改进骆驼算法辅助随机森林模型预测TBM油温

摘要：

为获取对盾构机(Tunnel Boring Machine,TBM)油温的分类预测性能,基于自然天气现象,提出一种骆驼行走阻力与行走耐力策略改进骆驼算法优化随机森林的预测模型.首先,采用提出的策略对传统骆驼算法进行改进,结果表明,改进后的骆驼算法具有良好的收敛速度和收敛精度;其次,利用改进骆驼算法对随机森林建立的盾构机油温预测模型进行参数优化,获得最优模型;最后,在此基础上,对测试数据集进行分类预测研究分析.实验结果表明,提出的模型预测准确率达到 97.71%,相比于传统随机森林模型在准确率上提升了 6.38%,可以达到避免油温过高引起盾构机故障的目的,为未来的整机材料-结构-控制多学科协同优化设计和性能预测提供基础.

关键词：改进骆驼算法、随机森林分类、参数优化、TBM、油温预测

所属期刊栏目：45

分类号：TH122

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：862-870