基于GBDT-CNN-GRU融合模型的TBM隧道低样本围岩智能识别
Journal: Engineering Technology Development DOI: 10.32629/etd.v6i7.18230
Abstract
在地下工程中,全断面硬岩隧道掘进机(Tunnel Boring Machines,TBM)在IV与V类围岩条件下作业时,常会对施工安全构成较大风险。针对这一问题,本文提出一种融合GBDT、CNN、GRU及注意力机制的多特征融合模型(简称GCGA),用于提升TBM对围岩等级的预测精度。同时以深圳市公明水库—清林径水库连通工程为案例,在3个不同工区进行了验证。结果表明：GCGA模型整体预测准确率优于随机森林和SVM等算法；在低样本量IV类和V类围岩识别中,预测准确率分别提升至88.89%和95.02%；本文结论为GCGA 模型在复杂围岩条件下具有较强的预测精度与适用性,为TBM隧道施工中的风险防控提供了有效技术支撑。
Keywords
TBM；岩体等级；隧洞工程；特征融合模型
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] XIE W,LI W,LIU X, et al.In-situ methods for the TBM dism antling in a long-distance and deep-buried tunnel: Case stu dy of Xinjiang water conveyance tunnel[J].Tunnelling and Und erground Space Technology,2022,129:104683.
[2] 吴俊.基于分区随钻参数的隧道围岩智能分级方法研究[D].重庆交通大学,2024.
[3] HUANG G,QIN C,WANG H,et al.TBM rock fragmentation clas sification using an adaptive spot denoising and contour-text ure decomposition attention-based method[J].Tunnelling and Underground Space Technology,2025,161:106498.
[4] 郭东.TBM隧道围岩稳定与衬砌安全智能实时诊断[D].哈尔滨工业大学,2023.
[5] ZHANG L, WANG Y, FU X, et al. Geological risk prediction under uncertainty in tunnel excavation using online learning and hidden Markov model[J]. Frontiers of Engineering Manag ement,2025,12(3):447-466.
[6] 孟尧.长距离水工隧洞TBM开挖围岩稳定有限元分析[J].云南水力发电,2025,41(04):77-80.
[7] 王晗旭.TBM水工隧洞工程质量评价体系研究[D].华北水利水电大学,2024.
[8] 侯文鑫.基于随机森林的TBM连续皮带机故障诊断研究[D].兰州交通大学,2024.
[9] 李傲.基于LightGBM模型的中国上市公司绿色信贷信用风险评估研究[D].江西财经大学,2025.
[10] 高帅.基于凌日搜索并行优化的电能质量扰动识别分类研究[D].湖北民族大学,2025.
[11] 李永花,代青措,马玉芳,等.基于LSTM和KNN组合模型的黄河源区日径流量模拟研究[J].沙漠与绿洲气象,2025,19(3):157-164.
[12] 常伊婷,蒋尚明,崔毅,等.安徽省干旱危险性评价及等级划分[J].华北水利水电大学学报(自然科学版),2024,45(006):41-48.
[13] 丁腾威,冯硕,李娜,等.基于SiameseCNN-LSTM的磨削变形预测方法[J/OL].计算机集成制造系统,1-20[2025-09-27].
[14] 庞文锦.基于特征融合和注意力机制的细粒度图像分类方法研究[D].江南大学,2024.
[15] 胡金鑫.基于机器学习的风力发电机组轴承故障诊断研究[D].重庆交通大学,2024.
[16] 胡志坚,叶政春,郑瀚森.基于自注意力生成式对抗网络的肺癌图像语义分析方法[J].中国医学物理学杂志,2025,42(07):969-973.
[17] 王晓兰,张惟东,王惠中.基于注意力机制的CNN-LSTM短期负荷预测[J].计算机与数字工程,2024,52(10):3014-3018.
[18] 傅中元.基于改进CPO-VMD-CNN-BiLSTM的桥门式起重机减速箱轴承故障诊断模型研究[J/OL].湖北大学学报(自然科学版),1-10[2025-09-27].
