CN117113573A - 基于工程案例文本极性分析的盾构刀盘开口选型方法 - Google Patents
基于工程案例文本极性分析的盾构刀盘开口选型方法 Download PDFInfo
- Publication number
- CN117113573A CN117113573A CN202311082599.3A CN202311082599A CN117113573A CN 117113573 A CN117113573 A CN 117113573A CN 202311082599 A CN202311082599 A CN 202311082599A CN 117113573 A CN117113573 A CN 117113573A
- Authority
- CN
- China
- Prior art keywords
- opening
- cutter head
- polygon
- shield
- value
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000010187 selection method Methods 0.000 title claims abstract description 6
- 238000013461 design Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 230000009466 transformation Effects 0.000 claims abstract description 28
- 238000013145 classification model Methods 0.000 claims abstract description 26
- 238000002372 labelling Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims description 38
- 230000001419 dependent effect Effects 0.000 claims description 30
- 230000005641 tunneling Effects 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 210000001624 hip Anatomy 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 9
- 238000013507 mapping Methods 0.000 description 9
- 239000002689 soil Substances 0.000 description 8
- 101000912561 Bos taurus Fibrinogen gamma-B chain Proteins 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 239000011435 rock Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000002893 slag Substances 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
基于工程案例文本极性分析的盾构刀盘开口选型方法，涉及刀盘开口合理性评价和刀盘构造设计，属于地下工程技术领域。包括通过文本极性分析标注案例、提取刀盘开口正投影二维几何特征、训练粗分类模型、粗分类模型统计模拟、粗分类模型显式刻画五个步骤，从工程文献出发，通过语义量化分析、拓扑变换、单体边界走向统计特征计算、分类模型训练、统计模拟、抽样拟合得到综合考虑地层、设备、作业工艺三因素共同影响的开口参数合理性显式量化分类方法，具有分类可靠、变量物理意义明确、可解释性强的优点。
Description
技术领域
本发明涉及刀盘开口合理性评价和刀盘构造设计，属于地下工程技术领域。
背景技术
技术一(王洪新.土压平衡盾构刀盘开口率选型及其对地层适应性研究[J].土木工程学报,2010,43(03):88-92.)分析了刀盘开口率对出土率的影响，提出了定量分析刀盘开口率对地层适应性的计算方法，对上海典型土层中土压平衡盾构刀盘选型提出了建议值。
技术二(郭伟,胡竟,王磊,刘建琴.基于CFD的土压平衡盾构刀盘开口分布特征研究[J].机械工程学报,2012,48(17):144-151.)建立包括渣土、刀盘、土舱和螺旋输送机在内的计算流体动力学模型，分析获得给定地质条件下相同开口率不同开口分布特征的刀盘前后渣土的压力分布规律,以及刀盘开口分布特征对盾构机刀盘开挖渣土流动性能的影响作用关系。
技术三(林赉贶.土压平衡盾构机刀盘开口特性及刀具布置方法研究[D].中南大学,2013.)对土压平衡盾构机刀盘选型、开口设计、刀具布置及刀盘CAD系统开发进行相关研究，提出了基于BP神经网络的刀盘开口地质适应性选型方法。
技术四(杨志勇,江玉生,张晋勋.土压平衡盾构刀盘环向开口率研究[J].岩土工程学报,2018,40(12):2312-2317.)分析了刀盘环向开口率特征曲线和刀盘开口位置合理性的相关性。
技术五(许丽群.软硬交互地层盾构刀盘结构设计及开口特征研究[D].北京交通大学,2020.)提出了用刀盘分区开口率代替刀盘开口率的方法，分别计算每一区域开口率来评价刀盘开口的合理性。
发明内容
为解决盾构刀盘开口选型技术问题，本发明提出了基于工程案例文本极性分析的盾构刀盘开口选型方法，具体包括如下步骤：
步骤一通过文本极性分析标注案例，并得到文本案例中刀盘开口合理性论述标注；
步骤二提取刀盘开口正投影二维几何特征；
步骤三训练粗分类模型；
步骤四粗分类模型统计模拟；
步骤五粗分类模型显式刻画。
进一步地，所述步骤一具体包括：
在单台盾构刀盘开口合理性论述中，按断句符对盾构刀盘开口合理性论述进行分句的划分；分别统计各台盾构刀盘开口合理性论述内各倾向性词字；并根据各倾向性词字对盾构刀盘开口合理性论述的分句进行归类，分别为：
甲类正面分句、乙类正面分句、甲类负面分句、乙类负面分句；
