基于机器学习方法的 TBM 载荷参数实时预测模型
机器学习
2021-04-14 v1 信号处理
摘要
由于快速的掘进速率与改善的人员安全性，隧道掘进机（TBM）已被广泛应用于各类隧道建设工程中。TBM 载荷参数（包括扭矩、掘进速率与推力）的动态建模在该复杂工程系统的设计、安全运行与故障预测中起着关键作用。本文基于现场 TBM 运行数据，使用机器学习（ML）方法构建 TBM 载荷参数的实时预测模型，只要采集到当前数据，即可瞬时给出 TBM 载荷参数的未来值。为降低模型复杂度并提升泛化能力，我们还应用最小绝对收缩与选择（Lasso）方法提取预测任务的本质特征。实验结果表明，基于深度学习方法（如循环神经网络及其变体）的预测模型优于基于浅层学习方法（如支持向量回归与随机森林）的模型。此外，基于 Lasso 的特征提取显著提升了所得模型的性能。
引用
@article{arxiv.2104.06353,
title = {Real-time Forecast Models for TBM Load Parameters Based on Machine Learning Methods},
author = {Xianjie Gao and Xueguan Song and Maolin Shi and Chao Zhang and Hongwei Zhang},
journal= {arXiv preprint arXiv:2104.06353},
year = {2021}
}