[19] 邓涵优,陈红梅,肖清,等.基于多头注意力动态图卷积网络的交通流预测[J].太原理工大学学报,2024,55(1):172-183.
[20] 胡昊,陈军朋,李擎,等.基于CNN-GRU-ATT的城市暴雨积水预测研究[J].华北水利水电大学学报(自然科学版),2024,45(4):27-35.
[21] 沈俊鑫,李宇恒,沈冰亮,等.基于DA-KSMOTE-Stacking的PPPPCP预测模型[J].计算机仿真,2025,42(01):508-513.
[2] 吴俊.基于分区随钻参数的隧道围岩智能分级方法研究[D].重庆交通大学,2024.
[3] HUANG G,QIN C,WANG H,et al.TBM rock fragmentation clas sification using an adaptive spot denoising and contour-text ure decomposition attention-based method[J].Tunnelling and Underground Space Technology,2025,161:106498.
[4] 郭东.TBM隧道围岩稳定与衬砌安全智能实时诊断[D].哈尔滨工业大学,2023.
[5] ZHANG L, WANG Y, FU X, et al. Geological risk prediction under uncertainty in tunnel excavation using online learning and hidden Markov model[J]. Frontiers of Engineering Manag ement,2025,12(3):447-466.
[6] 孟尧.长距离水工隧洞TBM开挖围岩稳定有限元分析[J].云南水力发电,2025,41(04):77-80.
[7] 王晗旭.TBM水工隧洞工程质量评价体系研究[D].华北水利水电大学,2024.
[8] 侯文鑫.基于随机森林的TBM连续皮带机故障诊断研究[D].兰州交通大学,2024.
[9] 李傲.基于LightGBM模型的中国上市公司绿色信贷信用风险评估研究[D].江西财经大学,2025.
[10] 高帅.基于凌日搜索并行优化的电能质量扰动识别分类研究[D].湖北民族大学,2025.
[11] 李永花,代青措,马玉芳,等.基于LSTM和KNN组合模型的黄河源区日径流量模拟研究[J].沙漠与绿洲气象,2025,19(3):157-164.
[12] 常伊婷,蒋尚明,崔毅,等.安徽省干旱危险性评价及等级划分[J].华北水利水电大学学报(自然科学版),2024,45(006):41-48.
[13] 丁腾威,冯硕,李娜,等.基于SiameseCNN-LSTM的磨削变形预测方法[J/OL].计算机集成制造系统,1-20[2025-09-27].
[14] 庞文锦.基于特征融合和注意力机制的细粒度图像分类方法研究[D].江南大学,2024.
[15] 胡金鑫.基于机器学习的风力发电机组轴承故障诊断研究[D].重庆交通大学,2024.
[16] 胡志坚,叶政春,郑瀚森.基于自注意力生成式对抗网络的肺癌图像语义分析方法[J].中国医学物理学杂志,2025,42(07):969-973.
[17] 王晓兰,张惟东,王惠中.基于注意力机制的CNN-LSTM短期负荷预测[J].计算机与数字工程,2024,52(10):3014-3018.
[18] 傅中元.基于改进CPO-VMD-CNN-BiLSTM的桥门式起重机减速箱轴承故障诊断模型研究[J/OL].湖北大学学报(自然科学版),1-10[2025-09-27].
[19] 邓涵优,陈红梅,肖清,等.基于多头注意力动态图卷积网络的交通流预测[J].太原理工大学学报,2024,55(1):172-183.
[20] 胡昊,陈军朋,李擎,等.基于CNN-GRU-ATT的城市暴雨积水预测研究[J].华北水利水电大学学报(自然科学版),2024,45(4):27-35.
[21] 沈俊鑫,李宇恒,沈冰亮,等.基于DA-KSMOTE-Stacking的PPPPCP预测模型[J].计算机仿真,2025,42(01):508-513.
Copyright © 2025 马金山, 常定, 卓鹏飞
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License