基于PSO-SVR算法的TBM掘进效率预测及围岩分级研究

发布时间：2017-10-31 03:31

  本文关键词：基于PSO-SVR算法的TBM掘进效率预测及围岩分级研究

  更多相关文章： 粒子群 支持向量归 TBM 施工预测 围岩分级

【摘要】：采用TBM进行隧洞施工速度快,掘进效率高,尤其在超长距离的隧洞工程中,TBM施工带来的经济效益更加显著。在实际工程中,为了进行可行性论证、经济效用评估和风险控制等,需要对TBM的掘进效率等指标进行预测,判定围岩的可掘进性。在影响掘进效率的因素中,围岩地质条件是影响TBM掘进效率的主要外部因素,TBM施工条件下的围岩分级应重点考虑岩体的可掘进性。为了建立可靠的施工预测模型,预测施工效率,本文采用粒子群(PSO)优化的支持向量回归算法(SVR),通过分析掘进效率的影响因素,确定了三项围岩参数——单轴抗压强度(UCS)、软弱结构面平均间距(DPW)、结构面与隧洞轴线的夹角(α),和掘进效率指标——贯入度指数(FPI),分别作为模型的输入和输出参数,建立了TBM掘进效率预测模型。同时,将PSO-SVR模型和其他理论下建立的模型进行了对比分析。在此基础上,依据围岩参数和贯入度指数(FPI)之间的相关关系,提出了一种新的TBM施工条件下的围岩分级方法。主要取得以下成果:(1)借助粒子群(PSO)算法,优化了支持向量回归(SVR)算法在回归拟合过程中的关键核参数选取,使得支持向量回归算法能够取得最优的适应度,达到最优的回归拟合效果。通过本文研究,进一步验证了PSO-SVR联合算法的先进性。今后可以将该方法应用到其他回归预测问题的处理中。(2)与线性回归、非线性回归、神经网络理论进行对比,PSO-SVR模型的预测准确度最高。表明PSO-SVR预测模型在预测准确度上相比其他理论方法有较大提高。(3)本文依据贯入度指数(FPI)和岩石可掘进性之间的关系,在PSO-SVR预测模型的基础上建立了TBM施工条件下的围岩分级图。通过围岩参数和机器设备参数预测出FPI值,然后根据围岩分级图即可快速判定围岩的级别,评估围岩的可掘进性。
【关键词】：粒子群 支持向量归 TBM 施工预测 围岩分级
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U452.12;U455.4
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-19
• 1.1 研究背景和研究意义9-10
• 1.2 研究现状10-16
• 1.2.1 TBM施工预测研究现状10-12
• 1.2.2 TBM施工围岩分级研究现状12-16
• 1.3 研究内容16-17
• 1.4 研究方法17-19
• 1.4.1 研究方法17-18
• 1.4.2 技术路线18-19
• 第二章 TBM掘进效率影响因素和评价指标19-26
• 2.1 前言19-20
• 2.2 TBM掘进影响因素20-22
• 2.2.1 围岩条件20-21
• 2.2.2 设备性能21-22
• 2.3 TBM掘进效率指标22-25
• 2.4 本章小结25-26
• 第三章 基于PSO-SVR的TBM掘进效率预测模型26-62
• 3.1 前言26
• 3.2 粒子群-支持向量回归（PSO-SVR）算法理论26-32
• 3.2.1 统计学习理论26-27
• 3.2.2 SVR算法理论27-30
• 3.2.3 PSO算法理论30-31
• 3.2.4 基于PSO的SVR参数优化选择31-32
• 3.3 PSO-SVR模型32-52
• 3.3.1 模型的训练数据32-42
• 3.3.2 PSO-SVR模型的训练及测试42-47
• 3.3.3 预测结果分析47-52
• 3.4 常规理论模型预测52-59
• 3.4.1 线性回归52-54
• 3.4.2 非线性回归54-56
• 3.4.3 BP神经网络模型56-59
• 3.5 不同理论模型对比分析59-61
• 3.6 本章小结61-62
• 第四章 TBM施工围岩分级方法62-71
• 4.1 前言62
• 4.2 TBM施工围岩分级理论62-63
• 4.3 基于掘进效率的TBM施工围岩分级63-69
• 4.4 围岩分级方法对比分析69-70
• 4.5 本章小结70-71
• 结论71-72
• 结论71
• 展望71-72
• 参考文献72-79
• 攻读学位期间取得的研究成果79-80
• 致谢80

【参考文献】

中国期刊全文数据库 前10条

1 杜立杰;齐志冲;韩小亮;周建锋;陈忠伟;杜彦良;;基于现场数据的TBM可掘性和掘进性能预测方法[J];煤炭学报;2015年06期

2 王攀;郭伟;朱殿华;;基于模糊聚类理论的TBM施工围岩可掘进性分级预测模型[J];现代隧道技术;2014年06期

3 闫长斌;闫思泉;刘振红;;南水北调西线工程岩石中石英含量变化及其对TBM施工的影响[J];工程地质学报;2013年04期

4 闫长斌;路新景;;基于改进的距离判别分析法的南水北调西线工程TBM施工围岩分级[J];岩石力学与工程学报;2012年07期

5 祁生文;伍法权;;基于模糊数学的TBM施工岩体质量分级研究[J];岩石力学与工程学报;2011年06期

6 颜七笙;王士同;;基于PSO-SVR的岩质边坡稳定性评价模型[J];计算机工程与应用;2011年16期

7 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

8 李苍松;谷婷;丁建芳;陈俊栋;于维刚;;TBM施工隧洞围岩级别划分探讨[J];工程地质学报;2010年05期

9 吴继敏;卢瑾;;节理走向对TBM掘进速率的影响分析[J];水电能源科学;2010年08期

10 温森;赵延喜;杨圣奇;;基于Monte Carlo-BP神经网络TBM掘进速度预测[J];岩土力学;2009年10期

，

本文编号：1120636