基于机器学习的煤系地层TBM掘进巷道围岩强度预测
打开文本图片集
摘 要：为研究全断面掘进机（TBM）掘进参数与煤系地层岩体力学参数之间的互馈关系，准确、实时预测巷道围岩强度特征，基于TBM掘进过程中的现场监测，通过岩-机互馈关系分析，确定模型的输入特征参数，并建立了对应的数据库；将梯度提升决策树（GBDT）、随机森林（RF）、支持向量回归（SVR）3种机器学习算法作为基学习器，线性回归（LR）算法作为元学习器，提出了一种基于Stacking集成算法的预测模型，并对比分析了Stacking集成算法与单一机器学习算法模型的预测性能。（剩余18518字）