CN108256191A - 考虑施工异常的隧洞开挖进度仿真方法 - Google Patents
考虑施工异常的隧洞开挖进度仿真方法 Download PDFInfo
- Publication number
- CN108256191A CN108256191A CN201810015069.XA CN201810015069A CN108256191A CN 108256191 A CN108256191 A CN 108256191A CN 201810015069 A CN201810015069 A CN 201810015069A CN 108256191 A CN108256191 A CN 108256191A
- Authority
- CN
- China
- Prior art keywords
- work unit
- unit
- abnormal
- construction
- cycle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 73
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 60
- 238000009412 basement excavation Methods 0.000 title claims abstract description 55
- 238000005553 drilling Methods 0.000 claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 55
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 238000004880 explosion Methods 0.000 claims abstract description 49
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 87
- 230000002045 lasting effect Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 125000004122 cyclic group Chemical group 0.000 claims description 11
- 230000035515 penetration Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 7
- 238000005422 blasting Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 240000007594 Oryza sativa Species 0.000 claims 1
- 235000007164 Oryza sativa Nutrition 0.000 claims 1
- 235000009566 rice Nutrition 0.000 claims 1
- 239000000843 powder Substances 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 238000000354 decomposition reaction Methods 0.000 abstract description 5
- 230000006698 induction Effects 0.000 abstract description 3
- 230000002547 anomalous effect Effects 0.000 abstract 1
- 239000011435 rock Substances 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 241001074085 Scophthalmus aquosus Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 241000372132 Hydrometridae Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑施工异常的隧洞开挖进度仿真方法,将隧洞开挖循环分解为钻孔、装药及***等待三个工作单元,对各工作单元的分布形态及参数规律进行统计归纳,利用蒙特卡罗模拟方法对同一开挖循环的三个工作单元进行独立抽样再进行耦合计算,建立了较传统仿真模型更为精确的进度仿真模型。实例证明本发明可更好地刻画施工异常事件对进度的影响,且相对传统的进度仿真方法具有更简单的算法、更优的鲁棒性,为隧洞开挖的进度仿真提供了科学依据。
Description
技术领域
本发明涉及水利水电施工进度仿真技术领域技术领域,具体地指一种考虑施工异常的隧洞开挖进度仿真方法。
背景技术
隧洞开挖的工序繁多,其施工进度受环境因素、人员设备及工序干扰等不确定性因素的影响较大,如地质、环境等因素具有空间变异性,通风、人员投入、设备故障及工序干扰等因素具有时间变异性。承包商编制进度计划时往往依据企业经验库进行估算,但受各种因素影响,实际进度往往与计划进度偏差较大。
学者们提出许多改进方法,如葛震明[1]采用平行活动综合期望方法进行进度分析,较单项目的期望分析更准确,但未考虑施工不确定性的影响;王卓甫等[2]在PERT方法的基础上考虑了工作历时不确定性、有效施工天数不确定性及进度计划不确定性,进一步采用蒙特卡罗仿真得到施工进度计划的完成风险率,但难以适应多变的施工过程。钟登华等[3]提出循环网络仿真技术,将开挖循环分解成工作单元和各个逻辑关联,且进度仿真的施工参数根据实际情况动态调整,张社荣等[4]在循环网络仿真技术基础上引入贝叶斯理论,根据现场施工参数动态的更新进度先验信息,进一步更新后验估计以进行进度预测,上述两种进度仿真方案较好地考虑了各种施工变异特性。但实际施工过程极不平稳,部分异常的历时具有很强的时域离散性,虽然发生频率低,但对整体进度的影响较大,不可忽略,不区分施工异常且未经统计检验计算出的分布参数均不适用于进度仿真,有必要对施工异常参数特性予以专题研究。
参考文献:
[1]葛震明.进度控制中随机活动综合期望时间分析法[J].***工程理论方法应用,1998(02):48-51.
[2]王卓甫,陈登星.水利水电施工进度计划的风险分析[J].河海大学学报(自然科学版),1999(04):83-87.
[3]钟登华,刘奎建.基于实时仿真的地下洞室群施工进度预测与控制[J].天津大学学报,2007(06):721-725.
[4]张社荣,杜成波,撒文奇,等.基于贝叶斯理论的地下洞室群时变施工进度风险预测方法[J].***仿真学报,2014(05):1131-1137.
