一种基于数据挖掘的掘进速度预测模型

摘要：

考虑到隧道掘进机(TBM)高效、安全等优点,越来越多的隧道修建选用TBM进行,预测TBM的掘进速度可以明确指导工程进度规划、成本控制等,使得掘进更加高效经济.依托北疆供水二期工程TBM隧洞,采用数理统计方法探究了地质参数和掘进参数的分布规律,依次分析了地质参数和掘进参数对掘进速度的影响,并建立了最优回归公式.结合现场数据,讨论了既有模型的适用性,并基于数据挖掘聚类方法,开发了以地质参数和掘进参数为自变量的多因素掘进速度预测模型,并验证了模型的预测效果.研究结果表明:掘进速度会受到地质参数和掘进参数的影响;通过数据挖掘聚类方法,可依据单轴抗压强度、破碎程度和石英含量等属性对围岩进行归类;基于数据挖掘建立的分簇掘进速度预测模型可以有效预测掘进速度,绝对误差小于10mm/min.在模型应用过程中,可通过建立对应工程及相似工程的数据库,结合本文提出的模型开发方法,建立更适用相应工程的分簇掘进速度预测模型.

关键词：数据挖掘;聚类分析;回归分析;预测模型;TBM;掘进速度;现场试验

所属期刊栏目：29

分类号：U455.43(隧道工程)

资助基金：国家自然科学基金项目51978041

在线出版日期：2021-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共19页

页码：1201-1219