论文部分内容阅读
为研究TBM的掘进速度（ROP）与岩体条件的敏感性问题,基于三个TBM隧道项目的 185组数据,将岩石单轴抗压强度（UCS）、岩石质量指标（RQD）以及岩体薄弱面之间的距离（DPW）作为输入参数,建立ROP预测模型,同时基于数据处理组合算法（GMDH）和基多表达式编程（MEP）两种人工智能算法,对ROP进行预测。选取决定系数（R~2）、平均绝对误差（MAE）、均方根误差（RMSE）和相对平方根误差（RRSE）等统计指标对模型进行评价,结果表明两种人工智能算法建立的预测模型都能提供较高的预测精度,其中GMDH计算速度更快,能够提供更高的精度。