发明内容
基于现有技术的不足之处,本发明提出一种考虑施工异常的隧洞开挖进度仿真方法,结合循环网络仿真技术将开挖循环分解为钻孔、装药及***等待三个工作单元,利用箱线图理论将以上工作单元划分为正常参数单元及异常参数单元,采用数理统计理论分析各参数单元分布特性,结合柔性网络计划仿真方法给出考虑施工差异的进度完成风险率模型,为施工进度的不确定性分析提供理论支持。
为实现上述目的,本发明所设计的一种考虑施工异常的隧洞开挖进度仿真方法,其特殊之处在于,包括如下步骤:
A)将隧洞开挖循环过程分解为钻孔工作单元、装药工作单元和***等待工作单元;
B)对所述钻孔工作单元、装药工作单元和***等待工作单元利用箱线图理论分离出隧洞开挖各工作单元的正常历时、异常历时,
C)利用数理统计推导所述钻孔工作单元、装药工作单元和***等待工作单元正常历时、异常历时的分布形态及分布参数;
D)利用蒙特卡罗模拟方法对同一开挖循环的钻孔工作单元、装药工作单元和***等待工作单元进行独立抽样再进行耦合计算;
E)建立考虑施工差异的进度仿真经验模型,利用异常频率将施工异常历时的三角分布与正常历时的正态分布进行耦合,得到仿真周期内开挖总进尺对应的概率密度分布曲线。
优选地,所述步骤E)的具体步骤包括:
1)设定仿真次数N、仿真周期T,初始化仿真次数计数n及进尺循环计数i;
2)进行钻孔工作单元循环历时单次抽样:
21)钻孔工作单元单台钻机的正常钻孔速度满足正态分布,根据蒙特卡罗模拟和钻孔工作单元历时计算公式得到钻孔工作单元循环中正常历时的单次抽样值t′id;
22)钻孔工作单元单台钻机的异常钻孔速度满足三角分布,根据蒙特卡罗模拟和钻孔工作单元历时计算公式得到钻孔工作单元循环中异常历时的单次抽样值eid;
23)采用蒙特卡罗模拟得到钻孔工作单元循环历时的单次抽样值tid为:
其中,p2为钻孔单元单台钻机钻孔速度的异常频率P2的单次抽样;
3)进行装药工作单元循环历时单次抽样:
31)装药工作单元的正常历时满足正态分布,根据蒙特卡罗模拟得到装药工作单元循环中正常历时的单次抽样值t’im;
32)装药工作单元的异常历时满足三角分布,根据蒙特卡罗模拟得到装药工作单元循环中异常历时的单次抽样值eim;
33)采用蒙特卡罗模拟得到装药工作单元循环历时的单次抽样值tim为:
其中,p3为装药工作单元的异常频率P3的单次抽样;
4)进行***等待单元循环历时单次抽样:
41)***等待单元的正常历时满足正态分布,根据蒙特卡罗模拟得到装药工作单元循环中正常历时的单次抽样值t’iw;
42)***等待单元的异常历时满足三角分布,根据蒙特卡罗模拟得到装药工作单元循环中异常历时的单次抽样值eiw;
43)采用蒙特卡罗模拟得到***等待单元循环历时的单次抽样值tiw为:
其中,p4为***等待单元的异常频率P4的单次抽样;
5)计算隧洞单次开挖循环历时值tic:
tic=tid+tim+tiw
6)重复步骤2)~5),直至累计开挖循环历时值∑tic等于或大于仿真周期T,根据进尺循环计数i及设计开挖循环进尺L0得到仿真周期T内的总开挖进尺LT=L0×i;
7)重复步骤2)至6),直至仿真次数计数n等于仿真次数N,得到N个开挖进尺序列,继而生成仿真周期T内累计开挖进尺的概率分布图,用于进行进度评审、决策及风险分析。
优选地,所述步骤2)、3)、4)同时进行。
优选地,所述步骤21)中钻孔工作单元历时计算公式为:
式中:Td为钻孔工作单元历时,v为单台钻机的钻孔速度m/h,m为钻机台数,n为掌子面上的钻孔数量,L0为设计开挖循环进尺,r为超钻深度。
优选地,所述步骤21)中钻孔工作单元单台钻机的正常钻孔速度满足正态分布,所述钻孔工作单元单台钻机的正常钻孔速度的期望值及标准差分别为v_2=7.230m/h,σ_2=1.317m/h。
优选地,所述步骤22)中钻孔工作单元单台钻机的异常钻孔速度的三角分布为vd∈T(1.06v_2,2.75v_2,1.52v_2)。
优选地,所述步骤23)中钻孔单元单台钻机钻孔速度的异常频率P2=0.02~0.07。
优选地,所述步骤31)中装药工作单元的正常历时满足正态分布,所述装药工作单元的正常历时的期望值及标准差分别为μ_3=1.067h,σ_3=0.25h。
优选地,所述步骤32)中装药工作单元的异常历时的三角分布为em∈T(1.47μ_3,2.81μ_3,1.78μ_3);所述步骤33)中装药工作单元的异常频率P3=0.04~0.05。
优选地,所述步骤41)中***等待单元的正常历时满足正态分布,所述***等待单元的正常历时的期望值及标准差分别为
优选地,所述步骤42)中***等待单元的异常历时的三角分布为ew∈T(2.26μ_4,11.11μ_4,4.45μ_4);所述步骤43)中***等待单元的异常频率P4=0.11~0.15。
本发明具有如下特点:
1.将隧洞开挖循环分解为钻孔、装药及***等待三个工作单元,对各工作单元的分布形态及参数规律进行统计归纳,利用蒙特卡罗模拟方法对同一开挖循环的三个工作单元进行独立抽样再进行耦合计算,建立了较传统仿真模型更为精确的进度仿真模型。
2.利用箱线图理论分离出隧洞开挖各工作单元的异常历时,利用数理统计推导异常历时的分布形态及分布参数,量化其对隧洞开挖历时的影响,利用蒙特卡罗模拟方法将施工异常历时耦合到进度仿真模型中,以准确地反映实际情况。
3.根据不同非参数假设检验方法的适用条件,综合采用Lilliefors原理(K-S改进法)、Mann-Whitney及Moses两独立样本非参数检验原理、Median及Jonkheere-Terpstra多独立样本非参数检验原理与0-1分布非参数假设检验原理对权利要求1所述各工作单元中的正常历时、异常历时的分布形态及参数规律进行统计归纳,得到考虑施工异常的经验仿真模型,实证表明该经验仿真模型能较好的预测实际情况,且相对传统仿真模型具有更简单的算法、更好的鲁棒性。
