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
多模态数据融合
可见光图像
识别方法
风险
智能车辆自动驾驶
高光谱遥感数据
区域识别方法
像素点
异常点
空间聚类算法
异常识别方法
催化剂设备
多模态特征融合
数据
机器自学习
生理指标监测
分析系统
动物
手势识别模块
AI算法