-
公开(公告)号：CN113323676B
公开(公告)日：2024-03-22
申请号：CN202110618612.7
申请日：2021-06-03
Applicant: 上海市隧道工程轨道交通设计研究院 , 汕头大学
Abstract: 本发明提供一种用主成分分析‑长短记忆模型确定盾构机刀盘扭矩的方法，包括：S1，获取盾构机施工的地质参数和盾构施工参数，对所述地质参数和盾构施工参数进行归一化处理；S2，采用主成分分析方法对归一化处理后的数据降维，并将降维后的数据和目标参数即盾构机刀盘扭矩划分为训练集和测试集；S3，建立长短记忆神经网络模型，将训练集输入到长短记忆神经网络模型中，调整模型参数使模型达到收敛，并用测试集验证后保存最佳模型；S4，将实测的地质参数和盾构施工参数输入所述最佳模型，得到目标参数盾构机刀盘扭矩。本发明能够根据盾构机施工参数和地质参数快速准确确定盾构机刀盘扭矩，能够更好地指导盾构施工。
-
公开(公告)号：CN113323676A
公开(公告)日：2021-08-31
申请号：CN202110618612.7
申请日：2021-06-03
Applicant: 上海市隧道工程轨道交通设计研究院 , 汕头大学
Abstract: 本发明提供一种用主成分分析‑长短记忆模型确定盾构机刀盘扭矩的方法，包括：S1，获取盾构机施工的地质参数和盾构施工参数，对所述地质参数和盾构施工参数进行归一化处理；S2，采用主成分分析方法对归一化处理后的数据降维，并将降维后的数据和目标参数即盾构机刀盘扭矩划分为训练集和测试集；S3，建立长短记忆神经网络模型，将训练集输入到长短记忆神经网络模型中，调整模型参数使模型达到收敛，并用测试集验证后保存最佳模型；S4，将实测的地质参数和盾构施工参数输入所述最佳模型，得到目标参数盾构机刀盘扭矩。本发明能够根据盾构机施工参数和地质参数快速准确确定盾构机刀盘扭矩，能够更好地指导盾构施工。
-
公开(公告)号：CN113282989A
公开(公告)日：2021-08-20
申请号：CN202110597471.5
申请日：2021-05-31
Applicant: 中铁十六局集团北京轨道交通工程建设有限公司 , 中铁十六局集团有限公司 , 汕头大学
Abstract: 本发明提供一种基于云模型盾构掘进实时风险评估的方法，包括：S100，收集盾构掘进参数，基于所述盾构掘进参数构建数据集；S200，对上述各影响因素的监测数据进行归一化处理，并基于归一化值设置每个影响因素的权重；S300，构建云模型，基于所述权重将子云合成父云，其中，所述子云由每个影响因素的实测数据产生，所述父云为待识别云；S400，计算标准云和所述待识别云之间的相似度，根据该相似度进而确定盾构掘进风险等级。本发明基于云模型理论与现场监测数据，云模型克服了岩土工程中数据的模糊性与不确定性，并且很好地将实测数据融合起来，使得到的结果具有客观性与可操作性，符合工程实际情况。
-
公开(公告)号：CN113610337A
公开(公告)日：2021-11-05
申请号：CN202110689668.1
申请日：2021-06-22
Applicant: 中铁建华南建设有限公司 , 汕头大学
Abstract: 本申请涉及基坑工程技术领域，提供了一种基坑工程风险确定方法、装置、计算机设备和存储介质。本申请通过构建潜在风险因素决策层次图分层次呈现基坑工程中各风险源及其对应的各风险因素，根据各风险评价方对应的勾股模糊数获取各评价方权重，以此分配各评价方的重要程度并综合各评价方的风险评价结果得到群体决策矩阵，进一步结合各风险源的准则权重和以三角模糊数的脆值表示的各风险因素的特征权重获得综合加权矩阵，最后基于综合加权矩阵计算各风险因素的贴近度指数并确定基坑工程的风险，对各风险因素进行有效识别和排序并处理决策过程中的不确定性和模糊性，更客观更贴近工程实际情况，提高基坑工程的风险评估的准确性和可靠性。
-
公开(公告)号：CN113282990A
公开(公告)日：2021-08-20
申请号：CN202110597488.0
申请日：2021-05-31
Applicant: 中铁十六局集团北京轨道交通工程建设有限公司 , 中铁十六局集团有限公司 , 汕头大学
Abstract: 本发明公开一种盾构运动轨迹的智能化实时确定方法、终端和介质，包括：收集水文地质参数；收集隧道盾构施工中盾构操作参数，并对盾构操作参数进行离散小波变换处理；将水文地质参数及盾构操作参数作为数据集，将数据集划分为训练集和测试集；建立长短期记忆神经网络，在长短期记忆神经网络中输入训练集进行训练，当测试集达到精度标准时结束训练并保存长短期记忆神经网络，用于盾构运动轨迹确定。本发明实现了盾构姿态及盾构机位置偏移情况的高精度、高效率预测，通过实时调控偏移进而实现了盾构机运动轨迹的精准控制。
-
Patent Agency Ranking
公开(公告)号：CN113077076A
公开(公告)日：2021-07-06
申请号：CN202110290546.5
申请日：2021-03-18
Applicant: 汕头大学
