基于优化BP神经网络的TBM性能预测

• 作者: 徐受天 李尧 王亚旭 赵光祖 陈帅
• 来源期刊: 河南理工大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 隧道掘进机 掘进速度 岩体参数 神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 力学·土木·材料
• 页码范围: 139-145
• 页数: 7页
• 分类号: U45
• 语种: 中文

摘要

由于隧道掘进机(tunnel boring machine,TBM)掘进速度与机器参数、岩体参数之间的非线性关系复杂,难以准确预测,为了构建可靠的TBM性能预测模型,分析TBM掘进速度的主要影响因素,提出应用模拟退火算法(SA)和遗传算法(GA)优化BP神经网络的TBM性能预测模型,并使用吉林引松供水工程的TBM数据库对GA-BP模型和SA-BP模型进行训练测试.结果 表明,与传统BP神经网络方法相比,优化后的模型预测泛化性更好,且精度明显提高.优化后的BP神经网络能在一定程度上克服易陷入局部最优的缺陷,应用于TBM性能预测具有良好表现.