| 基于机器学习算法的盾构掘进地表沉降预测方法 |
| |
| 引用本文： | 陈仁朋,?覮,戴田,张品,吴怀娜.基于机器学习算法的盾构掘进地表沉降预测方法[J].湖南大学学报(自然科学版),2021,48(7):111-118. |
| |
| 作者姓名： | 陈仁朋 ?覮 戴田 张品 吴怀娜 |
| |
| 作者单位： | 湖南大学建筑安全与节能教育部重点实验室,湖南长沙410082;湖南大学国家级建筑安全与环境国际联合研究中心,湖南 长沙410082;湖南大学 土木工程学院,湖南 长沙410082;香港理工大学土木与环境工程学系,香港 九龙 |
| |
| 摘 要： | 针对有限元、地层损失率等方法难以考虑多参数耦合作用情况下的地表沉降预测的问题,基于BP神经网络(BPNN)和随机森林算法(RF)两种机器学习算法的多参数、非线性拟合能力,提出了预测盾构掘进过程中地表最大沉降以及纵向沉降曲线的预测方法.通过粒子群算法(PSO)确定机器学习算法的最优超参数,通过k折交叉验证方法提高预测方法的鲁棒性.结果表明BP神经网络的预测结果误差较大,难以预测到较大的地表沉降,随机森林算法能够准确预测地表最大沉降和纵向沉降曲线.
|
| 关 键 词： | 盾构隧道 地表沉降 机器学习 优化 |
Prediction Method of Tunneling-induced Ground
Settlement Using Machine Learning Algorithms |
| |
| CHEN Renpeng,DAI Tian,ZHANG Pin,WU Huaina.Prediction Method of Tunneling-induced Ground
Settlement Using Machine Learning Algorithms[J].Journal of Hunan University(Naturnal Science),2021,48(7):111-118. |
| |
| Authors: | CHEN Renpeng DAI Tian ZHANG Pin WU Huaina |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南大学学报(自然科学版)》下载免费的PDF全文 |
|
