基于Monte Carlo-BP神经网络TBM掘进速度预测

摘要：

预测隧道工程中TBM掘进速度,主要有完全经验的、半理论半经验的模型和人工智能等方法,所用参数均为确定性的,未考虑参数存在的随机性,故导致预测结果的不准确性.基于此,提出了Monte Carlo-BP神经网络TBM掘进速度预测模型,着重考虑了一些重要输入参数的随机性, 其中输入参数重要性的大小通过粗糙集进行计算排序.采用Monte Carlo产生随机数时,由于参量的样本数据的有限,分布函数均采用阶梯形经验分布函数.如果采用的数据是来自不同类型的 TBM,则应当考虑机器性能参数,并重新对参数重要性进行排序.实例计算表明,Monte Carlo-BP神经网络模型预测结果和实测值总体趋势和均值比较一致.

关键词：TBM掘进速度、Monte Carlo-BP神经网络、参数重要性、粗糙集

所属期刊栏目：30

分类号：TU443(土力学、地基基础工程)

资助基金：国家十一五科技支撑项目2006BAB04A06

在线出版日期：2009-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3127-3132