典型文献
基于PSO-SVR与LSTM算法的复合地层下刀盘扭矩预测与分析
文献摘要：
在盾构机实际施工过程中,对于刀盘扭矩的预估是盾构装备设计与施工调整的重要依据.地铁盾构施工区间往往穿越多个地层并历经复杂的地质环境,盾构机每掘进1环将会产生海量的地质参数与机械参数数据,对于庞大的数据体系,传统的统计分析方法已经无法满足数据量的需求.文章提出用机器学习算法结合数据预处理方法来对复合地层下的刀盘扭矩进行建模预测.鉴于盾构数据具有时间属性的特点,文章采用PSO-SVR与LSTM时序算法进行对比分析.首先采用数据预处理的方法进行数据清洗和特征筛选,之后将样本数据用于模型建立,最后对模型的适用性进行对比分析.分析结果表明,LSTM时序分析算法在盾构掘进参数预测方面具有更好的表现效果,平均误差率仅为5％ 左右,可以满足工程层面的需求.
文献关键词：
地铁;盾构隧道;刀盘扭矩;大数据分析;粒子群优化;LSTM
中图分类号：
作者姓名：
江源;宋克志;丁昌盛;侯洪超;张佳乐;庄肃坤
作者机构：
鲁东大学土木工程学院,山东烟台 264025;山东省第三地质矿产勘察院,山东烟台 264670;北京中交桥宇科技有限公司,北京 100020
文献出处：
引用格式：
[1]江源;宋克志;丁昌盛;侯洪超;张佳乐;庄肃坤-.基于PSO-SVR与LSTM算法的复合地层下刀盘扭矩预测与分析)[J].现代城市轨道交通,2022(02):46-51
A类：
B类：
PSO,SVR,复合地层,刀盘扭矩,扭矩预测,盾构机,实际施工,施工过程,盾构装备,装备设计,设计与施工,地铁盾构施工,施工区,地质环境,地质参数,数数,数据体系,统计分析方法,足数,数据量,机器学习算法,数据预处理方法,建模预测,数据清洗,特征筛选,时序分析,盾构掘进参数,掘进参数预测,平均误差,误差率,盾构隧道,粒子群优化
AB值：
0.362516
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。