将甲类正面分句序列第i个甲类正面分句内的第j个正面词pwij的总得分记为：ccpwij，将甲类负面分句序列第a个甲类负面分句内的第b个负面词rwab的总得分记为：ccrwab，将乙类正面分句序列第a'个乙类正面分句内的第b'个负面词rwa'b'的总得分记为：ccrwa'b'，将乙类负面分句序列第δ个乙类负面分句内第个正面词/>的总得分记为：/>
在单台盾构刀盘开口合理性论述内，max(P)为所有ccpwij和所有ccrwa'b'中的最大值，min(R)为所有ccrwab和所有中的最小值，当ccpwij与ccrwa'b'均缺失时max(P)＝0，当ccrwab和/>均缺失时min(R)＝0，按式(5)计算单台盾构刀盘开口合理性倾向性总分T，若T≥0，则该台盾构在单个盾构区间内的单台盾构刀盘开口合理性论述标注AEO为“1”；若T＜0，则该台盾构在单个盾构区间内的单台盾构刀盘开口合理性论述标注AEO为“0”，
T＝max(P)+min(R)(5)。
进一步地，所述步骤二具体包括：以刀盘沿掘进轴线投影得到的刀盘正投影所在平面为参考平面，刀盘开口区域沿掘进轴线投影在刀盘正投影内得到刀盘开口正投影，刀盘开口正投影包含①扇形区域中部开口、②等腰三角形开口、③多边形开口；
同种扇形区域中部开口二维几何特征为开口的线段边界长度Lc和线段边界夹角θc，
同种等腰三角形开口二维几何特征为等腰三角形开口的腰的长度Lt和两腰夹角θt，
同种多边形开口中：对于单个多边形开口在参考平面内进行拓扑变换；
定义单个多边形开口变换域顶边高度变量Y及其取值y，在O-xy内求解单个多边形开口变换域顶边方程y＝f(x)，则Y的期望E(Y)和方差D(Y)分别如式(6)、式(7)所示，x1、x2分别为多边形底边端点中距离原点O最近、最远的端点的横坐标值，
同种多边形开口二维几何特征为E(Y)和D(Y)。
进一步地，所述步骤三具体包括：
在同种地质条件下，对各台盾构刀盘开口合理性论述分别建立单台盾构工效文献样本，同一台盾构在单个盾构区间内的单台盾构工效文献样本中包含单台盾构刀盘开口合理性论述标注和单台盾构刀盘开口正投影二维几何特征集合，
一个样本中包含{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}和与{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}对应的单台盾构刀盘开口合理性论述标注，从同种地质条件下既有文献按照上述步骤提取样本集，样本集是样本的集合，利用支持向量机模型训练得到非显式的粗分类模型，
粗分类模型的输入层为{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}，输入变量为Lc、θc、Lt、θt、E(Y)、D(Y)，输出层为根据输入层判定得到的单台盾构刀盘开口合理性论述标注直接预测值，从而实现根据开口几何参数隐式预测开口合理性。进一步地，所述步骤四具体包括：
在同种地质条件下，依次进行(1)分别计算样本集内各输入变量所服从的分布、(2)分别计算样本集内各输入变量的取值区间、(3)分别对各输入变量抽样生成点值、(4)构造模拟输入集合、(5)生成模拟样本，完成粗分类模型统计模拟；
(1)分别计算样本集内各输入变量所服从的分布：
对于单个输入变量，以等组距绘制其样本值的频率直方图，以该频率直方图横轴各小区间中点值为自变量、以各自变量所在小区间所对应的频率值为应变量构成频率样本，从概率密度函数池中选择对该频率样本拟合决定系数最高的概率密度函数作为该输入变量的分布，概率密度函数池包含均匀分布、正态分布、指数分布、t分布、伽玛分布、贝塔分布、F分布、韦伯分布，频率直方图的组距D满足式(M-m)/5≤D<n，M、m、n分别为同一输入变量对应样本值中的最大值、最小值、样本值个数；
(2)分别计算样本集内各输入变量的取值区间：
已知输入变量所服从的分布后，单个输入变量的取值区间为(0,φP],φP为该输入变量概率为P时对应的下分位数，0.6≤P＜1，
(3)分别对各输入变量抽样生成点值：
对于单个输入变量，在该输入变量对应的(0,φP]内按步长λ抽样得到点值，一对大小紧邻的点值之间的差值为步长，所有点值构成该输入变量模拟值集合，0<λ<φP/6，不同输入变量各自对应的步长之间可不同；
(4)构造模拟输入集合：
对各输入变量模拟值集合中元素分别进行穷举，按照一个模拟输入集合由Lc的一个点值、θc的一个点值、Lt的一个点值、θt的一个点值、E(Y)的一个点值和D(Y)的一个点值作为元素所构成的方式，生成模拟输入集合，
各输入变量的任意一个点值不存在未参与构成模拟输入集合的情况，
(5)生成模拟样本：
对各输入变量模拟值集合进行穷举，将各模拟输入集合分别输入粗分类模型得到输出的模拟分类标注，按照一个模拟样本由一个模拟输入集合及其对应的模拟分类标注AEO'所构成的方式生成一个模拟样本。
进一步地，所述步骤五具体包括：
分别对多边形开口设计参数、扇形区域中部开口设计参数、等腰三角形开口设计参数在控制变量条件下利用logisitic回归方法计算模拟分类标注AEO'和模拟输入集合中变量之间的单因素分类预测模型，采用非参数回归方法计算单因素分类预测模型中关键参数的预测模型即分界位置预测模型和分界走向预测模型，将单因素分类预测模型、分界位置预测模型和分界走向预测模型相结合得到分类器，将多边形开口设计参数试算值、扇形区域中部开口设计参数试算值、等腰三角形开口设计参数试算值分别输入分类器，可分别输出与多边形开口设计参数试算值、扇形区域中部开口设计参数试算值、等腰三角形开口设计参数试算值对应的刀盘开口合理性论述标注预测值；
以刀盘开口合理性论述标注预测值进行盾构刀盘开口选型。
有益效果
叙述、记载盾构/TBM掘进作业实际情况的工效文献，如论文、工程报告等，是考虑了地层、设备、工艺参数影响后对盘开口合理性综合评价的载体，所以基于工程案例文本极性分析的刀盘开口合理性分类是客观可靠的，所以本方案相对于其他现有技术具有分类可靠、变量物理意义明确、可解释性强的优点。
附图说明
图1扇形区域中部开口示意图；
图2等腰三角形开口示意图；
图3多边形开口示意图；
图4多边形开口在坐标系内的拓扑变换示例示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整的描述。步骤一通过文本极性分析标注案例
