隧道掘進機大數(shù)據(jù)挖掘關鍵技術

前輔文
第1章 緒論
1.1 概述
1.2 隧道掘進機發(fā)展歷程
1.3 隧道掘進機大數(shù)據(jù)來源與構成
1.4 隧道掘進機大數(shù)據(jù)理論與實踐研究現(xiàn)狀
1.4.1 隧道掘進機大數(shù)據(jù)時空特征提取
1.4.2 隧道掘進機大數(shù)據(jù)運行參數(shù)預測
1.4.3 隧道掘進機大數(shù)據(jù)施工地質預測
1.5 本書主要內(nèi)容
1.6 本章小結
參考文獻
第一篇 隧道掘進機運行數(shù)據(jù)空間特征提取
第2章 強相關屬性引導的運行數(shù)據(jù)聚類
2.1 基礎知識
2.2 強相關屬性引導的模糊c均值算法
2.3 隧道掘進機運行數(shù)據(jù)聚類實驗
2.4 本章小結
參考文獻
第3章 基于多項式回歸的運行數(shù)據(jù)聚類
3.1 基于多項式回歸的數(shù)據(jù)聚類算法
3.2 數(shù)值實驗與算法分析
3.3 隧道掘進機運行數(shù)據(jù)的聚類分析
3.4 本章小結
參考文獻
第4章 基于支持向量回歸的運行數(shù)據(jù)聚類
4.1 基于支持向量回歸的模糊聚類算法
4.2 RFCM聚類模型輔助的數(shù)據(jù)建模方法
4.3 隧道掘進機掘進速度預測實驗
4.4 本章小結
參考文獻
第二篇 隧道掘進機運行數(shù)據(jù)時序特征提取
第5章 基于滑動窗口的異常時序數(shù)據(jù)檢測
5.1 常見時間序列的異常值檢測方法
5.2 基于滑動窗口的異常時序數(shù)據(jù)檢測
5.3 實驗驗證與分析
5.4 本章小結
參考文獻
第6章 基于動態(tài)因子的多元時間序列分割
6.1 時間序列分割與動態(tài)因子模型
6.2 因子估計方法
6.3 多元時間序列片段聚類分析
6.4 本章小結
參考文獻
第7章 基于動態(tài)規(guī)劃的時間序列分割
7.1 基于異常值檢測的多元時間序列分割算法
7.2 隧道掘進機多元時間序列分割
7.3 本章小結
參考文獻
第8章 強相關屬性引導的時間序列分割
8.1 常見時序分割算法
8.2 數(shù)據(jù)屬性相關引導的時序分割算法
8.3 隧道掘進機實測時間序列分割
8.4 本章小結
參考文獻
第9章 基于相似性度量的時間序列聚類
9.1 時間序列相似性度量
9.2 時間序列聚類算法
9.3 數(shù)值實驗
9.4 本章小結
參考文獻
第三篇 隧道掘進機關鍵運行參數(shù)預測
第10章 實測-機理聯(lián)合驅動的載荷預測
10.1 代理模型
10.2 多保真度代理模型
10.3 基于支持向量回歸的多保真度代理模型
10.4 隧道掘進機掘進速度預測
10.5 本章小結
參考文獻
第11章 基于深度學習的運行參數(shù)實時預測
11.1 非深度模型
11.2 深度模型
11.3 最少絕對收縮和選擇算子模型
11.4 基于循環(huán)神經(jīng)網(wǎng)絡的TBM運行參數(shù)實時預測
11.5 數(shù)值實驗
11.6 本章小結
參考文獻
第12章 基于多源不等容數(shù)據(jù)的載荷預測
12.1 不等容數(shù)據(jù)建模方法
12.2 基于支持向量回歸的不等容數(shù)據(jù)建模方法，
12.3 隧道掘進機掘進速度預測
12.4 運行參數(shù)與地質參數(shù)對掘進速度的影響及敏感度分析
12.5 本章小結
參考文獻
第13章 定性-定量數(shù)據(jù)融合的載荷預測
13.1 定性-定量因子支持向量回歸
13.2 地質數(shù)據(jù)采樣與分析
13.3 克里金插值法
13.4 掘進斷面地質數(shù)據(jù)構建與編碼
13.5 隧道掘進機運行-地質數(shù)據(jù)混合建模
13.6 本章小結
參考文獻
第四篇 隧道掘進機施工地質預測
第14章 機理驅動的神經(jīng)網(wǎng)絡地質預測
14.1 ANN與隧道掘進工程地質預測
14.2 數(shù)據(jù)采集與預處理
14.3 實驗結果與分析
14.4 本章小結
參考文獻
第15章 基于生成對抗網(wǎng)絡的地質預測
15.1 生成對抗網(wǎng)絡與隧道掘進工程地質預測
15.2 數(shù)據(jù)描述與預處理
15.3 實驗設置與結果分析
15.4 本章小結
參考文獻
附錄A 隧道掘進機運行實測參數(shù)
附錄B 巖土物理力學指標
索引
插圖