原文传递
基于注意力加强Bi-LSTM模型的TBM掘进参数预测研究
| 题名： | 基于注意力加强Bi-LSTM模型的TBM掘进参数预测研究 |
| 正文语种： | 中文 |
| 作者： | 张庆龙;朱燕文;马睿;严冬;杨传根;崔同欢;李庆斌 |
| 作者单位： | 清华大学水沙科学与水利水电工程国家重点实验室;华能西藏水电安全工程技术研究中心 |
| 关键词： | TBM;注意力机制加强;Bi-LSTM模型;完整掘进周期;掘进参数预测 |
| 摘要： | 使用Bi-LSTM模型预测TBM掘进参数时在模型训练用时与收敛速度方面存在不足。对传统注意力机制使用方式进行改进，提出了一种以并行融合方式形成的注意力加强的双向长短时记忆网络（Bi-LSTM+EMB_ATT）智能预测模型，并选取完整掘进循环数据预测TBM稳定段的掘进参数。采集吉林引松工程TBM3标段的运行数据并划分训练集和测试集，采用二值状态判别函数等方法预处理数据，利用皮尔逊分析结果选取完整掘进循环段21维掘进参数作为预测模型的输入，并对比分析并行连接的Bi-LSTM+EMB_ATT模型与串行连接的Bi-LSTM+ATT模型。结果表明，Bi-LSTM+EMB_ ATT模型对TBM掘进参数的预测拟合优度均达0.91以上，平均绝对误差均小于2.7%，比Bi-LSTM+ATT模型的预测精度更高。 |
| 期刊名称： | 现代隧道技术 |
| 出版年： | 2022 |
| 期： | 04 |
| 页码： | 69-80 |
检索历史
应用推荐