4.对考虑施工异常的经验仿真模型的相关因子进行敏感性分析得出以下结论,对开挖总进度影响最大的是***等待单元异常历时频率、钻孔深度及钻孔数量,在现场施工管理过程中,需重点关注与这三个关键参数相关的技术方案及保障措施是否安排到位,在实际进度与计划进度发生偏离时,在确保施工质量、安全的前提下应优先对现场与这三个关键参数的相关方面进行优化、调整,以提高施工资源的配置效率。
附图说明
图1为本发明隧洞开挖施工循环网络模型图。
图2为本发明施工异常的分类矩阵图。
图3为本发明开挖历时信息处理逻辑图。
图4为本发明进度仿真模型结构图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细描述。
本发明提出的一种考虑施工异常的隧洞开挖进度仿真方法,包括如下步骤:
A)将隧洞开挖循环过程分解为钻孔工作单元、装药工作单元和***等待工作单元;
B)对所述钻孔工作单元、装药工作单元和***等待工作单元利用箱线图理论分离出隧洞开挖各工作单元的正常历时、异常历时,
C)利用数理统计推导所述钻孔工作单元、装药工作单元和***等待工作单元正常历时、异常历时的分布形态及分布参数;
D)利用蒙特卡罗模拟方法对同一开挖循环的钻孔工作单元、装药工作单元和***等待工作单元进行独立抽样再进行耦合计算;
E)建立考虑施工差异的进度仿真经验模型,利用异常频率将施工异常历时的三角分布与正常历时的正态分布进行耦合,得到仿真周期内开挖总进尺对应的概率密度分布曲线。
本发明的研究过程如下:
1.建立开挖循环模型
将隧洞开挖循环分解为钻孔、装药及***等待三个工作单元。
隧洞开挖循环时间可表示:
Tc=Td+Tm+Tw
其中,Tc代表隧洞开挖单个进尺的循环时间,Td代表钻孔单元的持续时间,Tm代表装药单元的持续时间,Tw代表***等待单元的持续时间。
其中,钻孔单元历时与开挖掌子面的孔深、孔数及设备投入等因素相关。装药单元历时与施工掌子面尺寸、人员等因素相关。***等待单元由出渣、***支护子循环工作单元及其它多项工序组成,各子循环工作单元历时分布随施工条件变化而变化,且各工序间相互干扰较大,如将各工序拆开进行进度仿真将增加累积误差,且模型实用性将因输入参数过多而大大降低,将其视为一个工作单元,根据现场进度情况动态更新其历时分布参数,可达到实时仿真的目标。
2.建立考虑施工异常的历时模型
隧洞开挖影响因素众多,施工异常时有发生,根据异常发生频率、历时长短可分为四类:
第一类为***异常,发生频率较高,循环历时较短,对历时分布的期望及方差贡献较小,如施工组织不合理、劳动力和施工机械调配不当、施工平面布置不合理、通风散烟不畅等。该异常与施工单位的组织管理水平密切相关,可通过优化方案、加强人员设备管理等手段减少异常发生。
第二类为随机异常,发生频率较低,循环历时较短,对历时分布的期望贡献及方差贡献较小,如临时性机械故障、临时性水电中断、生产安排不及时、火工品临时供应不及时,局部遇断层破碎带、少量涌水情况采取加强支护、堵排水措施等。该异常具有施工伴生性,与施工单位的组织管理水平、现场地质条件及多方面外界因素相关。
第三类为低频特殊异常,发生频率低,循环历时较长,对历时分布的期望及方差贡献均较大,如有毒气体、塌方、遇较大范围的断层破碎带、较大涌水情况采取加强支护、堵排水措施等。该异常水文、岩石条件等相关,通过合理组织生产可在一定程度上减少异常发生。
第四类为高频特殊异常,发生频率高,循环历时较长,该类异常的发生会导致施工过程逐渐远离稳态、趋于发散无序,最终向耗散状态演变。当前工程建设模式已较为成熟,先进的管理水平及前期科学的地质勘探大大减小了高频特殊异常发生的概率,本文主要研究前三类异常,图2为施工异常的分类矩阵。
综上所述,隧洞开挖单元的历时t可表示为:
t=t0+e1+e2+e3
式中,t0表示不考虑施工异常条件下的开挖单元循环平均工时,e1为单元循环中的第一类***异常工时,e2为第二类随机异常工时,e3为第三类低频特殊异常工时。
其中第一、二类施工异常信息对历时分布的期望及方差贡献均较小,可视为“历时波”的“背景噪声”,将无损历时与“背景噪声”融合为“正常历时”t’,即有t′=t0+e1+e2,第三类异常对历时分布的期望及方差贡献均较大,称为“异常历时”e3。此时有
t=t′+e3
“异常历时”与开挖正常历时期望值的偏差较大,需首先对原始数据进行预处理,修正“波形”畸变,使处理后的信息直接反映无特殊异常干扰的施工进度情况。
3.仿真参数的经验分布统计
以某藏区大型水电站引水发电***隧洞开挖施工中实际产生的1344份准钻证、准装证、准爆证(也称为***三联单)所载时间数据为基础,分部位统计了多个开挖循环的钻孔历时、装药历时、***等待历时相关参数。
根据箱线图理论可截取低频高幅的异常信息,算法如下:
其中:Q1为第一四分位数,等于该样本中所有数值由小到大排列后第25%的数字。Q3为第三四分位数,等于该样本中所有数值由小到大排列后第75%的数字。QR为第三四分位数与第一四分位数的差值,即QR=Q3-Q1。
采取一定方法从原始信息中剥离出异常信息,分别对施工异常历时与正常历时进行分布特性、参数分析,研究异常历时发生的概率,再通过蒙特卡罗仿真对两种历时进行耦合,最终实现隧洞开挖的进度仿真,参见图3。
