基于Matlab的BP神经网络在预测TBM掘进速度中的应用

摘要：

TBM的掘进效率受围岩特征和机器设备性能的影响,预测TBM的掘进速度需要考虑这两方面因素.由于地质环境具有不确定性,文章分别采用正态分布和指数分布模拟岩石单轴抗压强度UCS和岩石质量指标RQD的统计分布规律,利用Monte Carlo算法生成相应的随机输入参数;在考虑机器设备性能因素时,通过净推力和刀盘直径的比值,消除了不同机器设备之间性能因素的影响差异;基于围岩和机器性能两方面输入参数,在Matlab软件中建立了预测TBM掘进贯入度的BP神经网络模型.通过工程实例验证,模型的预测结果和实际情况比较接近.

关键词：TBM掘进速度、预测、贯入度、BP神经网络、随机性、设备性能、围岩特征

所属期刊栏目：54

分类号：U455.3;TP183(隧道工程)

资助基金：陕西省自然科学基金项目2016JM4103,2016JM4019;中央高校基本科研业务费专项资金310828163409

在线出版日期：2017-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：101-107