来源：期刊VIP网 时间：
作者：肖浩汉;皮进;张雯;曹瑞琅;于洪涛;
单位：中国水利水电科学研究院流域水循环模拟与调控国家重点实验室;中国铁道科学研究院集团有限公司铁道建筑研究所;
摘要：针对隧道掘进机（Tunnel Boring Machine,TBM）施工数据的海量性、多源性、异构性、低价值密度等问题，通过对多个TBM隧道项目的数据进行深入分析，运用阈值设定、统计分析及机器学习技术，构建了数据集成预处理方法，并研发了一套TBM-Processing数据预处理软件。该软件可以实现有效数据筛选、异常掘进段落识别、掘进参数降噪等功能。将软件应用于相关工程的塌方风险识别、扭矩贯入指标预测和掘进速度预测，并对处理前后的数据进行了对比。结果表明，较预处理前的数据相比，预处理后的数据离散程度降低，预测模型精确度提升，不良地质条件识别误差减少。研究成果可为不同工程背景下TBM掘进数据预处理提供理论依据。
关键词：隧道工程;;TBM;;数据预处理;;软件开发;;机器学习;;场景预测;;数字孪生
基金资助：国家自然科学基金(52409151)