在同种地质条件下，对于同一台盾构在单个盾构区间内的工效文献分析，抽取既有文献中关于单台盾构刀盘开口合理性的论述，包括盾构施工过程中的刀盘结泥饼情况、渣土运动顺畅程度、刀盘堵塞情况、掌子面坍塌情况、刀具糊死情况的内容，分别统计各台盾构刀盘开口合理性的论述中关于刀盘开口合理性的论述内各倾向性词字出现频率。
倾向性词字按表1定义，为未对正面词或负面词的程度进行描述的程度词。
表1倾向性词字分值表
在单台盾构刀盘开口合理性论述内，全部分句包含起始分句和跟随分句，以论述起始位置至第一个断句符之间的所有文字作为起始分句，以一对紧邻断句符之间的所有文字作为一个跟随分句，一个断句符为一个逗号、一个句号、一个感叹号、一个问号或一个分号。
正面分句为两类：甲类正面分句、乙类正面分句，甲类正面分句为①单个正面词对应偶数个否定词且不包含负面词的分句、或②包含正面词且既不包含负面词也不包含否定词的分句，乙类正面分句为单个负面词对应奇数个否定词的分句。
负面分句为两类：甲类负面分句、乙类负面分句，甲类负面分句为单个负面词对应偶数个否定词的分句，乙类负面分句为单个正面词对应奇数个否定词且不包含负面词的分句。
负面词中的否定词不作为否定词代入后续计算。
由于乙类正面分句、甲类负面分句可能不包含正面词，也可能包含正面词，所以需要对全部分句进行局部处理：当乙类正面分句、甲类负面分句中包含正面词时，将正面词及正面词所对应的程度词和否定词共同剥离于原分句并构成临时分句，临时分句按照甲类正面分句、乙类负面分句进行划分并存储，乙类正面分句、甲类负面分句如果被剥离则仅将未被剥离的部分存储为乙类正面分句、甲类负面分句。
在单台盾构刀盘开口合理性论述内，在对全部分句进行局部处理后按照分句在文献中的出现前后顺序，分别对甲类正面分句、乙类正面分句、甲类负面分句、乙类负面分句进行排序得到甲类正面分句序列、乙类正面分句序列、甲类负面分句序列、乙类负面分句序列。
【1】第一类
对甲类正面分句进行运算时对象分句序列为甲类正面分句序列。
在单台盾构刀盘开口合理性论述内，按式(1)计算对象分句序列第i个对象分句内的第j个正面词pwij的总得分ccpwij，pdwijk为形容pwij的第k个程度词，pnwijks为针对pdwijk的第s个否定词，i∈[1,I]，j∈[1,J]，k∈[1,K]，s∈[1,S]。
I为对象分句总个数，J为对象分句序列第i个对象分句内的正面词总个数，K为包含在内的形容pwij的程度词总个数，S为针对pdwijk的否定词总个数。
cpwij为pwij的分值，cpdwijk为pdwijk的分值，cpnwijks为pnwijks的分值，当S为0时
【2】第二类
在单台盾构刀盘开口合理性论述内，对于甲类负面分句，按式(2)计算甲类负面分句序列第a个甲类负面分句内的第b个负面词rwab的总得分ccrwab，rdwabg为形容rwab的第g个程度词，rnwabge为针对rdwabg的第e个否定词，a∈[1,A]，b∈[1,B]，g∈[1,G]，e∈[1,E]。
A为甲类负面分句总个数，B为甲类负面分句序列第a个甲类负面分句内的负面词总个数，G为包含在内的形容rwab的程度词总个数，E为针对rdwabg的否定词总个数。
crwab为rwab的分值，crdwabg为rdwabg的分值，crnwabge为rnwabge的分值，当E为0时
在单台盾构刀盘开口合理性论述内，对于乙类正面分句，按式(3)计算乙类正面分句序列第a'个乙类正面分句内的第b'个负面词rwa'b'的总得分ccrwa'b'，rdwa'b'g'为形容rwa'b'的第g'个程度词，rnwa'b'g'e'为针对rdwa'b'g'的第e'个否定词，a'∈[1,A']，b'∈[1,B']，g'∈[1,G']，e'∈[1,E']。
A'为乙类正面分句总个数，B'为乙类正面分句序列第a'个乙类正面分句内的负面词总个数，G'为包含在内的形容rwa'b'的程度词总个数，E'为针对rdwa'b'g'的否定词总个数。
crwa'b'为rwa'b'的分值，crdwa'b'g'为rdwa'b'g'的分值，crnwa'b'g'e'为rnwa'b'g'e'的分值，当E'为0时
【3】第三类
在单台盾构刀盘开口合理性论述内，对于乙类负面分句，则按式(4)计算乙类负面分句序列第δ个乙类负面分句内第个正面词/>的总得分/> 为形容/>的第λ个程度词，/>为针对/>的第ψ个否定词，δ∈[1,△]，/>λ∈[1,Λ]，ψ∈[1,Ψ]。
△为乙类负面分句总个数，Φ为乙类负面分句序列第δ个乙类负面分句内的正面词总个数，Λ为包含在内的形容/>的程度词总个数，Ψ为针对/>的否定词总个数。
为/>的分值，/>为/>的分值，/>为/>的分值，当Ψ为0时/>
在单台盾构刀盘开口合理性论述内，max(P)为所有ccpwij和所有ccrwa'b'中的最大值，min(R)为所有ccrwab和所有中的最小值，当ccpwij与ccrwa'b'均缺失时max(P)＝0，当ccrwab和/>均缺失时min(R)＝0，按式(5)计算单台盾构刀盘开口合理性倾向性总分T，若T≥0，则该台盾构在单个盾构区间内的单台盾构刀盘开口合理性论述标注AEO为“1”；若T＜0，则该台盾构在单个盾构区间内的单台盾构刀盘开口合理性论述标注AEO为“0”，
T＝max(P)+min(R) (5)。
同种地质条件指盾构掘进横断面范围内岩土种类相同、层位分布相同、地下水赋存条件相同。
步骤二提取刀盘开口正投影二维几何特征
以刀盘沿掘进轴线投影得到的刀盘正投影所在平面为参考平面，刀盘开口区域沿掘进轴线投影在刀盘正投影内得到刀盘开口正投影，刀盘开口正投影包含①扇形区域中部开口、②等腰三角形开口、③多边形开口。
①同种扇形区域中部开口
同种扇形区域中部开口为各项形状、尺寸均相同的扇形区域中部开口，同种扇形区域中部开口二维几何特征为开口的线段边界长度Lc和线段边界夹角θc。
扇形区域中部开口不是扇形。
②同种等腰三角形开口
同种等腰三角形开口为各项形状、尺寸均相同的等腰三角形开口，同种等腰三角形开口二维几何特征为等腰三角形开口的腰的长度Lt和两腰夹角θt。
③同种多边形开口
同种多边形开口为各项形状、尺寸均相同的多边形开口。
本技术中多边形特指由三条以上的线段首尾顺次连接所组成的平面图形。
对于单个多边形开口在参考平面内进行拓扑变换，即：
定义多边形开口各边线中的最长边为多边形底边，以多边形底边为x轴在参考平面建立平面直角坐标系O-xy。
定义以多边形底边端点为端点的边线为多边形侧边，定义边线端点均非多边形底边端点的边线为多边形顶边，具体见实施例4部分。
