基于数据驱动的盾构竖向姿态预测深度学习模型

在盾构掘进过程中,竖向姿态控制难度较大,盾体常与设计轴线产生偏差。为解决既有盾构姿态预测模型无法准确提取数据特征和有效去除数据噪声的问题,充分挖掘盾构掘进实测数据时间序列信息,依托合肥地铁7号线耕耘路站—清潭路站区间盾构隧道工程,对收集的掘进数据进行预处理,包括去除停机状态数据及异常数据,提出用于盾构竖向姿态预测的CNN-LSTM组合模型,并将测试集上的模型预测结果与传统回归模型进行对比,最后对不同样本数量及固定网络参数时的模型性能进行研究。研究结果表明：CNN-LSTM组合模型对盾构竖向姿态的预测效果较好,在测试集上的预测平均绝对误差E_MA和均方根误差E_RMS较低,同时预测的决定系数R²较高,表明模型具有较小的预测误差和较高的预测精度;与ARIMA、LSTM和SVR模型相比,CNN-LSTM模型在测试集上预测的R²分别提高了1.04%、19.75%和79.63%,此外,模型的预测E_MA和E_RMS较低,并且训练耗时显著降低;不同训练集样本数量对CNN-LS...     

地质突变条件下基于组合模型的围岩等级和TBM掘进参数预测

为了提高硬岩隧道掘进机(TBM)施工的安全性和智能化,基于TBM掘进数据,提出了一种将双向长短期记忆(BiLSTM)网络与支持向量机回归(SVR)算法相结合的可以同时进行围岩等级和TBM掘进参数预测的组合模型(BiLSTM-SVR模型)。实例验证结果表明:BiLSTM-SVR模型对围岩等级的预测准确度较高,均方根误差均小于0.026 5、平均绝对百分比误差均小于0.95%;BiLSTM-SVR掘进参数预测中,推力和扭矩的预测准确度最高,净掘进速度和开挖比能的预测准确度最低;BiLSTM-SVR模型比BiLSTM模型和SVR模型的掘进参数预测准确度有较大的提高,因此进行单一模型的组合可以有效提高模型预测的准确度和鲁棒性。     

基于混沌理论和MEA-BPNN模型的快速路短时交通流预测

为提高短时交通流预测的精度,在分析北京市二环路实测交通流数据时空特性和混沌性的基础上,利用混沌理论方法对交通流量时间序列进行相空间重构,并基于思维进化算法提出一种改进的BP神经网络模型,将重构的时间序列数据作为模型输入进行交通流预测。结果表明,基于该模型的预测结果与基于传统BPNN模型的预测结果相比,均方根误差、平均绝对误差和平均绝对百分误差分别下降31.11%、20.71%和37.28%,证明了模型具有更精确的预测能力。     

基于张量特征-GRU和多头自注意力机制的水质预测模型方法

针对现有水质预测模型对水质监测指标间存在数据特征利用不足,导致预测精度不高的问题,本文提出了一种基于张量分解融合门控神经网络(gate recurrent unit, GRU)和多头自注意力机制(Multi Head Self-Attention)的多指标水质预测模型(TGMHA)。该模型通过标准延迟嵌入变换(Standard delay embedding transform, SDT)将时序水质指标数据转换为张量数据,利用Tucker张量分解提取数据特征,然后结合多头自注意力机制挖掘多种水质指标数据特征之间的潜在关系,最后采用GRU模型实现多指标水质预测。对比实验证明了该模型预测相比传统GRU水质预测模型,得到的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R²)四个指标有5-10%的提升,有效提升了水质预测的精度,具有较好的鲁棒性,为水质预测和环境监测管理提供了科学决策依据。     

基于组合模型的高铁隧道围岩收敛变形预测

为提高围岩收敛变形预测精度,依托阳山高速铁路隧道,基于贝叶斯参数优化的经验模型预测收敛变形的趋势项,然后采用支持向量回归算法修正经验模型的预测结果,据此构建基于组合模型的高铁隧道围岩收敛变形预测模型.将均方误差和平均绝对百分误差作为评价指标,与同类型支持向量机回归模型的预测结果进行对比.结果 表明,经验模型的预测值与目标值随时间变化的趋势一致,但对于数据中的波动部分,预测值与目标值存在较大偏差.误差修正模型较好地预测数据中的波动部分,对提高预测精度效果明显.在2组实测数据中,组合模型预测值的均方误差相较于经验模型降幅分别达到97.0％和93.4％,且较同类型支持向量机回归模型具有更高的预测精度.     

