基于卷积神经网络对TBM塌方段的反演分析

• 作者: 刘诗洋 陈祖煜 张云旆 李旭 赵生捷
• 来源期刊: 固体力学学报
• 关键词: TBM 神经网络 时间序列 FPI 拟合TPI 塌方
• 年，卷（期）: 2021,（3）
• 页码范围: 287-301
• 页数: 15页
• 语种: 中文
• DOI: 10.19636/j.cnki.cjsm42-1250/o3.2021.011

摘要

论文在已有研究工作的基础上,利用岩石扭剪掘进指标(TPI)和现场贯入指标(FPI),采用卷积神经网络和时间序列预测法,研究隧道掘进机(Tunnel Boring Machine,TBM)掘进塌方段分析和预测的可能性.吉林引松工程TBM大数据库中记录了 199列施工期间的各项参数和18处塌方事件,数据总量大、质量高,具有很高的科研价值.基于上述数据,论文在输入功率与破岩效率相当的原理支持下,将某一循环段的现场贯入指标FPI和岩石扭剪掘进指标TPI作为机器学习的训练对象,对正常掘进段和石灰岩区域大规模塌方段K66+000-K66+350(桩号)进行了分析和预测.结果表明:塌方段实测FPI、TPI数值显著偏小,结合三项预测误差指标可判断"阳性",即TBM进入塌方段.相关研究成果为TBM领域的大数据机器学习提供了新的方法,为实现超前地质预警创造了有利条件.