定义多边形侧边上不在x轴上的端点为多边形侧边远端点。
对单条多边形侧边进行旋正，即以该条多边形侧边在x轴上的端点为圆心、以该条多边形侧边为半径将该条多边形侧边旋转至与x轴垂直，记此时该条多边形侧边远端点的位置为该条多边形侧边远端点变换后位置。
对单条多边形顶边进行单端点变换，即过单条多边形顶边单个端点作与该端点距离最近的单条多边形侧边的平行线，记该平行线与x轴交点为该端点的斜投影点，记该端点与该端点的斜投影点之间距离为Δ，记与该端点的斜投影点之间距离等于Δ且与该端点之间连线垂直于x轴的点为该端点的单端点变换后位置。
将单个多边形开口的各多边形底边端点、各多边形侧边远端点变换后位置和各单端点变换后位置顺次以直线段相连得到单个多边形开口变换域。
定义单个多边形开口变换域内以各多边形侧边远端点变换后位置和各单端点变换后位置为端点的线段构成的折线为单个多边形开口变换域顶边。
单个多边形开口在拓扑变换前后均位于O-xy的第一象限。
定义单个多边形开口变换域顶边高度变量Y及其取值y，在O-xy内求解单个多边形开口变换域顶边方程y＝f(x)，则Y的期望E(Y)和方差D(Y)分别如式(6)、式(7)所示，x1、x2分别为多边形底边端点中距离原点O最近、最远的端点的横坐标值，
同种多边形开口二维几何特征为E(Y)和D(Y)。
步骤三训练粗分类模型
在同种地质条件下，对各台盾构刀盘开口合理性论述分别建立单台盾构工效文献样本，同一台盾构在单个盾构区间内的单台盾构工效文献样本中包含单台盾构刀盘开口合理性论述标注和单台盾构刀盘开口正投影二维几何特征集合。
单台盾构刀盘开口合理性论述标注为“1”或“0”。
单台盾构刀盘开口正投影二维几何特征集合为{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}。
单台盾构刀盘开口正投影二维几何特征集合中的缺失数据均以0占位。
一个样本中包含{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}和与{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}对应的单台盾构刀盘开口合理性论述标注，从同种地质条件下既有文献按照上述步骤提取样本集，样本集是样本的集合，利用支持向量机模型训练得到的非显式的粗分类模型。
粗分类模型的输入层为{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}，输入变量为Lc、θc、Lt、θt、E(Y)、D(Y)，输出层为根据输入层判定得到的单台盾构刀盘开口合理性论述标注直接预测值，从而实现根据开口几何参数隐式预测开口合理性。
步骤四粗分类模型统计模拟
在同种地质条件下，依次进行(1)分别计算样本集内各输入变量所服从的分布、(2)分别计算样本集内各输入变量的取值区间、(3)分别对各输入变量抽样生成点值、(4)构造模拟输入集合、(5)生成模拟样本，完成粗分类模型统计模拟。
(1)分别计算样本集内各输入变量所服从的分布：
对于单个输入变量，以等组距绘制其样本值的频率直方图，以该频率直方图横轴各小区间中点值为自变量、以各自变量所在小区间所对应的频率值为应变量构成频率样本，从概率密度函数池中选择对该频率样本拟合决定系数最高的概率密度函数作为该输入变量的分布，概率密度函数池包含均匀分布、正态分布、指数分布、t分布、伽玛分布、贝塔分布、F分布、韦伯分布，频率直方图的组距D满足式(M-m)/5≤D<n，M、m、n分别为同一输入变量对应样本值中的最大值、最小值、样本值个数。
(2)分别计算样本集内各输入变量的取值区间：
已知输入变量所服从的分布后，单个输入变量的取值区间为(0,φP],φP为该输入变量概率为P时对应的下分位数，0.6≤P＜1。
(3)分别对各输入变量抽样生成点值：
对于单个输入变量，在该输入变量对应的(0,φP]内按步长λ抽样得到点值，一对大小紧邻的点值之间的差值为步长，所有点值构成该输入变量模拟值集合，0<λ<φP/6。
不同输入变量各自对应的步长之间可不同。
(4)构造模拟输入集合：
对各输入变量模拟值集合中元素分别进行穷举，按照一个模拟输入集合由Lc的一个点值、θc的一个点值、Lt的一个点值、θt的一个点值、E(Y)的一个点值和D(Y)的一个点值作为元素所构成的方式，生成模拟输入集合。
各输入变量的任意一个点值不存在未参与构成模拟输入集合的情况。
(5)生成模拟样本：
对各输入变量模拟值集合进行穷举，将各模拟输入集合分别输入粗分类模型得到输出的模拟分类标注，按照一个模拟样本由一个模拟输入集合及其对应的模拟分类标注AEO'所构成的方式生成一个模拟样本。
步骤五粗分类模型显式刻画
对非显式的粗分类模型进行显式刻画，可得到显式表达的样本变量空间内分界函数，
分别对多边形开口设计参数、扇形区域中部开口设计参数、等腰三角形开口设计参数在控制变量条件下利用logisitic回归方法计算模拟分类标注AEO'和模拟输入集合中变量之间的单因素分类预测模型，采用非参数回归方法计算单因素分类预测模型中关键参数的预测模型即分界位置预测模型和分界走向预测模型，将单因素分类预测模型、分界位置预测模型和分界走向预测模型相结合得到分类器，将多边形开口设计参数试算值、扇形区域中部开口设计参数试算值、等腰三角形开口设计参数试算值分别输入分类器，可分别输出与多边形开口设计参数试算值、扇形区域中部开口设计参数试算值、等腰三角形开口设计参数试算值对应的刀盘开口合理性论述标注预测值。
以刀盘开口合理性论述标注预测值进行盾构刀盘开口选型。
如表2所示，根据本技术与技术背景中所列举的当前其他类型技术在因素选取代表性、参数设置合理性和运算显式化程度三个方面的对比结果，本技术在因素选取代表性、参数设置合理性和运算显式化程度三个方面同时具备较好表现。
表2技术效果对比表
实施例一
(1)
若单台盾构刀盘开口合理性论述为“盾构机进入全断面硅质岩层中，盾构掘进困难，结泥饼情况严重。整个刀盘中心区域结泥饼现象严重。”，其中的词字分值如表3所示，
表3倾向性词字分值表
分句1：“盾构机进入全断面硅质岩层中”，既不是正面分句也不是负面分句，
分句2：“盾构掘进困难”，即甲类负面分句1，则ccrw11＝-1×(1×1)＝-1，
分句3：“结泥饼情况严重”，即甲类负面分句2，则ccrw21＝-1×(1×1)×(2×1)＝-2，
