摘要
本发明属于隧道围岩分级相关技术领域,为了解决现有的围岩分级识别不准确的问题,提出了基于多模型融合的隧道围岩识别方法、系统、设备及介质,将地质参数与掘进参数进行拟合处理,得到函数模型;将函数模型引导不同识别子模型的训练,提高识别准确性;利用改进的D‑S证据理论对不同识别子模型的输出结果进行融合处理;其中,改进的D‑S证据理论基于识别子模型的初步围岩分级识别结果之间的证据距离,为每个证据设置对应的权重;并设置滚动窗口为每个证据进行动态调整,避免传统D‑S证据理论融合方式导致的过度融合的问题,提高了围岩分级准确性。
技术关键词
掘进参数
多模型
识别方法
机器可读指令
隧道围岩分级
理论
径向基神经网络
单轴抗压强度
动态
计算机设备
BP神经网络
极限学习机
处理器
可读存储介质
支持向量机
矩阵
随机森林
系统为您推荐了相关专利信息
公路边坡滑坡
监测预报方法
监测点
ARIMA模型
图像处理识别方法
电化学储能电站
电池模组
评估指标体系
LSSVM模型
训练样本数据
滑动时间窗口
智能识别方法
风险识别模型
车辆运动状态
协方差矩阵