基于神经模糊推理系统的盾构施工地表沉降预测

盾构隧道施工引起的地表沉降,主要受盾构掘进参数和地层条件的影响,且各参数间关系复杂.已有地表沉降预测方法大都没有直接考虑掘进参数的影响,难以满足盾构快速施工超前预测预报和环境影响控制的需求.自适应神经模糊推理系统(ANFIS)是一种基于神经网络的模糊类智能模型,通过减法聚类数据细分技术自动生成模糊规则,使网络的节点和权值具有明确的物理意义,集成了神经网络数据自适应能力和模糊系统知识表达性能,特别适合于多元非线性系统的预测预报.结合北京地铁14号线东风北桥站至京顺路站区段工程实测数据,选取埋深、洞顶覆土标贯值、土仓压力、推进速度、刀盘转速、扭矩、盾构推力,以及同步注浆量为输入变量,建立了地表最大沉降量预测模型.计算结果表明,该模型计算量小,泛化能力强,计算精度高.研究成果为盾构施工地表沉降预测预报提供了新的技术方案.     

基于门控循环单元的全断面掘进机稳定段掘进性能预测

全断面隧道掘进机（tunnel boring machine, TBM）一个正常掘进循环分为空推段、上升段和稳定段三个阶段,其中稳定掘进段为主要施工阶段,稳定段掘进性能的好坏是TBM掘进的关键。为实现TBM安全高效掘进,建立一种基于门控循环单元（gated recurrent unit,GRU）神经网络的预测模型,预测TBM稳定段掘进性能。模型以新疆某供水工程Ⅱ标段TBM施工数据为依托,5种掘进循环上升段主要参数的时间序列数据作为主要输入,围岩等级作为辅助输入来考虑岩体对掘进性能的影响,输出为稳定段的总推进力和刀盘扭矩,为稳定段TBM性能预判提供参考。为显示预测效果,对比传统循环神经网络（recurrent neural network,RNN）预测模型,并分析不同长度时间序列输入对模型预测精度的影响。结果表明：GRU模型预测拟合优度均在0.9以上,平均绝对百分比误差均小于12.25%,同时能够适用不同长度时序输入。由此可见,所建模型具有较高预测精度,泛化能力较好,能够辅助预判掘进机稳定段性能。     

基于PCA-IBAS-ELM的海底多相流管道内腐蚀速率预测

海底多相流管道运输介质中油、气、水共存,极易发生化学反应引发一系列腐蚀问题。为预测其腐蚀速率,对管内腐蚀机理及影响因素进行分析,提出基于主成分分析法（PCA）和改进甲虫天牛须算法（IBAS）的极限学习机（ELM）预测模型。PCA 筛选腐蚀因素,降低预测模型的输入指标维数,IBAS优化ELM的关键性能指标--输入权值及隐层阈值,提升预测精度。为检验模型效能,以我国海南东部某海底油气管道50组数据为例进行研究,并与其他两种模型对比分析。结果表明：温度、pH值、流体流速和CO2分压是影响该类型管道腐蚀的关键因素,PCA-IBAS-ELM预测结果与实际值拟合度更高,其均方根误差（RMSE）,平均绝对误差(MAE)和平均绝对百分误差（MAPE）和均小于比较模型。 可见构建模型对于海底多相流管道内腐蚀速率预测具有优越性。     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

Logistic模型在高层建筑物沉降监测中的应用

介绍了Logistic增长曲线模型,通过实测数据建立沉降预测模型,拟合出s-t曲线,用平均绝对百分误差(MAPE)来评价预测模型拟合的精度,发现Logistic模型属于高精度拟合.将预测数据与实际观测数据进行对比分析,预测精度较高.结果表明该模型可用于高层建筑物的沉降预测情况.     

