TBM掘进速度预测模型研究

• 作者: 刘泉声 吕根根 张晓平 潘少林
• 来源期刊: 河南科学
• 关键词: TBM掘进速度 CART BP神经网络 预测
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 建筑科学与交通科学
• 页码范围: 1289-1295
• 页数: 7页
• 分类号: U45
• 语种: 中文

摘要

随着机械制造技术的进步,全断面岩石隧道掘进机被广泛应用于深、长、大隧洞的开挖,鉴于全断面岩石隧道掘进机(TBM)对地质条件十分敏感,且其前期投入巨大,采用合适的方法、准确地预测TBM掘进速度对TBM施工的进度安排和成本估计十分重要.基于纽约皇后NO.3隧道153组实测岩体参数(UCS、PSI、DWP、BTS、α)和TBM掘进速度(PR),分别采用BP神经网络和CART算法建立TBM掘进速度预测模型,与已有预测模型对比发现,CART预测模型预测精度更高更易于不同工程相互借鉴,且在部分岩体参数缺失的情况下也能对TBM掘进速度进行有效预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘泉声	武汉大学土木建筑工程学院	67	972	18.0	29.0
2	张晓平	武汉大学岩土与结构工程安全湖北省重点实验室	11	14	2.0	3.0
3	潘少林	武汉大学岩土与结构工程安全湖北省重点实验室	2	3	1.0	1.0
4	吕根根	武汉大学土木建筑工程学院	1	0	0.0	0.0