Resumen

En la actualidad, muchos equipos de ingeniería a gran escala pueden obtener datos masivos in situ en tiempo de funcionamiento. La minería de datos en profundidad favorece la comprensión en tiempo real del estado de funcionamiento de los equipos o el reconocimiento del entorno de servicio. Este artículo propone un sistema de reconocimiento del tipo geológico mediante el análisis de los datos in-situ registrados durante la excavación de túneles con tuneladora para abordar la adquisición de información geológica durante la construcción de la tuneladora. Debido a la alta dimensionalidad y al acoplamiento no lineal entre parámetros de los datos in-situ de la tuneladora, se introducen en el análisis de datos in-situ de la tuneladora métodos de ingeniería de características de reducción de dimensionalidad y de aprendizaje automático. La prueba chi-cuadrado se utiliza para detectar características sensibles debido a la desobediencia a las distribuciones comunes de los parámetros de las tuneladoras. Teniendo en cuenta relaciones complejas, se utilizan algoritmos ANN, SVM, KNN y CART para construir un clasificador de reconocimiento geológico. Para verificar la eficacia del método de reconocimiento geológico propuesto se utiliza un estudio de caso de un proyecto de túnel de metro construido con una tuneladora de equilibrio de presión de tierras (EPB-TBM) en China. El resultado muestra que la precisión del reconocimiento aumenta gradualmente hasta un nivel estable con el incremento de las características de entrada, y la precisión de todos los algoritmos es superior al 97%. Siete características se consideran como la mejor estrategia de selección entre SVM, KNN y ANN, mientras que la selección de características es una parte inherente del método CART que muestra un buen rendimiento de reconocimiento. Este trabajo proporciona una vía inteligente para obtener información geológica para proyectos de excavación subterránea con tuneladora y una posibilidad de resolver el problema del reconocimiento ingenieril de condiciones geológicas más complejas.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:datos in situ, tbm, ingeniería de características de reducción de dimensionalidad, túnel de equilibrio de la presión de la tierra, sistema de reconocimiento de tipos geológicos, proyectos tbm de excavación subterránea, mejor estrategia de selección, condiciones geológicas complejas, minería de datos de profundidad, estado de funcionamiento de los equipos
• Keywords:situ data, tbm, dimensionality reduction feature engineering, earth pressure balance tunnel, geological type recognition system, underground excavation tbm projects, best selection strategy, complex geological conditions, depth data mining, equipment operation status