由于开挖“正常历时”的真实分布特征未知,根据中心极限定理,当开挖“正常历时”的样本足够大时,该随机变量序列的分布将逼近正态分布,假设开挖三个工作单元的“正常历时”均服从正态分布,再采用Lilliefors法(改进KS法)非参数假设检验法对该样本分布进行判别,根据Lilliefors检验原理计算得到隧洞三个工作单元的“正常历时”均满足特定的正态分布特征,该规律具有普遍意义。
进一步采用Mann-Whitney及Moses两独立样本非参数检验原理判别表明不同部位的钻孔单元单台钻机钻进速度的期望及标准差所属总体分布不存在显著差异,取不同部位单台钻机速度的期望、标准差的平均值作为洞室开挖单台钻机钻进速度总体分布的期望、标准差(见下式),根据不同洞室钻机台数、钻孔数量及设计进尺等参数可计算各部位钻孔历时的分布参数。该统计值适用于以粉砂质板岩为主的Ⅲ类围岩环境,设备为YT28气腿式凿岩机的施工条件。
v_2=7.230m/h
σ_2=1.317m/h
其中,v_2及σ_2代表钻孔单元单台钻机钻孔速度的期望及标准差。
采用Median及Jonkheere-Terpstra多独立样本非参数检验原理判别表明各部位装药启爆历时的期望值与标准差所属总体分布无显著差异,取相关部位开挖装药启爆历时的期望、标准差的平均值作为各隧洞装药启爆历时总体分布的期望、标准差,该统计值依工作面尺寸、人员投入等综合功效而异,对同一工程可视为固定值。
μ_3=1.067h
σ_3=0.25h
其中,μ_3及σ_3代表装药启爆单元历时的期望及标准差。
根据现场施工情况动态调整***等待历时的分布参数,认为***等待历时分布符合正态分布,在初始仿真或当现场通风条件、出渣条件及围岩条件等边界因素发生较大***性变化时,选取最近时段内的等待历时样本重新计算其总体分布最新参数,根据Lilliefors检验的相关条件,建议选取样本含量不少于50个。
其中,μ_4及σ_4代表***等待单元历时的期望及标准差。
采用三角分布对各部位开挖施工的异常历时进行拟合,通过三角分布拟合给出相关异常点值的包络线,适用于各中小隧洞开挖进度异常历时的仿真模拟。通过对异常值进行数理统计可得:
钻孔单元钻孔速度异常值vd满足以下经验分布:
vd∈T(1.06v_2,2.75v_2,1.52v_2)
装药单元的历时异常值em满足以下经验分布:
em∈T(1.47μ_3,2.81μ_3,1.78μ_3)
***等待单元历时异常值ew满足以下经验分布:
ew∈T(2.26μ_4,11.11μ_4,4.45μ_4)
该统计值依不同工程的围岩条件、设备性能及管理水平等因素而异。
对施工过程中异常历时的发生概率,假定其满足伯努利分布(0-1分布),采用0-1分布非参数检验原理对其进行验证,给出开挖循环中各工作单元的分布检验概率范围
钻孔单元单台钻机钻孔速度的异常频率:
P2=0.02~0.07
装药单元异常历时频率:
P3=0.04~0.05
***等待单元异常历时频率:
P4=0.11~0.15
该统计值依不同工程的围岩条件、设备性能及管理水平等因素而异。
4.建立考虑施工差异的进度仿真经验模型
利用异常频率将施工异常历时的三角分布与正常历时的正态分布进行耦合,可得仿真周期内开挖总进尺对应的概率密度分布曲线,实施步骤如下(参考图4):
步骤1:给定仿真次数N,一般要求100万次以上,初始化仿真次数计数n及进尺循环计数i。
步骤2:设定仿真周期T,根据实际需求可设定为7天、15天、30天等。
步骤3:启动仿真次数计数n、进尺循环计数i。
步骤4:进行钻孔工作单元循环历时单次抽样。钻孔工作单元循环历时的计算公式如下:
式中:v为单台钻机的钻孔速度(m/h),m为钻机台数,l为掌子面上的钻孔数量,L0为设计开挖循环进尺,r为超钻深度,根据实践经验有r∈[0.2,0.5]。
根据上述内容,钻孔工作单元单台钻机的正常钻孔速度满足正态分布,其期望及标准差满足:
v_2=7.230m/h,σ_2=1.317m/h
采用蒙特卡罗结合钻孔工作单元历时计算公式可得钻孔工作单元循环中正常历时的单次抽样值ti′d。
采用正态分布的抽样方法如下:
对于正态分布N(μ,σ),其抽样结果为:
其中,为一对服从正态分布N∈(μ,σ)的随机变量。
其中,ξ1,ξ2为一对服从[0,1]均匀分布的随机变量。
根据发明内容所述,钻孔工作单元钻孔速度异常值vd满足以下三角分布:
vd∈T(1.06v_2,2.75v_2,1.52v_2)
采用蒙特卡罗结合钻孔工作单元历时计算公式可得钻孔工作单元循环中异常历时的单次抽样值eid。
三角分布的抽样方法如下:
对于三角分布T(a,b,c),其抽样结果为:
其中,ξ为服从[0,1]均匀分布的随机变量。
根据发明内容所述,钻孔工作单元中施工异常发生的概率满足伯努利分布(0-1分布),且钻孔单元单台钻机钻孔速度的异常频率:
P2=0.02~0.07
采用蒙特卡罗模拟可得钻孔工作单元循环历时的单次抽样值为:
其中,p2代表P2=0.02~0.07时0-1分布的单次抽样。
步骤5:进行装药工作单元循环历时的单次抽样。
根据发明内容所述,装药工作单元的正常历时满足正态分布,其期望及标准差:
μ_3=1.067h,σ_3=0.25h
采用蒙特卡罗模拟可得装药工作单元循环中正常历时的单次抽样值t′id。
根据发明内容所述,装药工作单元异常历时em满足以下三角分布:
em∈T(1.47μ_3,2.81μ_3,1.78μ_3)
采用蒙特卡罗模拟可得装药工作单元循环中异常历时的单次抽样值eim。
根据发明内容所述,装药工作单元中施工异常发生的概率满足伯努利分布(0-1分布),且装药单元异常历时频率:
P3=0.04~0.05
采用蒙特卡罗模拟可得装药工作单元循环历时的单次抽样值为:
其中,p3代表P3=0.04~0.05时0-1分布的单次抽样。
