典型文献
基于机器学习的地铁盾构隧道长期沉降预测
文献摘要：
采用机器学习方法,建立一个基于先期区域地质信息及隧道沉降学习资料的盾构隧道长期沉降预测模型,并以南京地铁2号线盾构隧道为例进行算例分析.结果表明:该沉降预测模型能够筛选主要影响因素,并且能够寻找最佳监督学习算法和最优参数;在不同监督学习算法中,核支持向量机算法与人工神经网络算法都能使模型达到较高的精度,然而对其参数的依赖性很高,需要细致的调参才能提高预测精度;以人工神经网络算法作为监督学习算法,经调参后,沉降预测模型的最终预测准确度可达0.86,10倍交叉验证平均准确度为0.82.
文献关键词：
地铁;盾构隧道;机器学习;沉降预测;核支持向量机;人工神经网络
中图分类号：
作者姓名：
张研沁;狄宏规;徐永刚
作者机构：
同济大学道路与交通工程教育部重点实验室,上海200092;宁波市轨道交通集团有限公司,浙江宁波315100
文献出处：
引用格式：
[1]张研沁;狄宏规;徐永刚-.基于机器学习的地铁盾构隧道长期沉降预测)[J].都市快轨交通,2022(03):89-94
A类：
B类：
基于机器学习,地铁盾构隧道,道长,长期沉降,机器学习方法,先期,区域地质,地质信息,隧道沉降,沉降预测模型,南京地铁,算例分析,选主,监督学习,最优参数,核支持向量机,支持向量机算法,人工神经网络,神经网络算法,预测准确度,交叉验证
AB值：
0.279083
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。
