期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于动态线性分段表示的钻进参数围岩分级特征提取方法
1
作者
何永义
王明年
+5 位作者
凌学鹏
易文豪
夏覃永
李泽星
童建军
赵思光
《中国铁道科学》
北大核心
2025年第1期96-106,共11页
依托来自宜昌—郑万高铁联络线隧道工程的1 765份钻进参数样本,在分析钻进参数时序曲线特征的基础上,结合贝叶斯置信区间检验方法、动态线性分段表示方法、卡尔曼滤波方法和线性分段均值处理方法,提出一种基于动态线性分段表示的钻进参...
依托来自宜昌—郑万高铁联络线隧道工程的1 765份钻进参数样本,在分析钻进参数时序曲线特征的基础上,结合贝叶斯置信区间检验方法、动态线性分段表示方法、卡尔曼滤波方法和线性分段均值处理方法,提出一种基于动态线性分段表示的钻进参数围岩分级特征提取方法;对比该方法处理前后掌子面钻进参数样本的离散性和差异性,以及采用该方法处理前后6种不同机器学习算法下的围岩分级模型准确性,验证该方法的应用效果。结果表明:钻进参数时序体现出明显的纵向分段、区间波动和随机离散特征;采用该方法处理后,相同围岩级别下的样本数据标准差平均降低28.72%~82.68%,不同围岩级别下的样本类间距离均值提升66.79%~77.37%,6种机器学习算法下围岩分级模型得到的分级准确率由85.3%~88.8%提高到88.1%~89.9%。作为一种基础数据处理方法,该方法能够避免各种非地质因素对围岩分级精度的影响,较好地体现了钻进参数和围岩质量间的良好响应关系,并提升了具体实践中的围岩质量评价准确性。
展开更多
关键词
隧道
围岩分级
钻进参数
时间序列
动态线性分段表示
贝叶斯置信区间检验
卡尔曼滤波
在线阅读
下载PDF
职称材料
基于岩石可钻性指标的钻爆法隧道掌子面岩石坚硬程度智能判识
2
作者
易文豪
夏覃永
+2 位作者
孙鸿强
何永义
王明年
《中国铁道科学》
2025年第2期128-139,共12页
岩石坚硬程度是影响岩体质量的主要因素,快速、便捷获取岩石坚硬程度是保障钻爆法隧道设计合理性和施工安全性的前提。为此,在我国西部山区的2座钻爆法隧道采集917份掌子面炮眼施作过程中形成的钻进参数和岩石坚硬程度样本数据;提出冲...
岩石坚硬程度是影响岩体质量的主要因素,快速、便捷获取岩石坚硬程度是保障钻爆法隧道设计合理性和施工安全性的前提。为此,在我国西部山区的2座钻爆法隧道采集917份掌子面炮眼施作过程中形成的钻进参数和岩石坚硬程度样本数据;提出冲击回转式钻机钻孔过程中岩石可钻性指标计算方法,并构建隧道掌子面钻进参数特征体系和样本数据库;采用堆叠泛化集成学习算法,以支持向量机、极限树和随机森林算法为基学习器,决策树为元学习器,分别构建基于4项原始钻进参数和基于54项掌子面钻进参数特征体系的岩石坚硬程度智能判识模型;以准确率、精确率、召回率、平衡F分数(F1)作为模型评价指标,现场验证模型性能。结果表明:基于54项掌子面钻进参数特征体系的岩石坚硬程度智能判识模型性能较优;在预测集中,该模型的准确率为92.35%、召回率为92.01%、精确率为92.90%、F1值为92.45%;在现场验证过程中,该模型准确率为91.23%、召回率为91.11%、精确率为92.18%、F1值为91.64%。
展开更多
关键词
掌子面
岩石坚硬程度
钻进参数
岩石可钻性指标
集成学习
在线阅读
下载PDF
职称材料
题名
基于动态线性分段表示的钻进参数围岩分级特征提取方法
1
作者
何永义
王明年
凌学鹏
易文豪
夏覃永
李泽星
童建军
赵思光
机构
西南交通大学交通隧道工程教育部重点实验室
西南交通大学土木工程学院
中国中铁股份有限公司中铁三局集团有限公司
中国
铁路经济规划研究院
有限公司
铁路工程技术标准所
出处
《中国铁道科学》
北大核心
2025年第1期96-106,共11页
基金
中国国家铁路集团有限公司科技研究开发计划课题(K2020G035,K2021G024)。
文摘