Abstract: 本发明公开了一种混凝土搅拌站选址的确定方法，所述方法包括:获取多个指标，以及获取多个候选位置；获取每个候选位置的每个指标的计算值,根据每个候选位置的每个指标的计算值确定每个指标的权重；根据每个指标的权重确定每个候选位置的贴近度系数指数，根据每个候选位置的贴近度系数指数对候选位置进行排序。根据接近度指数对候选位置进行排序，选择最佳位置。本发明的计算结果差异明显，辨识度高，使得到的最终结果更可靠，鲁棒性更好。
-
公开(公告)号：CN113298220B
公开(公告)日：2023-08-04
申请号：CN202110597689.0
申请日：2021-05-31
Applicant: 中铁十六局集团北京轨道交通工程建设有限公司 , 中铁十六局集团有限公司 , 汕头大学
Inventor： 李学荣 , 乔国华 , 阮经仟 , 黄太玉 , 卫海梁 , 王磊 , 王念 , 沈水龙 , 林松顺 , 胡承睿 , 侯永兵 , 李小锋 , 魏龙刚 , 安普振 , 陈贺 , 李志坡 , 王猛 , 李明俊 , 韩非 , 邓川宁 , 季少雷 , 杨帅 , 罗园
IPC: G06N3/006 , G06N3/0464 , G06N3/08 , E21D9/06 , E21D9/093
Abstract: 本发明提供一种基于神经网络优化的盾构机掘进速度预测方法，其中包括：S100，收集地质参数；S200，收集每一环盾构施工参数，并对地质参数和施工参数进行标准化处理，将处理后的数据划分为训练集与测试集；S300，确定模型的输入变量，并将盾构施工参数集中的盾构掘进速度作为输出变量，利用划分的训练集建立深度学习神经网络模型；S400，基于深度学习神经网络模型对盾构机在测试集上的掘进速度进行预测，并使用分层粒子群算法对神经网络预测模型进行动态优化。本发明预测结果与实际施工中的盾构机掘进速度吻合，预测结果准确可靠。
-
公开(公告)号：CN113283767A
公开(公告)日：2021-08-20
申请号：CN202110607711.5
申请日：2021-06-01
Applicant: 中铁十六局集团北京轨道交通工程建设有限公司 , 中铁十六局集团有限公司 , 汕头大学
Abstract: 本发明提供一种基于信息融合的基坑施工风险评估方法，包括：S1,基于工程概况和工程经验，构建风险评价体系，所述风险评价体系确定风险因子以及划分风险等级；S2，获取所述风险因子对应的监测项目所监测得到的数据，将对所述数据进行归一化处理；S3，根据所述风险等级确定隶属度函数，计算隶属度，构建风险评估矩阵；S4，根据所述风险评估矩阵，利用熵权法确定各风险等级的权重；S5，利用证据理论对数据进行融合，确定基坑工程的风险评估等级。本发明克服了现有方法中存在的缺乏对多因素综合作用的考虑而造成风险评估不准确的问题。
-
公开(公告)号：CN113610337B
公开(公告)日：2024-04-19
申请号：CN202110689668.1
申请日：2021-06-22
Applicant: 中铁建华南建设有限公司 , 汕头大学
IPC: G06Q10/0635 , G06Q50/08
Abstract: 本申请涉及基坑工程技术领域，提供了一种基坑工程风险确定方法、装置、计算机设备和存储介质。本申请通过构建潜在风险因素决策层次图分层次呈现基坑工程中各风险源及其对应的各风险因素，根据各风险评价方对应的勾股模糊数获取各评价方权重，以此分配各评价方的重要程度并综合各评价方的风险评价结果得到群体决策矩阵，进一步结合各风险源的准则权重和以三角模糊数的脆值表示的各风险因素的特征权重获得综合加权矩阵，最后基于综合加权矩阵计算各风险因素的贴近度指数并确定基坑工程的风险，对各风险因素进行有效识别和排序并处理决策过程中的不确定性和模糊性，更客观更贴近工程实际情况，提高基坑工程的风险评估的准确性和可靠性。
-
公开(公告)号：CN113298220A
公开(公告)日：2021-08-24
申请号：CN202110597689.0
申请日：2021-05-31
Applicant: 中铁十六局集团北京轨道交通工程建设有限公司 , 中铁十六局集团有限公司 , 汕头大学
Inventor： 李学荣 , 乔国华 , 阮经仟 , 黄太玉 , 卫海梁 , 王磊 , 王念 , 沈水龙 , 林松顺 , 胡承睿 , 侯永兵 , 李小锋 , 魏龙刚 , 安普振 , 陈贺 , 李志坡 , 王猛 , 李明俊 , 韩非 , 邓川宁 , 季少雷 , 杨帅 , 罗园
Abstract: 本发明提供一种基于神经网络优化的盾构机掘进速度预测方法，其中包括：S100，收集地质参数；S200，收集每一环盾构施工参数，并对地质参数和施工参数进行标准化处理，将处理后的数据划分为训练集与测试集；S300，确定模型的输入变量，并将盾构施工参数集中的盾构掘进速度作为输出变量，利用划分的训练集建立深度学习神经网络模型；S400，基于深度学习神经网络模型对盾构机在测试集上的掘进速度进行预测，并使用分层粒子群算法对神经网络预测模型进行动态优化。本发明预测结果与实际施工中的盾构机掘进速度吻合，预测结果准确可靠。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.042 seconds)