步骤6:进行***等待单元循环历时的单次抽样。
根据发明内容所述,***等待单元的正常历时满足正态分布,其期望及标准差:
采用蒙特卡罗模拟可得***等待单元循环中正常历时的单次抽样值t′iw。
根据发明内容所述,***等待单元异常历时ew满足以下三角分布:
ew∈T(2.26μ_4,11.11μ_4,4.45μ_4)
采用蒙特卡罗模拟可得***等待单元循环中异常历时的单次抽样值eiw。
根据发明内容所述,***等待单元中施工异常发生的概率满足伯努利分布(0-1分布),且***等待单元异常历时频率:
P4=0.11~0.15
采用蒙特卡罗模拟可得***等待单元循环历时的单次抽样值为:
其中,p4代表P4=0.11~0.15时0-1分布的单次抽样。
步骤7:计算隧洞单次开挖循环的历时值:
tic=tid+tim+tiw
步骤8:重复步骤3~7,逐次计算开挖循环历时,直至累计开挖循环历时∑tic等于或大于仿真周期T即停止循环模拟。根据进尺循环计数i及设计开挖循环进尺L0得到仿真周期T内的总开挖进尺LT=L0×i。
步骤9:重复步骤3至步骤8,直至仿真次数计数n等于N,仿真结束,得到N个开挖进尺序列,继而生成仿真周期T内累计开挖进尺的概率分布图,用于辅助进行进度评审、决策及风险分析。
为全面考虑施工异常对开挖历时的影响,利用发生异常概率的伯努利分布将施工异常历时的三角分布与正常的工作单元历时分布进行仿真耦合,在初始仿真条件或现场通风、出渣及围岩条件等发生较大程度***性变化时将触发***等待历时分布参数的重新计算,采用参数触发更新的策略可大大节约计算成本并使模型简化,提高仿真精度,较全面的反映施工过程的动态变化,如图4。设定仿真次数及进度计划周期后,将相关经验分布参数代入,可得计划周期内开挖累积进尺的概率分布曲线,所得结果可用于辅助现场进度决策、评审及风险分析等。
结合蒙特卡罗模拟方法(Monte Carlo)对考虑施工差异的经验仿真模型、考虑施工差异的原生仿真模型、传统仿真模型及样本序列的不同统计时段分别进行100万次抽样,获得各仿真模型的开挖累积进尺概率分布曲线。采用Pearson相关性理论计算得曲线间的相关性系数,另分别计算两曲线差值的标准差,量化不同仿真模型与样本对应曲线的相关性及离散程度,比较分析得以下结论:
1.考虑施工异常的原生仿真模型在不同洞室、不同施工异常条件下始终贴合样本曲线,表现最佳,证明考虑施工异常的仿真模型优于未专门考虑施工异常的传统仿真模型,能更准确地反映实际情况。
2.传统仿真模型能较好的拟合样本曲线,但其鲁棒性不佳。如对施工异常较大的部位计算出的开挖累积进尺结果偏小,对施工异常相对较小的部位计算出的开挖累积进尺长度偏大。此外,采用传统仿真模型需代入实际样本的统计参数,为使仿真结果更精确,往往需采用神经网络、贝叶斯理论、移动平均法及深度学习等复杂算法计算预测样本的仿真参数,操作难度较大。
3.考虑施工异常的经验仿真模型能较好的拟合样本曲线,但其计算出的开挖累积进尺结果略微偏小。
4.考虑施工异常的经验仿真模型结果与样本曲线相关程度更高,代表该模型更符合实际情况。
综述,考虑施工异常的经验仿真模型能较好的模拟预测实际情况,较传统仿真模型具有更简单的算法、更好的鲁棒性,更适用于开挖施工的进度仿真建模。
此外,通过对本模型的相关因子进行敏感性分析,对仿真结果影响最大的是钻孔深度,直接反映开挖施工效率;***等待单元异常历时频率对仿真结果的影响其次,该频率越大,开挖受低频特殊异常影响暂停时间越长;钻孔数量对仿真结果的影响次之,其值代表开挖工作量的大小。其他参数对仿真结果的影响相对较小。因此,在使用该仿真模型时,需确保***等待单元异常历时频率、钻孔深度及钻孔数量这三个参数的精度,以提高仿真结果的准确性。此外,在现场施工管理时,需重点关注与这三个关键参数相关的技术方案及保障措施是否合理,在实际进度偏离计划进度时,在确保施工质量、安全的前提下应优先对现场与这三个关键参数的相关方面进行优化、调整,提高施工资源的配置效率。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以设计出若干改进,这些改进也应视为本发明的保护范围。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种考虑施工异常的隧洞开挖进度仿真方法,其特征在于:包括如下步骤:
A)将隧洞开挖循环过程分解为钻孔工作单元、装药工作单元和***等待工作单元;
B)对所述钻孔工作单元、装药工作单元和***等待工作单元利用箱线图理论分离出隧洞开挖各工作单元的正常历时、异常历时,
C)利用数理统计推导所述钻孔工作单元、装药工作单元和***等待工作单元正常历时、异常历时的分布形态及分布参数;
D)利用蒙特卡罗模拟方法对同一开挖循环的钻孔工作单元、装药工作单元和***等待工作单元进行独立抽样再进行耦合计算;
E)建立考虑施工差异的进度仿真经验模型,利用异常频率将施工异常历时的三角分布与正常历时的正态分布进行耦合,得到仿真周期内开挖总进尺对应的概率密度分布曲线。
2.根据权利要求1所述的考虑施工异常的隧洞开挖进度仿真方法,其特征在于:所述步骤E)包括如下步骤:
1)设定仿真次数N、仿真周期T,初始化仿真次数计数n及进尺循环计数i;
2)进行钻孔工作单元循环历时单次抽样:
21)钻孔工作单元单台钻机的正常钻孔速度满足正态分布,根据蒙特卡罗模拟和钻孔工作单元历时计算公式得到钻孔工作单元循环中正常历时的单次抽样值t′id;
22)钻孔工作单元单台钻机的异常钻孔速度满足三角分布,根据蒙特卡罗模拟和钻孔工作单元历时计算公式得到钻孔工作单元循环中异常历时的单次抽样值eid;