分句4：“整个刀盘中心区域结泥饼现象严重”，即甲类负面分句3，则ccrw31＝-1×(1×1)×(2×1)＝-2，
在单台盾构刀盘开口合理性论述内，max(P)为0，min(R)为-2，T＝0+(-2)＝-2，T＜0，则该台盾构在单个盾构区间内的单台盾构刀盘开口合理性论述标注AEO为“0”。
(2)
若针对“TBM进入全断面钙质岩层中，排渣不顺畅。”，其中的词字分值如表4所示，
表4倾向性词字分值表
分句1：“TBM进入全断面钙质岩层中”，既不是正面分句也不是负面分句，
分句2：“排渣不顺畅”，即乙类负面分句，则该分句中的正面词的总得分＝1×(1×-1)＝-1。
实施例二
同种扇形区域中部开口，以圆周六等分扇形区域中部开口为例，Lc、θc如图1所示。
实施例三
同种等腰三角形开口，以圆周等夹角环向分布三个等腰三角形开口为例，Lt、θt如图2所示。
实施例四
同种多边形开口，以圆周环向分布八个多边形开口为例，如图3所示。
如图4，以图3中的单个多边形开口拓扑变换为αβ'γ'ζ'ω'/>为例，
定义以多边形底边端点α为端点的边线αβ为多边形侧边αβ。
定义以多边形底边端点/>为端点的边线/>为多边形侧边/>
定义边线端点均非多边形底边端点的边线βγ、γζ、ζω为多边形顶边。
定义多边形侧边αβ上不在x轴上的端点β为多边形侧边远端点β。
定义多边形侧边上不在x轴上的端点ω为多边形侧边远端点ω。
对单条多边形侧边αβ进行旋正，即以该条多边形侧边αβ在x轴上的端点α为圆心、以该条多边形侧边αβ为半径将该条多边形侧边αβ旋转至与x轴垂直，记此时该条多边形侧边远端点的位置β'为该条多边形侧边远端点变换后位置β'。
对单条多边形侧边进行旋正，即以该条多边形侧边/>在x轴上的端点/>为圆心、以该条多边形侧边/>为半径将该条多边形侧边/>旋转至与x轴垂直，记此时该条多边形侧边远端点的位置ω'为该条多边形侧边远端点变换后位置ω'。
对单条多边形顶边βγ进行单端点变换，即过单条多边形顶边单个端点γ作与该端点γ距离最近的单条多边形侧边αβ的平行线γcr1，记该平行线γcr1与x轴交点cr1为该端点γ的斜投影点，记该端点γ与该端点的斜投影点cr1之间距离为Δ，记与该端点γ的斜投影点cr1之间距离等于Δ且与该端点γ之间连线垂直于x轴的点γ'为该端点的单端点变换后位置γ'。
对单条多边形顶边γζ进行单端点变换，即过单条多边形顶边单个端点ζ作与该端点ζ距离最近的单条多边形侧边的平行线ζcr2，记该平行线ζcr2与x轴交点cr2为该端点的斜投影点，记该端点ζ与该端点的斜投影点cr2之间距离为Δ，记与该端点ζ的斜投影点cr2之间距离等于Δ且与该端点ζ之间连线垂直于x轴的点ζ'为该端点的单端点变换后位置ζ'。
将单个多边形开口的各多边形底边端点、各多边形侧边远端点变换后位置和各单端点变换后位置顺次以直线段相连得到单个多边形开口变换域αβ'γ'ζ'ω'。
定义单个多边形开口变换域αβ'γ'ζ'ω'内以各多边形侧边远端点变换后位置(β'、ω')和各单端点变换后位置(γ'、ζ')为端点的线段(β'γ'、γ'ζ'、ζ'ω')构成的折线β'γ'ζ'ω'为单个多边形开口变换域顶边。
实施例五
(1)多边形开口设计参数
在控制变量条件，即在Lc、θc、Lt、θt均为固定单值条件下，在以E(Y)、D(Y)、AEO'为变量的空间内，汇总各输入变量取值区间所对应的所有模拟样本，得到在Lc、θc、Lt、θt均为固定单值条件下的条件模拟样本组。
对于单个条件模拟样本组，在E(Y)为固定单值条件下，分别以D(Y)、AEO'为自变量、应变量并得到对应的自变量集合、应变量集合，如式(8)以logistic函数拟合从自变量集合到应变量集合的映射得到多边形开口分类预测模型，τm、ξm分别为多边形开口分类预测模型的形状系数、分界位置系数，AEO'*为AEO'的估计，
对于单个条件模拟样本组，分别以E(Y)、与E(Y)对应的分界位置系数为自变量、应变量并得到对应的自变量集合、应变量集合，以非参数回归方法拟合从自变量集合到应变量集合的映射，得到Lc、θc、Lt、θt均为固定单值条件下的多边形开口方差分界位置预测模型。
对于单个条件模拟样本组，分别以E(Y)、与E(Y)对应的形状系数为自变量、应变量并得到对应的自变量集合、应变量集合，以非参数回归方法拟合从自变量集合到应变量集合的映射，得到Lc、θc、Lt、θt均为固定单值条件下的多边形开口方差分界走向预测模型。
多边形开口方差分界位置预测模型与多边形开口方差分界走向预测模型联立，输入E(Y)和D(Y)的试算值，可得到形状系数和分界位置系数的预测值，进而代入式(8)得到多边形开口分类预测模型中AEO'的估计AEO'*；对于一组E(Y)和D(Y)的试算值，其对应的AEO'*若大于0.5则对应的刀盘开口合理性论述标注预测值为“1”，其对应的AEO'*若不大于0.5则对应的刀盘开口合理性论述标注预测值为“0”，从而实现显式计算下根据刀盘开口合理性论述标注预测值筛选对应的多边形开口设计参数。
(2)扇形区域中部开口设计参数
在控制变量条件，即在Lt、θt、E(Y)、D(Y)均为固定单值条件下，在以Lc、θc、AEO'为变量的空间内，汇总各输入变量取值区间所对应的所有模拟样本，得到在Lt、θt、E(Y)、D(Y)均为固定单值条件下的条件模拟样本组，
对于单个条件模拟样本组，在Lc为固定单值条件下，分别以θc、AEO'为自变量、应变量并得到对应的自变量集合、应变量集合，如式(9)以logistic函数拟合从自变量集合到应变量集合的映射得到扇形区域中部开口分类预测模型，τc、ξc分别为扇形区域中部开口分类预测模型的形状系数、分界位置系数，AEO'*为AEO'的估计，
对于单个条件模拟样本组，分别以Lc、与Lc对应的分界位置系数为自变量、应变量并得到对应的自变量集合、应变量集合，以非参数回归方法拟合从自变量集合到应变量集合的映射，得到Lt、θt、E(Y)、D(Y)均为固定单值条件下的扇形区域中部开口分界位置预测模型。
对于单个条件模拟样本组，分别以Lc、与Lc对应的形状系数为自变量、应变量并得到对应的自变量集合、应变量集合，以非参数回归方法拟合从自变量集合到应变量集合的映射，得到Lt、θt、E(Y)、D(Y)均为固定单值条件下的扇形区域中部开口分界走向预测模型。
