文献类型：期刊文章

作　　者：李龙[1] 刘造保[1] 周宏源[1] 齐文彪[2] 查文华[3]

LI Long;LIU Zaobao;ZHOU Hongyuan;QI Wenbiao;ZHA Wenhua(Key Laboratory of Ministry of Education on Safe Mining of Deep Metal Mines,College of Resources and Civil Engineeringr Northeastern University,Shenyang,Liaoning 110819,China;Jilin Province Water Resource and Hydropower Consultative Company,Changchun,Jilin 130021,China;School of Civil and Architectural Engineering,East China University of Technology,Nanchang,Jiangxi 330013,China)

机构地区：[1]东北大学资源与土木工程学院,深部金属矿山安全开采教育部重点实验室,辽宁沈阳110819 [2]吉林省水利水电勘测设计研究院,吉林长春130021 [3]东华理工大学土木与建筑工程学院,江西南昌330013

出　　处：《岩石力学与工程学报》

基　　金：兴辽英才计划青年拔尖人才项目(XLYC1807094);国家重点基础研究计划(973项目)(2015CB058100)。

年　　份：2020

卷　　号：39

期　　号：S02

起止页码：3403-3411

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现TBM隧洞不良地质的超前判识,基于吉林引松工程TBM隧洞40.8亿条施工数据,采用机器学习方法开展隧洞断层超前智能感知研究。通过分析TBM岩–机交互参数(刀盘扭矩和顶护盾压力等)的变化规律,将断层附近掘进段划分为平稳段、预警段和断层段;借助皮尔逊相关性分析,优选出7个关键参数作为断层感知的特征属性;以随机森林和支持向量机为基分类器,构建隧洞断层智能感知的加权集成投票模型。选取断层附近771组TBM施工有效掘进循环数据,以准确率为目标对所建立模型进行训练和测试(539组训练,232组测试);应用准确率、召回率、F_(1)–分数评估加权集成投票模型进行断层超前感知的性能,采用部分依赖图分析关键交互参数在不同预测类别中的敏感度。结果表明,刀盘扭矩和顶护盾压力等关键交互参数在断层附近显现出不同程度的响应规律,加权集成投票模型能有效预测断层附近的平稳段、预警段和断层段,准确率达89.22%。可为TBM隧洞断层前兆特征预警分析和预控措施提供支撑依据。

关 键 词：岩石力学 TBM大数据  断层智能感知  机器学习  隧道智能建造  加权集成投票模型  

分 类 号：TU45]