依托来自宜昌—郑万高铁联络线隧道工程的1 765份钻进参数样本,在分析钻进参数时序曲线特征的基础上,结合贝叶斯置信区间检验方法、动态线性分段表示方法、卡尔曼滤波方法和线性分段均值处理方法,提出一种基于动态线性分段表示的钻进参数围岩分级特征提取方法;对比该方法处理前后掌子面钻进参数样本的离散性和差异性,以及采用该方法处理前后6种不同机器学习算法下的围岩分级模型准确性,验证该方法的应用效果。结果表明:钻进参数时序体现出明显的纵向分段、区间波动和随机离散特征;采用该方法处理后,相同围岩级别下的样本数据标准差平均降低28.72%~82.68%,不同围岩级别下的样本类间距离均值提升66.79%~77.37%,6种机器学习算法下围岩分级模型得到的分级准确率由85.3%~88.8%提高到88.1%~89.9%。作为一种基础数据处理方法,该方法能够避免各种非地质因素对围岩分级精度的影响,较好地体现了钻进参数和围岩质量间的良好响应关系,并提升了具体实践中的围岩质量评价准确性。
关键词
隧道
围岩分级
钻进参数
时间序列
动态线性分段表示
贝叶斯置信区间检验
卡尔曼滤波
Keywords
Tunnel
Surrounding rock classification
Drilling parameter
Time series
Dynamic linear piecewise representation
Bayesian confidence interval test
Kalman filtering
分类号
U451.2 [建筑科学—桥梁与隧道工程]
U452.27 [建筑科学—桥梁与隧道工程]
在线阅读
下载PDF
职称材料
题名
基于岩石可钻性指标的钻爆法隧道掌子面岩石坚硬程度智能判识
2
作者
易文豪
夏覃永
孙鸿强
何永义
王明年
机构
西南交通大学土木工程学院
出处
《中国铁道科学》
2025年第2期128-139,共12页
基金
国家自然科学基金资助项目(51878567)
中国国家铁路集团有限公司科技研究开发计划课题(K2020G035,K2021G024)
文摘
岩石坚硬程度是影响岩体质量的主要因素,快速、便捷获取岩石坚硬程度是保障钻爆法隧道设计合理性和施工安全性的前提。为此,在我国西部山区的2座钻爆法隧道采集917份掌子面炮眼施作过程中形成的钻进参数和岩石坚硬程度样本数据;提出冲击回转式钻机钻孔过程中岩石可钻性指标计算方法,并构建隧道掌子面钻进参数特征体系和样本数据库;采用堆叠泛化集成学习算法,以支持向量机、极限树和随机森林算法为基学习器,决策树为元学习器,分别构建基于4项原始钻进参数和基于54项掌子面钻进参数特征体系的岩石坚硬程度智能判识模型;以准确率、精确率、召回率、平衡F分数(F1)作为模型评价指标,现场验证模型性能。结果表明:基于54项掌子面钻进参数特征体系的岩石坚硬程度智能判识模型性能较优;在预测集中,该模型的准确率为92.35%、召回率为92.01%、精确率为92.90%、F1值为92.45%;在现场验证过程中,该模型准确率为91.23%、召回率为91.11%、精确率为92.18%、F1值为91.64%。
关键词
掌子面
岩石坚硬程度
钻进参数
岩石可钻性指标
集成学习
Keywords
Tunnel face
Rock hardness
Drilling parameters
Rock drillability index
Ensemble learning
分类号
U455.41 [建筑科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于动态线性分段表示的钻进参数围岩分级特征提取方法
何永义
王明年
凌学鹏
易文豪
夏覃永
李泽星
童建军
赵思光
《中国铁道科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于岩石可钻性指标的钻爆法隧道掌子面岩石坚硬程度智能判识
易文豪
夏覃永
孙鸿强
何永义
王明年
《中国铁道科学》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
