硬岩TBM透率的多步实时预测,结合时间卷积网络和挤压激发块
Long Li1, ZaoBao Liu2, Xingli Fang3
1School of Management Science and Engineering, Shandong Technology and Business University, Yantai, 264005, Shandong, China. long__li@hotmail.com.
Scientific reports
|June 21, 2024
概括
一个新的混合模型,TCN-SENet++,准确地预测了道钻机 (TBM) 的实时透率. 这种先进的模型提高了岩石破碎效率,并通过考虑复杂的地面条件来减少设备损坏.
科学领域:
- 土木工程 土木工程是指土木工程.
- 地质技术工程 地质技术工程
- 机器学习 机器学习
背景情况:
- 道钻井机 (TBM) 施工面临着由于变化的地面条件和操作复杂性的透率预测方面的挑战.
- 准确的透率预测对于优化岩石破碎效率和最大限度地减少磁盘切割器损坏至关重要.
研究的目的:
- 开发和评估一个新的混合多步实时透率预测模型用于TBM建设.
- 将拟议的TCN-SENet++模型的性能与RNN,LSTM,GRU和TCN等传统模型进行比较.
主要方法:
- 一种混合模型,TCN-SENet++,是通过将一个时间卷积网络 (TCN) 与一个挤压激发 (SENet) 块结合而开发的.
- 该模型经过训练和验证,使用了曲转移项目的真实数据,考虑了切头扭矩,推力和功率等特征.
- 用30秒的时间步骤来多步预测未来的透率 (第1,3,5,7,9个时间步骤).
主要成果:
- 与RNN,LSTM,GRU和TCN相比,TCN-SENet++模型在透率预测方面表现优越.
- TCN-SENet++实现了显著的平均平方误差 (MSE) 减少:18%与RNN相比,6%与LSTM相比,3%与GRU相比,1%与TCN相比,2%与TCN-SENet+.
- 该模型在应用于新项目时显示出较少的预测错误,证实了其有效性.
结论:
- TCN-SENet++模型为TBM运营中的实时透率预测提供了强大而有效的解决方案.
- 这种先进的模型提高了TBM的效率,并通过提供准确的未来透率预测来降低运营风险.
