典型文献
基于PSO-SVR的土压平衡盾构施工进度优化
文献摘要：
针对隧道掘进机(TBM)利用率预测研究匮乏的问题,建立数据驱动的利用率预测模型并进一步对施工进度展开优化.结合新加坡某地铁隧道项目数据,研究地质类型、司机操作与载荷对TBM利用率的影响,提出基于支持向量回归(SVR)的利用率预测方法,并以施工进度最大为目标展开操作参数优化.利用SVR建立掘进环利用率与地质类型、载荷、操作参数的映射模型;建立以施工进度最大为目标,以地质类型、载荷、操作参数为约束边界的优化方程;利用粒子群优化(PSO)寻找特定地质类型下最优的操作参数.结果表明:SVR模型在验证集和测试集上的R2分别为0.729和0.625,均优于多元线性回归、决策树、k最近邻、随机森林、AdaBoost和XGBoost模型;PSO能准确地找出最优的操作参数.
文献关键词：
土压平衡盾构;施工进度优化;利用率预测;PSO-SVR;操作参数
中图分类号：
作者姓名：
秦元;余宏淦;陶建峰;孙浩;刘成良
作者机构：
上海隧道工程有限公司,上海200232;上海交通大学机械与动力工程学院,上海200240
文献出处：
引用格式：
[1]秦元;余宏淦;陶建峰;孙浩;刘成良-.基于PSO-SVR的土压平衡盾构施工进度优化)[J].浙江大学学报（工学版）,2022(08):1523-1532
A类：
利用率预测
B类：
PSO,SVR,土压平衡盾构施工,施工进度优化,隧道掘进机,TBM,预测研究,新加坡,地铁隧道,隧道项目,项目数,地质类,司机,支持向量回归,操作参数,映射模型,约束边界,粒子群优化,验证集,测试集,决策树,最近邻,AdaBoost,XGBoost
AB值：
0.234781
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
