自适应特征选择算法[J]. 计算机技术与发展,2018,28(9):101-104.
[20] 赵伟卫. 基于互信息和随机森林的混合特征选算法研究[D]. 西安:西安电子科技大学,2017.

基于机器学习的多施工参数盾构施工姿态预测

Multi-construction parameter shield construction attitude prediction based on machine learning

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[2]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[3]	张驰, 白志辉, 李亮, 陈冉丽, 吴侃. 利用三维激光扫描技术监测矿区桥梁结构形变[J]. 测绘通报, 2022, 0(4): 122-129.
[4]	王刚, 丁华祥. Sentinel-2A数据支持下的雷州半岛植被类型识别[J]. 测绘通报, 2022, 0(3): 76-82.
[5]	张自强, 刘涛, 杜萍, 锁旭宏, 杨国林. 图残差神经网络支持下的建筑物群组模式分类[J]. 测绘通报, 2022, 0(1): 1-7.
[6]	董伟东, 郭浩, 罗海波, 马全明. 主动铰接型盾构机自动导向系统测量与姿态精密解算方法[J]. 测绘通报, 2022, 0(1): 149-154,158.
[7]	叶烨星, 杨飞. 基于介数中心性的交通拥堵指数计算[J]. 测绘通报, 2021, 0(5): 86-90.
[8]	张鹏, 马庆勋, 吕杰, 季金亮, 李紫微. 机器学习算法在森林地上生物量估算中的应用[J]. 测绘通报, 2021, 0(12): 28-32.
[9]	王晓静, 唐超, 杨晓飞. 激光点云在地铁盾构隧道病害诊断中的应用[J]. 测绘通报, 2020, 0(9): 33-37.
[10]	李月, 何宏昌, 王晓飞, 张国民. 农作物冠层光谱分析及反演技术综述[J]. 测绘通报, 2019, 0(9): 13-17.
[11]	王嘉伟, 夏汉庸, 尹和军. 地铁盾构施工隧道内平面控制网建立方法[J]. 测绘通报, 2019, 0(8): 158-161.
[12]	修晓敏, 周淑芳, 陈黔, 蒙继华, 董文全, 杨广斌, 李晓松. 基于Google Earth Engine与机器学习的省级尺度零散分布草地生物量估算[J]. 测绘通报, 2019, 0(3): 46-52,75.
[13]	张金盈, 姚光虎, 林琳, 郭怀轩. 结合主动学习和词袋模型的高分二号遥感影像自动化分类[J]. 测绘通报, 2019, 0(2): 103-107.
[14]	刘克强, 汪云甲, 陈锐志, 褚天行. 基于随机森林算法的多维情境特征活动识别[J]. 测绘通报, 2017, 0(7): 29-33,44.
[15]	汤坚, 杨骥, 宫煦利. 面向电网巡检的多旋翼无人机航测系统关键技术研究及应用[J]. 测绘通报, 2017, 0(5): 67-70.