基于XGBoost的岩溶地层盾构滚刀磨损预测研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：为验证所提出模型的有效性,依托深圳某管廊盾构项目进行实例验证,并将所提出预测模型与BP神经网络模型、支持向量回归模型和Transformer模型进行对比.3个滚刀测试集数据基于XGBoost的预测结果中,均方根误差分别为0.107、0.129、0.125,平均绝对误差分别为0.076、0.101、0.093,相关系数分别为0.970、0.960、0.959,均优于各对比模型,表明提出的XGBoost预测模型具有较高的预测精度,可为岩溶地层盾构施工滚刀磨损预测提供一种新方法.

外文标题：Study on the Prediction of Rolling Disc Wear in Karst Strata Tunnel Boring Machine Based on XGBoost

作者：

张鹏

展开 >

作者单位：

中铁二十局集团南方工程有限公司,广东广州 511300

关键词：

盾构隧道岩溶地层滚刀磨损预测 XGBoost模型

出版年：

2025

DOI：

10.3969/j.issn.1001-1366.2025.01.004

建筑机械化

中国建筑科学研究院建筑机械化研究分院

建筑机械化

影响因子：0.276

ISSN：1001-1366

年,卷(期)：2025.46(1)