-
题名盾构施工地表沉降的无监督学习预估方法
被引量：3
- 1
-
-
作者
阮永芬
张虔
乔文件
闫明
郭宇航
-
机构
昆明理工大学建筑工程学院
中铁二十局集团第五工程有限公司
-
出处
《安全与环境学报》
CAS
CSCD
北大核心
2023年第7期2270-2279,共10页
-
基金
云南省科技厅科技计划项目(2018BC008)。
-
文摘
随着城市轨道交通建设的逐年增多,盾构施工引发的地表沉降问题愈发突出,传统方法难以对高原湖相沉积软土场地盾构施工沉降进行准确预测。基于无监督学习思想,结合工程经验优选10项表征指标作为输入集,据主成分分析(Principal Component Analysis, PCA)处理多参交互、非线性问题的能力,实现样本多参数去耦合的降维处理,得出表征指标敏感性序列,以指导控制措施的实施。利用K-means算法搜寻最优初始聚类中心,并采取多种内部评价指标优化模糊C-均值聚类(Fuzzy C-Means clustering, FCM)中心数,旨在缩短模型收敛时间并提升预测准确率。基于此优化聚类算法建立盾构施工地表最大沉降的无监督预估模型,度量样本数据的空间相似性并进行沉降值类别划分,实现工后沉降等级精准预估与施工参数调整,从而有效控制地表沉降。应用该模型对昆明地铁5号线高原湖相沉积软土场地不同里程段盾构工后沉降进行预测,并与多种算法结果进行对比分析,结果显示该模型对测试样本适应性更强,算法收敛快,预估结果精准可靠,具有较好的工程应用价值,所得研究成果与结论可为近似工程提供借鉴与参考。
-
关键词
安全工程技术科学
隧道施工
地表沉降预估
无监督学习
主成分分析
聚类算法
-
Keywords
safety engineering technology science
tunnel construction
prediction of ground subsidence
unsupervised learning
principal component analysis
clustering algorithm
-
分类号
X947
[环境科学与工程—安全科学]
-