基于计算流体动力学的盾构刀盘开挖面土体分析

针对土压平衡盾构掘进过程中土体、刀盘及土舱控制等复杂的耦合作用关系,利用经改良的切削渣土的"塑性流变状态",建立了包括土体、刀盘、土舱和螺旋输送机在内的CFD模型,研究了刀盘开口率和埋深等因素对刀盘开挖面土体压力及速度分布规律的影响.建立了土体压力及其速度分布的拟合数学模型,揭示了刀盘拓扑结构特征对掘进过程的重要影响.利用实际工程掘进数据对比验证了CFD模型计算结果的正确性与方法的可行性,可对高效、稳定掘进的刀盘拓扑结构的优化设计提供分析支持.     

基于滚刀复合破岩物理实验的盾构刀间距设计

刀具布置是盾构刀盘设计中的重要组成部分,直接影响到掘进的切削效果、出土状况和掘进速度。针对不同地质条件下,为满足盾构地质适应性,实现高效破岩。采用盾构刀具破岩机理实验台,对工程样岩开展不同刀间距破岩实验,分析破损岩渣质量,探究不同地质条件下的最佳破岩刀间距。并与经验数据进行对比,结果表明：合理的刀间距能够提高破岩效率、减少刀具损耗,有效降低刀具成本,为不同地质条件下开展其他盾构工程进行刀间距设计提供了一种可行的方法。     

复合地层双模盾构与复合盾构刀具磨损对比

软硬交替复合地层中可采用双模盾构和复合式盾构进行掘进施工。然而目前针对双模盾构和复合盾构在软硬交替地层中的适应性缺乏清晰明确的现场掘进数据进行对比验证，特别是施工参数和刀具磨损方面。本文基于深圳地铁12号线相似地层的三个相邻盾构区间工程，对比不同盾构机的盾构掘进施工参数、刀具服役情况及岩渣形态，分析刀具磨损的原因及特征，并进一步对比在长距离软硬交叠地层下EPB/TBM双模盾构和复合EPB盾构的掘进效能。结果表明：（1）双模盾构TBM模式在岩质地层中的推进速度可达到双模盾构EPB模式的2倍及复合EPB盾构的3倍。受土仓压力和刀盘转速影响，刀盘推力和扭矩差异较大的双模EPB模式和复合EPB盾构更易造成刀具异常磨损。（2）双模盾构TBM模式滚刀磨损速度更低，其刀具寿命是双模盾构EPB模式和复合EPB盾构的3~5倍，换刀时间占比约为后两者的1/2~3/8，EPB/TBM双模盾构总体掘进效能优于复合EPB盾构。（3）双模盾构TBM模式的岩渣中岩片更多且形状细长而扁平，在岩石地层中EPB/TBM双模盾构掘进效率优于复合EPB盾构。     

基于刚体动力学-离散元耦合数值方法的复合地层盾构滚刀响应

随着盾构机制造技术的不断进步,隧道工程中使用盾构机的情况愈加普遍。滚刀作为一种优异的掘进刀具,在复合地层盾构机中普遍应用。滚刀在使用过程中处于动态滚动状态,离散多元化的岩土体将导致滚刀的动态状态呈现异常状态,从而导致滚刀和岩土体接触面间存在较大的相对滑动速率。在以往的离散元滚刀模拟中,研究者将滚刀设定为固定转速而未实现滚刀的动态滚动过程。本文使用刚体动力学（RBD）-离散元（DEM）耦合的数值模拟方法,实现了在数值模拟中的滚刀动态被动转动,进一步贴近工程实际。本文以强风化岩为破岩对象,模拟分析了不同贯入度、不同运动速度下的滚刀的动态运动过程。基于本文的初步研究分析发现：滚刀存在最优贯入度区间,低于该区间时滚刀不能进入动态转动状态,大于该区间时改善效果不明显且增大滚刀受力;滚刀启动时受到的扭矩先随滚刀运动而升高,到达某一峰值点附近后开始下降,随后在零值附近波动;滚刀启动峰值扭矩和运动速度正相关;滚刀达到峰值扭矩的时间和运动速度负相关。本文的研究手段可为相关研究者提供参考,本文的研究结果可为盾构刀盘刀具设计及盾构机的操作提供参考。     

