基于马尔可夫过程和深度神经网络的TBM围岩识别

• 作者: 毛奕喆 龚国芳 周星海 王飞
• 来源期刊: 浙江大学学报（工学版）
• 关键词: 隧道掘进机(TBM) 马尔可夫过程 深度神经网络 围岩识别 预测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 机械工程|Mechanical Engineering
• 页码范围: 448-454,547
• 页数: 8页
• 分类号: TN137
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.03.004

摘要

为了实现隧道围岩的实时识别,基于马尔可夫过程和深度神经网络模型,提出将先验围岩信息和掘进参数结合,作为深度神经网络输入的隧道掘进机(TBM)围岩实时识别方法.?根据施工现场地质勘探资料,用马尔可夫过程的隧道围岩分类方法预测隧道沿线的围岩分布概率;将该围岩分布概率作为先验围岩信息,结合TBM掘进参数作为神经网络输入,真实围岩类别作为输出,训练深度神经网络以实现对TBM前方围岩的实时识别.?使用工程现场数据进行对比实验,结果表明,所设计的深度神经网络模型的围岩总体识别率高于96％.?相比于仅将掘进参数作为输入,当结合先验围岩信息和掘进参数作为输入时,模型围岩识别率提高6％以上.