基于优化BP神经网络的TBM性能预测
由于隧道掘进机(tunnel boring machine,TBM)掘进速度与机器参数、岩体参数之间的非线性关系复杂,难以准确预测,为了构建可靠的TBM性能预测模型,分析TBM掘进速度的主要影响因素,提出应用模拟退火算法(SA)和遗传算法(GA)优化BP神经网络的TBM性能预测模型,并使用吉林引松供水工程的TBM数据库对GA-BP模型和SA-BP模型进行训练测试.结果 表明,与传统BP神经网络方法相比,优化后的模型预测泛化性更好,且精度明显提高.优化后的BP神经网络能在一定程度上克服易陷入局部最优的缺陷,应用于TBM性能预测具有良好表现.
隧道掘进机、掘进速度、岩体参数、神经网络
39
U45(隧道工程)
国家重点基础研究发展计划项目;国家自然科学基金重点项目;国家重点研发计划专题项目;山东省重点研发计划项目;山东大学基本科研业务费专项项目
2020-10-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
139-145