无信号环形交叉口机非冲突机器学习预测方法

为高效精确地预测无信号环形交叉口机动车与非机动车的交通冲突,提出了基于遗传算法优化的BP神经网络(GA-BP)和支持向量回归(SVR)的组合预测模型(SVR-GA-BP)。通过无人机采集混合交通流高清视频,利用视频识别软件Tracker提取机非交通冲突轨迹数据,以距离碰撞时间(Time to Collision, TTC)为判别指标,确定机非冲突严重程度。基于偏相关性分析确定交通量、平均速度、大车比例等为机非交通冲突的显著影响因素,选取均方根误差(RMSE)、平均绝对误差(MAE)等五种评价指标对SVR模型、BP神经网络、SVR-GA-BP模型的预测值进行精度分析。结果表明,组合模型在一般冲突预测中精度为97.1%,相比SVR和BP神经网络分别提高6.9%和2.5%,在严重冲突预测中精度为96.1%,相比SVR和BP神经网络分别提高7.3%和5.1%。可见SVR-GA-BP组合模型能够有效预测无信号环形交叉口的机非冲突且精度最高,可为同类型交叉口的安全评价提供借鉴。     

复合地层土压平衡盾构刀盘掘进参数

土压平衡盾构在复合地层中掘进时常出现推力和扭矩波动幅度过大的问题,为了研究盾构机在复合地层中刀盘受力特点,基于扩展模型建立了不同类型全刀盘掘土数值模型,研究了全刀盘Mises应力以及推力和扭矩的变化规律,验证了数值计算结果的合理性。基于室内土压平衡盾构掘进试验,研究了盾构机掘进参数在不同地层中的变化规律。研究结果表明,随着刀盘推进深度增加,各类刀盘Mises应力最大值呈增加的趋势。各类地层全刀盘掘进模型的推力及扭矩计算误差均未超过10%,利用扩展Drucker-Prager模型所建立的全刀盘掘进模型是合理的。土压平衡盾构掘进模型试验表明,随着中风化泥质粉砂岩地层占比逐渐增大,盾构机推力有增大的趋势;盾构刀盘扭矩先增大后减小,最后趋于稳定;出土器扭矩变化不明显。整个推进过程中盾构机推力变化范围为6.0～7.7 kN,扭矩变化范围为773.4～1 195.8 N·m,出土器扭矩变化范围为32.5～104 N·m。     

基于ABC-BP神经网络的地铁盾构地表沉降预测

为研究地层参数和盾构掘进参数与地表沉降的非线性关联性,依托南京地铁6号线盾构区间,采用人工蜂群算法ABC优化BP神经网络,建立可预测地表沉降的ABC-BP神经网络模型。连续3个断面地表沉降预测结果表明:ABC-BP神经网络的预测精度和预测稳定性优于BP神经网络,且预测值与实测值一致；ABC-BP神经网络可较为准确地反映盾构机接近监测断面过程中的地表变形演变规律,最终实现地表变形控制的目的。提出了ABC-BP神经网络现场应用思路,构建了地层-掘进参数-沉降的关系,进而通过地层参数直接实现对盾构掘进参数和地表变形控制。     

盾构切削复合地基对既有房屋的影响

为了探究整个切桩过程房屋沉降分布特征及变化规律,并为今后越来越多的类似工程的理论分析、设计计算和施工参数调整提供依据,依托郑州地铁5号线隧道工程,对盾构切群桩复合地基全过程中的房屋沉降数据和施工参数进行了分析,并给出了相应变形控制措施与建议.研究表明,在距离开始切桩位置约3.9倍隧道外径,以及盾尾脱离复合地基加固后约5...     

基于公交浮动车数据的城市主干道交通拥堵预测

交通拥堵预测是解决交通拥堵问题的前提。针对速度特性分析不全面的问题,基于公交浮动车数据,在速度时间相关性和空间相关性分析的基础上,加入了公交流量和时间占有率两个特征,提出了考虑时空特性和公交车流特性的改进粒子群优化的径向基函数神经网络(particle swarm optimization-radial basis function, PSO-RBF)速度预测模型。通过比较预测结果与速度阈值,得到城市主干道的交通拥堵情况。结果表明,与只考虑时空特性的预测结果相比,所提出的基于时空特性和公交车流特性的预测方法,可使模型预测的均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)分别降低13.58%、12.63%,决定系数达92.39%。同时,实例验证了改进的PSO-RBF神经网络模型的预测精度要优于标准的PSO-RBF神经网络。