AL-iGAN：一种基于TBM运行数据的隧道地质重建主动学习框架
机器学习
2022-12-05 v1
摘要
在隧道掘进机（TBM）地下工程中，准确描述隧道内分布的岩土类型可降低施工风险（如地表沉降与滑坡）并提高施工效率。本文提出一种称为AL-iGAN的主动学习框架，用于基于TBM运行数据的隧道地质重建。该框架包含两大部分：其一为利用主动学习技术推荐新的钻探位置以标注TBM运行数据，进而形成新训练样本；其二为一个用于地质重建的增量生成对抗网络（iGAN-GR），其权重可通过新样本进行增量更新以提升重建性能。数值实验同样验证了所提框架的有效性。
引用
@article{arxiv.2212.00965,
title = {AL-iGAN: An Active Learning Framework for Tunnel Geological Reconstruction Based on TBM Operational Data},
author = {Hao Wang and Lixue Liu and Xueguan Song and Chao Zhang and Dacheng Tao},
journal= {arXiv preprint arXiv:2212.00965},
year = {2022}
}