23)采用蒙特卡罗模拟得到钻孔工作单元循环历时的单次抽样值tid为:
其中,p2为钻孔单元单台钻机钻孔速度的异常频率P2的单次抽样;
3)进行装药工作单元循环历时单次抽样:
31)装药工作单元的正常历时满足正态分布,根据蒙特卡罗模拟得到装药工作单元循环中正常历时的单次抽样值t’im;
32)装药工作单元的异常历时满足三角分布,根据蒙特卡罗模拟得到装药工作单元循环中异常历时的单次抽样值eim;
33)采用蒙特卡罗模拟得到装药工作单元循环历时的单次抽样值tim为:
其中,p3为装药工作单元的异常频率P3的单次抽样;
4)进行***等待单元循环历时单次抽样:
41)***等待单元的正常历时满足正态分布,根据蒙特卡罗模拟得到装药工作单元循环中正常历时的单次抽样值t’iw;
42)***等待单元的异常历时满足三角分布,根据蒙特卡罗模拟得到装药工作单元循环中异常历时的单次抽样值eiw;
43)采用蒙特卡罗模拟得到***等待单元循环历时的单次抽样值tiw为:
其中,p4为***等待单元的异常频率P4的单次抽样;
5)计算隧洞单次开挖循环历时值tic:
tic=tid+tim+tiw
6)重复步骤2)~5),直至累计开挖循环历时值∑tic等于或大于仿真周期T,根据进尺循环计数i及设计开挖循环进尺L0得到仿真周期T内的总开挖进尺LT=L0×i;
7)重复步骤2)至6),直至仿真次数计数n等于仿真次数N,得到N个开挖进尺序列,继而生成仿真周期T内累计开挖进尺的概率分布图,用于进行进度评审、决策及风险分析。
3.根据权利要求2所述的考虑施工异常的隧洞开挖进度仿真方法,其特征在于:所述步骤2)、3)、4)同时进行。
4.根据权利要求2所述的考虑施工异常的隧洞开挖进度仿真方法,其特征在于:所述步骤21)中钻孔工作单元历时计算公式为:
式中:Td为钻孔工作单元历时,v为单台钻机的钻孔速度m/h,m为钻机台数,l为掌子面上的钻孔数量,L0为设计开挖循环进尺,r为超钻深度。
5.根据权利要求2所述的考虑施工异常的隧洞开挖进度仿真方法,其特征在于:所述步骤21)中钻孔工作单元单台钻机的正常钻孔速度满足正态分布,所述钻孔工作单元单台钻机的正常钻孔速度的期望值及标准差分别为v_2=7.230m/h、σ_2=1.317m/h,m/h表示米每时。
6.根据权利要求5所述的考虑施工异常的隧洞开挖进度仿真方法,其特征在于:所述步骤22)中钻孔工作单元单台钻机的异常钻孔速度的三角分布为vd∈T(1.06v_2,2.75v_2,1.52v_2);所述步骤23)中钻孔单元单台钻机钻孔速度的异常频率P2=0.02~0.07。
7.根据权利要求2所述的考虑施工异常的隧洞开挖进度仿真方法的方法,其特征在于:所述步骤31)中装药工作单元的正常历时满足正态分布,所述装药工作单元的正常历时的期望值及标准差分别为μ_3=1.067h、σ_3=0.25h,h表示小时。
8.根据权利要求7所述的考虑施工异常的隧洞开挖进度仿真方法,其特征在于:所述步骤32)中装药工作单元的异常历时的三角分布为em∈T(1.47μ_3,2.81μ_3,1.78μ_3);所述步骤33)中装药工作单元的异常频率P3=0.04~0.05。
9.根据权利要求2所述的考虑施工异常的隧洞开挖进度仿真方法,其特征在于:所述步骤41)中***等待单元的正常历时满足正态分布,所述***等待单元的正常历时的期望值及标准差分别为
10.根据权利要求9所述的考虑施工异常的隧洞开挖进度仿真方法的方法,其特征在于:所述步骤42)中***等待单元的异常历时的三角分布为ew∈T(2.26μ_4,11.11μ_4,4.45μ_4);所述步骤43)中***等待单元的异常频率P4=0.11~0.15。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810015069.XA CN108256191B (zh) | 2018-01-08 | 2018-01-08 | 考虑施工异常的隧洞开挖进度仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810015069.XA CN108256191B (zh) | 2018-01-08 | 2018-01-08 | 考虑施工异常的隧洞开挖进度仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256191A true CN108256191A (zh) | 2018-07-06 |
CN108256191B CN108256191B (zh) | 2021-04-30 |
Family
ID=62726058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810015069.XA Active CN108256191B (zh) | 2018-01-08 | 2018-01-08 | 考虑施工异常的隧洞开挖进度仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256191B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002674A (zh) * | 2018-10-09 | 2018-12-14 | 浙江省水利水电勘测设计院 | 一种隧洞群施工进度仿真方法及*** |
CN111459955A (zh) * | 2020-03-13 | 2020-07-28 | 济南轨道交通集团有限公司 | 一种基于gis平台的三维地质结构模型自动更新方法及*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901292A (zh) * | 2010-07-22 | 2010-12-01 | 中国建筑第八工程局有限公司 | 三维隧道监测*** |