扇形区域中部开口分界位置预测模型与扇形区域中部开口分界走向预测模型联立，输入Lc和θc的试算值，可得到形状系数和分界位置系数的预测值，进而代入式(9)得到扇形区域中部开口分类预测模型中AEO'的估计AEO'*；对于一组Lc和θc的试算值，其对应的AEO'*若大于0.5则对应的刀盘开口合理性论述标注预测值为“1”，其对应的AEO'*若不大于0.5则对应的刀盘开口合理性论述标注预测值为“0”，从而实现显式计算下根据刀盘开口合理性论述标注预测值筛选对应的扇形区域中部开口设计参数。
(3)等腰三角形开口设计参数
在控制变量条件，即在Lc、θc、E(Y)、D(Y)均为固定单值条件下，在以Lt、θt、AEO'为变量的空间内，汇总各输入变量取值区间所对应的所有模拟样本，得到在Lc、θc、E(Y)、D(Y)均为固定单值条件下的条件模拟样本组。
对于单个条件模拟样本组，在Lt为固定单值条件下，分别以θt、AEO'为自变量、应变量并得到对应的自变量集合、应变量集合，如式(10)以logistic函数拟合从自变量集合到应变量集合的映射得到等腰三角形开口分类预测模型，τt、ξt分别为等腰三角形开口分类预测模型的形状系数、分界位置系数，AEO'*为AEO'的估计，
对于单个条件模拟样本组，分别以Lt、与Lt对应的分界位置系数为自变量、应变量并得到对应的自变量集合、应变量集合，以非参数回归方法拟合从自变量集合到应变量集合的映射，得到Lc、θc、E(Y)、D(Y)均为固定单值条件下的等腰三角形开口分界位置预测模型。
对于单个条件模拟样本组，分别以Lt、与Lt对应的形状系数为自变量、应变量并得到对应的自变量集合、应变量集合，以非参数回归方法拟合从自变量集合到应变量集合的映射，得到Lc、θc、E(Y)、D(Y)均为固定单值条件下的等腰三角形开口分界走向预测模型。
等腰三角形开口分界位置预测模型与等腰三角形开口分界走向预测模型联立，输入Lt和θt的试算值，可得到形状系数和分界位置系数的预测值，进而代入式(10)得到等腰三角形开口分类预测模型中AEO'的估计AEO'*；对于一组Lt和θt的试算值，其对应的AEO'*若大于0.5则对应的刀盘开口合理性论述标注预测值为“1”，其对应的AEO'*若不大于0.5则对应的刀盘开口合理性论述标注预测值为“0”，从而实现显式计算下根据刀盘开口合理性论述标注预测值筛选对应的等腰三角形开口设计参数。
Claims (11)
1.基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于，包括如下步骤：
步骤一通过文本极性分析标注案例，并得到文本案例中刀盘开口合理性论述标注；
步骤二提取刀盘开口正投影二维几何特征；
步骤三训练粗分类模型；
步骤四粗分类模型统计模拟；
步骤五粗分类模型显式刻画。
2.根据权利要求1所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于，所述步骤一具体包括：
在单台盾构刀盘开口合理性论述中，按断句符对盾构刀盘开口合理性论述进行分句的划分；分别统计各台盾构刀盘开口合理性论述内各倾向性词字；并根据各倾向性词字对盾构刀盘开口合理性论述的分句进行归类，分别为：
甲类正面分句、乙类正面分句、甲类负面分句、乙类负面分句；
将甲类正面分句序列第i个甲类正面分句内的第j个正面词pwij的总得分记为：ccpwij，将甲类负面分句序列第a个甲类负面分句内的第b个负面词rwab的总得分记为：ccrwab，将乙类正面分句序列第a'个乙类正面分句内的第b'个负面词rwa'b'的总得分记为：ccrwa'b'，将乙类负面分句序列第δ个乙类负面分句内第个正面词/>的总得分记为：/>
在单台盾构刀盘开口合理性论述内，max(P)为所有ccpwij和所有ccrwa'b'中的最大值，min(R)为所有ccrwab和所有中的最小值，当ccpwij与ccrwa'b'均缺失时max(P)＝0，当ccrwab和/>均缺失时min(R)＝0，按式(5)计算单台盾构刀盘开口合理性倾向性总分T，若T≥0，则该台盾构在单个盾构区间内的单台盾构刀盘开口合理性论述标注AEO为“1”；若T＜0，则该台盾构在单个盾构区间内的单台盾构刀盘开口合理性论述标注AEO为“0”，
T＝max(P)+min(R) (5)。
3.根据权利要求1所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于，所述步骤二具体包括：以刀盘沿掘进轴线投影得到的刀盘正投影所在平面为参考平面，刀盘开口区域沿掘进轴线投影在刀盘正投影内得到刀盘开口正投影，刀盘开口正投影包含①扇形区域中部开口、②等腰三角形开口、③多边形开口；
同种扇形区域中部开口二维几何特征为开口的线段边界长度Lc和线段边界夹角θc，
同种等腰三角形开口二维几何特征为等腰三角形开口的腰的长度Lt和两腰夹角θt，
同种多边形开口中：对于单个多边形开口在参考平面内进行拓扑变换；
定义单个多边形开口变换域顶边高度变量Y及其取值y，在O-xy内求解单个多边形开口变换域顶边方程y＝f(x)，则Y的期望E(Y)和方差D(Y)分别如式(6)、式(7)所示，x1、x2分别为多边形底边端点中距离原点O最近、最远的端点的横坐标值，
同种多边形开口二维几何特征为E(Y)和D(Y)。
4.根据权利要求1所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于，所述步骤三具体包括：
在同种地质条件下，对各台盾构刀盘开口合理性论述分别建立单台盾构工效文献样本，同一台盾构在单个盾构区间内的单台盾构工效文献样本中包含单台盾构刀盘开口合理性论述标注和单台盾构刀盘开口正投影二维几何特征集合，
一个样本中包含{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}和与{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}对应的单台盾构刀盘开口合理性论述标注，从同种地质条件下既有文献按照上述步骤提取样本集，样本集是样本的集合，利用支持向量机模型训练得到非显式的粗分类模型，
粗分类模型的输入层为{{(Lc,θc)},{(Lt,θt)},{(E(Y),D(Y))}}，输入变量为Lc、θc、Lt、θt、E(Y)、D(Y)，输出层为根据输入层判定得到的单台盾构刀盘开口合理性论述标注直接预测值，从而实现根据开口几何参数隐式预测开口合理性。
5.根据权利要求1所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于，所述步骤四具体包括：
