摘要：盾构是开展隧道施工的大型关键设备,在我国各类地下工程项目中的使用日益增多。为了保证盾构施工安全,预防施工故障发生,本文针对盾构施工中出现的多故障问题,采用深度学习方法中的长短期记忆网络(LSTM),设计了可处理时序数据的盾构故障多标签预测模型。根据某城市地铁项目中的实际数据,首先利用主成分分析法(PCA)对盾构施工参数进行特征提取,然后利用LSTM模型从集成了外部环境数据的盾构施工时序数据中,挖掘盾构机故障的发生规律,并通过适应多标签学习的交叉熵损失函数进行模型参数的优化,最后用基于多标签的评估指标对模型结果进行评估。实验结果表明该方法在盾构单故障和多故障的预测中都有较好表现,能够为盾实际构施工中的故障预防提供一定的指导。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社