报告详情
基于数据驱动的岩石地下工程灌浆量预测与渗控效果评价方法
编号：221
访问权限：仅限参会人
更新：2024-10-08 09:21:12
浏览：405次
口头报告
报告开始：2024年10月20日 17:15（Asia/Shanghai）
报告时间：15min
所在会场：[S4] 分论坛四、隧道与地下工程运营安全与节能环保科技论坛 [S4-2] 分论坛四下午场
暂无文件
摘要
灌浆是解决地下工程围岩渗漏水问题的最有效技术手段。为改善灌浆施工隐蔽性强带来的灌浆量及渗控效果难以预测的现状，基于大量现场施工数据和机器学习方法，探索建立高效、准确的灌浆量预测模型，以更好地适应复杂地质条件下的实际灌浆需求。本研究以某在建地下水封储油洞库为例，考虑岩体渗透性、结构特征以及灌浆施工参数，利用多种机器学习算法（如决策树、Adaboost、梯度提升树等）对地下工程灌浆的单位耗灰量以及灌浆量进行预测，并通过模型超参数优化以提升模型预测的准确性和泛化能力。结果表明，梯度提升树模型能够更好地捕捉到数据中的非线性关系和复杂模式，在灌浆量预测方面表现最佳，其次是随机森林模型，而弱学习器模型预测效果相对较差。利用机器学习方法对灌浆过程数据进行深度挖掘是实现灌浆量准确预测的有效途径，同时该成果也可为灌浆过程智能控制提供技术支撑。
关键词
暂无
报告人
丁长栋
工程师 长江水利委员会长江科学院全部评论
重要日期
-
会议日期
10月18日
2024
至10月21日
2024
-
09月10日 2024
初稿截稿日期
-
10月08日 2024
报告提交截止日期
-
10月21日 2024
注册截止日期
主办单位
中国土木工程学会隧道及地下工程分会
中山大学
中山大学
承办单位
中山大学土木工程学院
隧道工程灾变防控与智能建养全国重点实验室
隧道工程灾变防控与智能建养全国重点实验室
发表评论