在同种地质条件下，依次进行(1)分别计算样本集内各输入变量所服从的分布、(2)分别计算样本集内各输入变量的取值区间、(3)分别对各输入变量抽样生成点值、(4)构造模拟输入集合、(5)生成模拟样本，完成粗分类模型统计模拟；
(1)分别计算样本集内各输入变量所服从的分布：
对于单个输入变量，以等组距绘制其样本值的频率直方图，以该频率直方图横轴各小区间中点值为自变量、以各自变量所在小区间所对应的频率值为应变量构成频率样本，从概率密度函数池中选择对该频率样本拟合决定系数最高的概率密度函数作为该输入变量的分布，概率密度函数池包含均匀分布、正态分布、指数分布、t分布、伽玛分布、贝塔分布、F分布、韦伯分布，频率直方图的组距D满足式(M-m)/5≤D<n，M、m、n分别为同一输入变量对应样本值中的最大值、最小值、样本值个数；
(2)分别计算样本集内各输入变量的取值区间：
已知输入变量所服从的分布后，单个输入变量的取值区间为(0,φP],φP为该输入变量概率为P时对应的下分位数，0.6≤P＜1，
(3)分别对各输入变量抽样生成点值：
对于单个输入变量，在该输入变量对应的(0,φP]内按步长λ抽样得到点值，一对大小紧邻的点值之间的差值为步长，所有点值构成该输入变量模拟值集合，0<λ<φP/6，
不同输入变量各自对应的步长之间可不同。
6.根据权利要求1所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于，所述步骤四还包括：
(4)构造模拟输入集合：
对各输入变量模拟值集合中元素分别进行穷举，按照一个模拟输入集合由Lc的一个点值、θc的一个点值、Lt的一个点值、θt的一个点值、E(Y)的一个点值和D(Y)的一个点值作为元素所构成的方式，生成模拟输入集合，
各输入变量的任意一个点值不存在未参与构成模拟输入集合的情况，
(5)生成模拟样本：
对各输入变量模拟值集合进行穷举，将各模拟输入集合分别输入粗分类模型得到输出的模拟分类标注，按照一个模拟样本由一个模拟输入集合及其对应的模拟分类标注AEO'所构成的方式生成一个模拟样本。
7.根据权利要求1所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于，所述步骤五具体包括：
分别对多边形开口设计参数、扇形区域中部开口设计参数、等腰三角形开口设计参数在控制变量条件下利用logisitic回归方法计算模拟分类标注AEO'和模拟输入集合中变量之间的单因素分类预测模型，采用非参数回归方法计算单因素分类预测模型中关键参数的预测模型即分界位置预测模型和分界走向预测模型，将单因素分类预测模型、分界位置预测模型和分界走向预测模型相结合得到分类器，将多边形开口设计参数试算值、扇形区域中部开口设计参数试算值、等腰三角形开口设计参数试算值分别输入分类器，可分别输出与多边形开口设计参数试算值、扇形区域中部开口设计参数试算值、等腰三角形开口设计参数试算值对应的刀盘开口合理性论述标注预测值；
以刀盘开口合理性论述标注预测值进行盾构刀盘开口选型。
8.根据权利要求3所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于，所述拓扑变换具体为：
定义多边形开口各边线中的最长边为多边形底边，以多边形底边为x轴在参考平面建立平面直角坐标系O-xy，
定义以多边形底边端点为端点的边线为多边形侧边，定义边线端点均非多边形底边端点的边线为多边形顶边，
定义多边形侧边上不在x轴上的端点为多边形侧边远端点，
对单条多边形侧边进行旋正，即以该条多边形侧边在x轴上的端点为圆心、以该条多边形侧边为半径将该条多边形侧边旋转至与x轴垂直，记此时该条多边形侧边远端点的位置为该条多边形侧边远端点变换后位置，
对单条多边形顶边进行单端点变换，即过单条多边形顶边单个端点作与该端点距离最近的单条多边形侧边的平行线，记该平行线与x轴交点为该端点的斜投影点，记该端点与该端点的斜投影点之间距离为Δ，记与该端点的斜投影点之间距离等于Δ且与该端点之间连线垂直于x轴的点为该端点的单端点变换后位置，
将单个多边形开口的各多边形底边端点、各多边形侧边远端点变换后位置和各单端点变换后位置顺次以直线段相连得到单个多边形开口变换域，
定义单个多边形开口变换域内以各多边形侧边远端点变换后位置和各单端点变换后位置为端点的线段构成的折线为单个多边形开口变换域顶边，
单个多边形开口在拓扑变换前后均位于O-xy的第一象限。
9.根据权利要求7所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于：所述多边形开口设计参数试算值对应的刀盘开口合理性论述标注预测值，记为AEO'*；计算公式见公式(8)：
τm、ξm分别为多边形开口分类预测模型的形状系数、分界位置系数，AEO'*为AEO'的估计，
10.根据权利要求7所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于：所述扇形区域中部开口设计参数试算值对应的刀盘开口合理性论述标注预测值，记为AEO'*；计算公式见公式(9)：
τc、ξc分别为扇形区域中部开口分类预测模型的形状系数、分界位置系数，AEO'*为AEO'的估计，
11.根据权利要求7所述的基于工程案例文本极性分析的盾构刀盘开口选型方法，其特征在于：所述等腰三角形开口设计参数试算值对应的刀盘开口合理性论述标注预测值,记为AEO'*；计算公式见公式(10)：
τt、ξt分别为等腰三角形开口分类预测模型的形状系数、分界位置系数，AEO'*为AEO'的估计，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311082599.3A CN117113573B (zh) | 2023-08-28 | 2023-08-28 | 基于工程案例文本极性分析的盾构刀盘开口选型方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311082599.3A CN117113573B (zh) | 2023-08-28 | 2023-08-28 | 基于工程案例文本极性分析的盾构刀盘开口选型方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117113573A true CN117113573A (zh) | 2023-11-24 |
