返回
Intelligent shield machine selection for subway tunnel using machine learning
DOI:10.1016/j.autcon.2025.106492.png)
摘要
En 中文
• 通过结合K-中位数和灰色关联分析提取地层的主要地质参数。
• 整合插补和滤波方法以优化盾构机参数数据集的制备。
• 一种WHAC-SIMO-RNN神经网络结构预测多个盾构机参数,用于盾构机选型。
• 一种模型评估盾构机在多个工程案例中的适应性。
期刊
IF:
11.5
论文数:
6.3K
被引数:
4.2W
机构
引用论文
Safety-Risk Assessment for TBM Construction of Hydraulic Tunnel Based on Fuzzy Evidence Reasoning
Processes
IF0
A hybrid comprehensive performance evaluation approach of cutter holder for tunnel boring machine一种隧道掘进机刀柄混合综合性能评价方法
Deep learning-based prediction of steady surface settlement due to shield tunnelling基于深度学习的盾构掘进地表稳定沉降预测
Hard-rock TBM jamming subject to adverse geological conditions: Influencing factor, hazard mode and a case study of Gaoligongshan Tunnel不良地质条件对硬岩TBM的干扰: 影响因素,危害模式及以高黎贡山隧道为例