CN103400228A (zh) * | 2013-08-07 | 2013-11-20 | 中铁第一勘察设计院集团有限公司 | 铁路与城市轨道交通站后工程信息模型的创建方法 |
CN103425054A (zh) * | 2013-08-21 | 2013-12-04 | 国家电网公司 | 一种基于数字化的电力隧道施工控制方法 |
CN103837360A (zh) * | 2014-03-05 | 2014-06-04 | 中国矿业大学 | 一种隧道管棚施工法模拟开挖装置及其实施方法 |
KR101473711B1 (ko) * | 2013-07-30 | 2014-12-17 | 한국원자력환경공단 | 방사성 폐기물 저장용 지하 구조물 시공을 위한 지반 굴착 방법 |
CN104834986A (zh) * | 2015-03-06 | 2015-08-12 | 天津大学 | 基于全局综合敏感性分析的隧洞施工进度动态控制方法 |
CN105804117A (zh) * | 2016-05-17 | 2016-07-27 | 宁波交通工程建设集团有限公司 | 山区公路隧道盖挖法土拱胎模板拉杆结构及其施工方法 |
CN105912780A (zh) * | 2016-04-12 | 2016-08-31 | 天津大学 | 地下洞室群三维设计与施工进度仿真交互的方法 |
CN106777823A (zh) * | 2017-01-25 | 2017-05-31 | 天津大学 | 基于通风数值模拟的地下洞室群施工进度仿真优化方法 |
CN107492042A (zh) * | 2017-07-31 | 2017-12-19 | 长江勘测规划设计研究有限责任公司 | 基于gis+bim的水利水电工程建设管理方法及*** |
CN107503757A (zh) * | 2017-09-20 | 2017-12-22 | 中建交通建设集团有限公司 | 一种基于大数据技术的盾构隧道智能施工辅助***及使用方法 |
CN107542471A (zh) * | 2017-09-27 | 2018-01-05 | 贵州安凯达实业股份有限公司 | 一种用于隧道施工的光面***方法 |
-
2018
- 2018-01-08 CN CN201810015069.XA patent/CN108256191B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901292A (zh) * | 2010-07-22 | 2010-12-01 | 中国建筑第八工程局有限公司 | 三维隧道监测*** |
KR101473711B1 (ko) * | 2013-07-30 | 2014-12-17 | 한국원자력환경공단 | 방사성 폐기물 저장용 지하 구조물 시공을 위한 지반 굴착 방법 |
CN103400228A (zh) * | 2013-08-07 | 2013-11-20 | 中铁第一勘察设计院集团有限公司 | 铁路与城市轨道交通站后工程信息模型的创建方法 |
CN103425054A (zh) * | 2013-08-21 | 2013-12-04 | 国家电网公司 | 一种基于数字化的电力隧道施工控制方法 |
CN103837360A (zh) * | 2014-03-05 | 2014-06-04 | 中国矿业大学 | 一种隧道管棚施工法模拟开挖装置及其实施方法 |
CN104834986A (zh) * | 2015-03-06 | 2015-08-12 | 天津大学 | 基于全局综合敏感性分析的隧洞施工进度动态控制方法 |
CN105912780A (zh) * | 2016-04-12 | 2016-08-31 | 天津大学 | 地下洞室群三维设计与施工进度仿真交互的方法 |
CN105804117A (zh) * | 2016-05-17 | 2016-07-27 | 宁波交通工程建设集团有限公司 | 山区公路隧道盖挖法土拱胎模板拉杆结构及其施工方法 |
CN106777823A (zh) * | 2017-01-25 | 2017-05-31 | 天津大学 | 基于通风数值模拟的地下洞室群施工进度仿真优化方法 |
CN107492042A (zh) * | 2017-07-31 | 2017-12-19 | 长江勘测规划设计研究有限责任公司 | 基于gis+bim的水利水电工程建设管理方法及*** |
CN107503757A (zh) * | 2017-09-20 | 2017-12-22 | 中建交通建设集团有限公司 | 一种基于大数据技术的盾构隧道智能施工辅助***及使用方法 |
CN107542471A (zh) * | 2017-09-27 | 2018-01-05 | 贵州安凯达实业股份有限公司 | 一种用于隧道施工的光面***方法 |
Non-Patent Citations (2)
Title |
---|
张振西: "隧道工程测量的精度分析和检测技术分析", 《建筑工程技术与设计》 * |
胡兰 等: "隧道施工进度及成本动态预测与控制研究", 《铁道工程学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002674A (zh) * | 2018-10-09 | 2018-12-14 | 浙江省水利水电勘测设计院 | 一种隧洞群施工进度仿真方法及*** |
