煤炭工程

作者：张全太,刘泉声,黄兴

单位：1. 武汉大学土木建筑工程学院；2. 中科院武汉岩土力学研究所；

关键词：TBM净掘进速率预测,多指标评价,多算法融合,贝叶斯优化,

为了建立巷道TBM(全断面隧道掘进机)施工净掘进速率预测模型，基于马来西亚Pahang-Selangor隧洞通过室内试验和现场记录获取的100组岩体力学和TBM掘进参数，采用统计回归分析、人工神经网络、机器学习和多算法融合等方法建立了17个TBM净掘进速率(PR)预测模型，提出了一种新的归一多指标模型评价方法，对模型的各个评价指标依次进行倾向一致性转换、归一化、求和与排序，同时使用归一法和已有的排名法对比分析17个模型的预测性能，结果表明：多算法融合提高了人工神经网络和分类与回归树模型的预测能力，略微降低了支持向量回归模型的预测能力|分类与回归树模型和基于分类与回归树的多算法融合模型预测能力最好，更适用于PR预测|提出的归一法为不同模型的多指标综合评价提供了量化方法，克服了排名法在模型预测能力差别较小时无法精确识别的不足。

来源：2021年第5期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2021年第5期