顶部
收藏

隧道掘进机大数据挖掘关键技术


作者:
宋学官 石茂林 张超 庞勇 孙伟 王一棠
定价:
129.00元
ISBN:
978-7-04-061787-0
版面字数:
370.000千字
开本:
特殊
全书页数:
暂无
装帧形式:
精装
重点项目:
暂无
出版时间:
2024-04-18
读者对象:
学术著作
一级分类:
自然科学
二级分类:
机械工程
三级分类:
机械设计及理论

基于对隧道掘进机大数据挖掘技术的长期研究与积累,作者密切结合工程数据空间特征提取、时序特征提取、关键运行参数预测、隧道施工地质预测的实际需求,系统地阐述和总结了隧道掘进机大数据挖掘的关键技术、理论与方法。

全书共分四篇:第一篇介绍了隧道掘进机运行数据空间特征提取方法;第二篇进一步考虑运行数据序列关系,介绍了隧道掘进机运行数据时序特征提取方法;第三篇依次引入机理、地质等其他相关数据,介绍了隧道掘进机关键运行参数预测方法;第四篇重点关注隧道掘进机运行与地质数据的关联关系,介绍了隧道掘进机施工地质预测方法。

本书可供从事隧道掘进机大数据分析及相关领域,如数据挖掘、算法设计、运行维护、管控平台开发的专业人员阅读和学习,亦可作为高等院校相关专业师生的教学参考。

  • 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
        • 2.1.1 数据聚类概述
        • 2.1.2 模糊c均值算法
        • 2.1.3 聚类评价指标
      • 2.2 强相关属性引导的模糊c均值算法
        • 2.2.1 聚类目标函数构建
        • 2.2.2 聚类目标函数优化策略
        • 2.2.3 算法分析
        • 2.2.4 数值算例测试,
      • 2.3 隧道掘进机运行数据聚类实验
        • 2.3.1 数据来源与工程背景
        • 2.3.2 有标注地质工况的运行数据聚类实验
        • 2.3.3 无标注地质工况的运行数据聚类实验
      • 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
        • 3.2.1 多项式阶数的影响
        • 3.2.2 变量数和样本数的影响
      • 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
        • 4.1.1 聚类目标函数构建
        • 4.1.2 聚类目标函数优化策略
        • 4.1.3 支持向量回归
        • 4.1.4 数值算例测试
      • 4.2 RFCM聚类模型辅助的数据建模方法
        • 4.2.1 方法框架
        • 4.2.2 数值算例测试
      • 4.3 隧道掘进机掘进速度预测实验
        • 4.3.1 训练数据聚类与建模
        • 4.3.2 测试数据与预测结果
      • 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
        • 5.2.1 滑动窗口时间序列分割
        • 5.2.2 子序列特征提取与异常值检测
        • 5.2.3 异常值检测算法步骤
      • 5.3 实验验证与分析
        • 5.3.1 数值算例测试
        • 5.3.2 掘进速度异常检测
      • 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
        • 6.2.1 最大似然和卡尔曼滤波因子参数估计
        • 6.2.2 非参数方法因子参数估计
        • 6.2.3 贝叶斯因子参数估计
      • 6.3 多元时间序列片段聚类分析
        • 6.3.1 仿真多元数据片段聚类分析
        • 6.3.2 隧道掘进机多元数据片段聚类分析
      • 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
        • 7.1.1 基于残差的异常值检测算法
        • 7.1.2 变尺度动态规划优化算法
      • 7.2 隧道掘进机多元时间序列分割
        • 7.2.1 SDP-RLR 算法的分割结果
        • 7.2.2 SDP-RLR算法的消融实验
        • 7.2.3 与其他时间序列分割算法的对比
        • 7.2.4 与先清洗后分割时序处理方法的对比
      • 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
        • 8.1.1 符号及问题表述
        • 8.1.2 Gath-Geva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
        • 8.3.1 时序分割分段数确定方法
        • 8.3.2 刀盘推力恒定模式下运行数据分割实验
      • 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
        • 9.1.1 基于相似系数的相似性度量
        • 9.1.2 基于特征的相似性度量
        • 9.1.3 基于距离的相似性度量
      • 9.2 时间序列聚类算法
      • 9.3 数值实验
        • 9.3.1 标准时间序列数据集聚类分析
        • 9.3.2 隧道掘进机时间序列数据聚类分析
      • 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
        • 10.1.1 克里金法
        • 10.1.2 径向基丽数法
      • 10.2 多保真度代理模型
        • 10.2.1 多保真度代理模型概述
        • 10.2.2 基于克里金法的多保真度代理模型
        • 10.2.3 基于径向基函数的多保真度代理模型
      • 10.3 基于支持向量回归的多保真度代理模型
        • 10.3.1 方法构造
        • 10.3.2 数值算例测试
      • 10.4 隧道掘进机掘进速度预测
        • 10.4.1 运行数据与仿真数据
        • 10.4.2 掘进速度预测结果及分析
      • 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
        • 11.1.1 支持向量机与支持向量回归
        • 11.1.2 决策树
        • 11.1.3 前馈神经网络
      • 11.2 深度模型
        • 11.2.1 传统循环神经网络
        • 11.2.2 长短时记忆网络
        • 11.2.3 门控循环单元网络
      • 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
        • 11.5.1 数据描述和预处理
        • 11.5.2 预测模型的设置
        • 11.5.3 实验结果及分析
      • 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
        • 12.1.1 不等容数据建模问题概述
        • 12.1.2 定性-定量变量耦合建模方法
      • 12.2 基于支持向量回归的不等容数据建模方法,
        • 12.2.1 方法构造
        • 12.2.2 数值算例测试
      • 12.3 隧道掘进机掘进速度预测
        • 12.3.1 地质实测多类型数据融合方法
        • 12.3.2 掘进速度预测结果
      • 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
        • 12.4.1 Sobol指数法
        • 12.4.2 输入参数取值范围及采样方法
        • 12.4.3 敏感度分析结果
      • 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
        • 13.1.1 定性-定量因子核函数映射
        • 13.1.2 参数寻优
        • 13.1.3 算法建立过程
      • 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
        • 14.2.1 数据采集
        • 14.2.2 数据预处理
      • 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
        • 15.1.1 GAN-GP模型的生成器
        • 15.1.2 GAN-GP模型的判别器
        • 15.1.3 GAN-GP模型的对抗训练策略
      • 15.2 数据描述与预处理
        • 15.2.1 数据描述
        • 15.2.2 数据预处理
      • 15.3 实验设置与结果分析
        • 15.3.1 实验设置
        • 15.3.2 实验结果及讨论
      • 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

相关图书