CN111459955A (zh) * | 2020-03-13 | 2020-07-28 | 济南轨道交通集团有限公司 | 一种基于gis平台的三维地质结构模型自动更新方法及*** |
CN111459955B (zh) * | 2020-03-13 | 2023-09-29 | 济南轨道交通集团有限公司 | 一种基于gis平台的三维地质结构模型自动更新方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108256191B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103500371A (zh) | 基于bim的变更控制方法 | |
CN108280281A (zh) | 一种基于bim技术的施工成本控制方法和*** | |
Yang et al. | LES study of turbulent flow fields over hilly terrains—Comparisons of inflow turbulence generation methods and SGS models | |
Alenezi et al. | A data-driven smart proxy model for a comprehensive reservoir simulation | |
CN104539601B (zh) | 动态网络攻击过程可靠性分析方法及*** | |
KR20180116922A (ko) | 쉴드 tbm의 순굴진속도 예측 장치 및 그 방법 | |
CN107330636A (zh) | 基于3dgis+bim技术的工程施工风险源实时监控及人工智能预测方法 | |
CN108256191A (zh) | 考虑施工异常的隧洞开挖进度仿真方法 | |
CN106560865A (zh) | 一种基于日常生产相互关联的三大地质模型 | |
Song et al. | Carbon emission reduction of tunnel construction machinery system based on self-organizing map-global particle swarm optimization with multiple weight varying models | |
CN115526096A (zh) | 盾构机施工掘进参数的预测方法、装置及可存储介质 | |
Li et al. | Prediction analysis of shield vertical attitude based on GRU | |
Zhong et al. | Robustness analysis of underground powerhouse construction simulation based on Markov Chain Monte Carlo method | |
AU2015408224A1 (en) | Time-to-finish simulation forecaster | |
CN104834986B (zh) | 基于全局综合敏感性分析的隧洞施工进度动态控制方法 | |
CN115018331A (zh) | 一种传统村落保护利用价值的智能评价方法及*** | |
CN106934729A (zh) | 建筑检测鉴定方法及装置 | |
Rahm et al. | Uncertainty modeling and simulation of tool wear in mechanized tunneling | |
Xiao et al. | An improved bidirectional generative adversarial network model for multivariate estimation of correlated and imbalanced tunnel construction parameters | |
Zhong et al. | Construction simulation and real-time control for high arch dam | |
Noorzad et al. | Prediction of Crest Settlement of Concrete-Faced Rockfill Dams Using a New Approach | |
Zheng et al. | Identification of loads on shield tunneling machines based on PSO-SVM method | |
KR20140055871A (ko) | 시추공정의 최적화 시스템 및 시추공정의 최적화 방법 | |
Li et al. | Prediction of shield tunneling parameters using a BO-XGBoost machine learning method | |
Chen et al. | Productivity of rotary drilling rig construction in the Pearl River delta water resources allocation project |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |