隧道掘进机大数据挖掘关键技术

前辅文

第1章 绪论

1.1 概述

1.2 隧道掘进机发展历程

1.3 隧道掘进机大数据来源与构成

1.4 隧道掘进机大数据理论与实践研究现状

1.4.1 隧道掘进机大数据时空特征提取

1.4.2 隧道掘进机大数据运行参数预测

1.4.3 隧道掘进机大数据施工地质预测

1.5 本书主要内容

1.6 本章小结

参考文献

第一篇 隧道掘进机运行数据空间特征提取

第2章 强相关属性引导的运行数据聚类

2.1 基础知识

2.2 强相关属性引导的模糊c均值算法

2.3 隧道掘进机运行数据聚类实验

2.4 本章小结

参考文献

第3章 基于多项式回归的运行数据聚类

3.1 基于多项式回归的数据聚类算法

3.2 数值实验与算法分析

3.3 隧道掘进机运行数据的聚类分析

3.4 本章小结

参考文献

第4章 基于支持向量回归的运行数据聚类

4.1 基于支持向量回归的模糊聚类算法

4.2 RFCM聚类模型辅助的数据建模方法

4.3 隧道掘进机掘进速度预测实验

4.4 本章小结

参考文献

第二篇 隧道掘进机运行数据时序特征提取

第5章 基于滑动窗口的异常时序数据检测

5.1 常见时间序列的异常值检测方法

5.2 基于滑动窗口的异常时序数据检测

5.3 实验验证与分析

5.4 本章小结

参考文献

第6章 基于动态因子的多元时间序列分割

6.1 时间序列分割与动态因子模型

6.2 因子估计方法

6.3 多元时间序列片段聚类分析

6.4 本章小结

参考文献

第7章 基于动态规划的时间序列分割

7.1 基于异常值检测的多元时间序列分割算法

7.2 隧道掘进机多元时间序列分割

7.3 本章小结

参考文献

第8章 强相关属性引导的时间序列分割

8.1 常见时序分割算法

8.2 数据属性相关引导的时序分割算法

8.3 隧道掘进机实测时间序列分割

8.4 本章小结

参考文献

第9章 基于相似性度量的时间序列聚类

9.1 时间序列相似性度量

9.2 时间序列聚类算法

9.3 数值实验

9.4 本章小结

参考文献

第三篇 隧道掘进机关键运行参数预测

第10章 实测-机理联合驱动的载荷预测

10.1 代理模型

10.2 多保真度代理模型

10.3 基于支持向量回归的多保真度代理模型

10.4 隧道掘进机掘进速度预测

10.5 本章小结

参考文献

第11章 基于深度学习的运行参数实时预测

11.1 非深度模型

11.2 深度模型

11.3 最少绝对收缩和选择算子模型

11.4 基于循环神经网络的TBM运行参数实时预测

11.5 数值实验

11.6 本章小结

参考文献

第12章 基于多源不等容数据的载荷预测

12.1 不等容数据建模方法

12.2 基于支持向量回归的不等容数据建模方法，

12.3 隧道掘进机掘进速度预测

12.4 运行参数与地质参数对掘进速度的影响及敏感度分析

12.5 本章小结

参考文献

第13章 定性-定量数据融合的载荷预测

13.1 定性-定量因子支持向量回归

13.2 地质数据采样与分析

13.3 克里金插值法

13.4 掘进断面地质数据构建与编码

13.5 隧道掘进机运行-地质数据混合建模

13.6 本章小结

参考文献

第四篇 隧道掘进机施工地质预测

第14章 机理驱动的神经网络地质预测

14.1 ANN与隧道掘进工程地质预测

14.2 数据采集与预处理

14.3 实验结果与分析

14.4 本章小结

参考文献

第15章 基于生成对抗网络的地质预测

15.1 生成对抗网络与隧道掘进工程地质预测

15.2 数据描述与预处理

15.3 实验设置与结果分析

15.4 本章小结

参考文献

附录A 隧道掘进机运行实测参数

附录B 岩土物理力学指标

索引

插图