基于Monte Carlo-BP神经网络TBM掘进速度预测

• 作者: 杨圣奇 温森 赵延喜
• 来源期刊: 岩土力学
• 关键词: TBM掘进速度 Monte Carlo-BP神经网络 参数重要性 粗糙集
• 年，卷（期）: 2009,（10）
• 所属期刊栏目: 数值分析
• 页码范围: 3127-3132
• 页数: 6页
• 分类号: TU443
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7598.2009.10.040

摘要

预测隧道工程中TBM掘进速度,主要有完全经验的、半理论半经验的模型和人工智能等方法,所用参数均为确定性的,未考虑参数存在的随机性,故导致预测结果的不准确性.基于此,提出了Monte Carlo-BP神经网络TBM掘进速度预测模型,着重考虑了一些重要输入参数的随机性, 其中输入参数重要性的大小通过粗糙集进行计算排序.采用Monte Carlo产生随机数时,由于参量的样本数据的有限,分布函数均采用阶梯形经验分布函数.如果采用的数据是来自不同类型的 TBM,则应当考虑机器性能参数,并重新对参数重要性进行排序.实例计算表明,Monte Carlo-BP神经网络模型预测结果和实测值总体趋势和均值比较一致.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨圣奇	河海大学岩土力学与堤坝工程教育部重点实验室	28	2059	20.0	28.0
5	温森	河海大学岩土力学与堤坝工程教育部重点实验室	7	161	5.0	7.0
9	赵延喜	河海大学岩土力学与堤坝工程教育部重点实验室	10	253	7.0	10.0