本发明公开了一种基于深度神经网络的盾构机参数优化方法。本发明利用神经网络算法建立了一种用于预测复杂地质条件的盾构机掘进参数的正向模型，如果在输出层得不到期望的输出值，则取输出与期望的误差的平方和作为目标函数，转入反向传播，逐层求出目标函数对各神经元权值的偏导数，构成目标函数对权值向量的梯量，作为修改权值的依据，网络的学习在权值修改过程中完成。在利用真实数据进行预测时，该模型预测值与原始数据变化规律一致，平均误差在12％以内，且模型结构轻量级、泛化能力符合现场施工要求，为盾构机掘进参数预测提供了一套有效的方案，具有一定的实用价值。
声明：
“基于深度神经网络的盾构机参数优化方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1182
编辑：管理员
来源：北方有色网
咨询细节
