摘要
本发明涉及盾构工程技术领域,特指一种考虑沉降发展过程的大直径盾构不均匀注浆量设定方法及系统,包括如下步骤:收集历史工程的施工数据;利用聚类算法从历史工程的施工数据中得到与当前工况相匹配的微工况数据库;使用变分模态分解提取地表沉降发展信息;从所述微工况数据库中提取不均匀注浆参数;利用地表沉降发展信息、不均匀注浆参数以及所述微工况数据库构建地表沉降预测模型;在盾构实际掘进过程中,利用地表沉降预测模型对当前盾尾环的地表沉降进行预测以得到预测结果,利用粒子群算法对不均匀注浆量进行优化,进而生成下一环的不均匀注浆量。本发明使用深度学习模型提取地表沉降发展过程,在实际应用中考虑的范围更广,泛用性更强。
技术关键词
注浆参数
深度神经网络模型
BP神经网络模型
掘进参数
工况
粒子群算法
GRU模型
聚类算法
数据
盾构工程技术
隧道
元素
时序
速度
深度学习模型
处理单元
样本
系统为您推荐了相关专利信息
建筑电气设备
深度神经网络模型
智能监控方法
全局优化决策
数据融合算法
伺服液压泵系统
港口起重机
运动状态评估
能量回收模式
吊臂
碱式碳酸钴
监测方法
曲线
高斯混合模型
控制决策模块
二氧化氯消毒剂
加氯设备
投加系统
智能管理平台
加药设备