| CN117113573B CN117113573B (zh) | 2024-04-05 |
Family
ID=88812370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311082599.3A Active CN117113573B (zh) | 2023-08-28 | 2023-08-28 | 基于工程案例文本极性分析的盾构刀盘开口选型方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117113573B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107248026A (zh) * | 2017-05-23 | 2017-10-13 | 南京工业大学 | 应用等效岩体基本质量指标预测盾构掘进参数的定量方法 |
| CN109117556A (zh) * | 2018-08-14 | 2019-01-01 | 中南大学 | 一种基于盾构刀盘刀具分区切削性能的盾构推进距离预测方法 |
| CN111946398A (zh) * | 2020-08-17 | 2020-11-17 | 南京工业大学 | 一种复合地层盾构掘进效率现场预测计算方法 |
| CN113947309A (zh) * | 2021-10-19 | 2022-01-18 | 广东工业大学 | 基于建造大数据的盾构隧道施工标准工时测算及评分方法 |
| US20230037193A1 (en) * | 2021-07-26 | 2023-02-02 | Dalian University Of Technology | Wind power output interval prediction method |
-
2023
- 2023-08-28 CN CN202311082599.3A patent/CN117113573B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107248026A (zh) * | 2017-05-23 | 2017-10-13 | 南京工业大学 | 应用等效岩体基本质量指标预测盾构掘进参数的定量方法 |
| CN109117556A (zh) * | 2018-08-14 | 2019-01-01 | 中南大学 | 一种基于盾构刀盘刀具分区切削性能的盾构推进距离预测方法 |
| CN111946398A (zh) * | 2020-08-17 | 2020-11-17 | 南京工业大学 | 一种复合地层盾构掘进效率现场预测计算方法 |
| US20230037193A1 (en) * | 2021-07-26 | 2023-02-02 | Dalian University Of Technology | Wind power output interval prediction method |
| CN113947309A (zh) * | 2021-10-19 | 2022-01-18 | 广东工业大学 | 基于建造大数据的盾构隧道施工标准工时测算及评分方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宋云;邓晓明;张立宇;: "盾构刀盘蒙特卡罗有限元分析", 工程机械, no. 01, 10 January 2009 (2009-01-10) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117113573B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Praveen et al. | Low cost PSO using metamodels and inexact pre-evaluation: Application to aerodynamic shape design | |
| CN101930483B (zh) | 应用参数化设计模型化简数字地图居民地多边形的方法 | |
| CN107545577B (zh) | 基于神经网络的沉积相图像分割方法 | |
| CN107341497A (zh) | 结合选择性升采样的不均衡数据流加权集成分类预测方法 | |
| Kumar et al. | Crime prediction using K-nearest neighboring algorithm | |
| CN108985380B (zh) | 一种基于聚类集成的转辙机故障识别方法 | |
| CN101697229B (zh) | 一种医学图像的感兴趣区域提取方法 | |
| CN104994056B (zh) | 一种电力信息网络中流量识别模型的动态更新方法 | |
| CN103489033A (zh) | 融合自组织映射与概率神经网络的增量式学习方法 | |
| CN106217128A (zh) | 基于大数据挖掘的变工况下刀具磨损状态预测方法 | |
| CN111639878B (zh) | 一种基于知识图谱构建的滑坡风险预测方法及系统 | |
| CN102842043B (zh) | 基于自动聚类的粒子群优化分类方法 | |
| Li et al. | A new method of identification of complex lithologies and reservoirs: task-driven data mining | |
| Zhu et al. | Performance Evaluation Indicator (PEI): A new paradigm to evaluate the competence of machine learning classifiers in predicting rockmass conditions | |
| CN105354208A (zh) | 一种大数据信息挖掘方法 | |
| CN112765415A (zh) | 基于关系内容联合嵌入卷积神经网络的链路预测方法 | |
| Zhong et al. | The big data processing algorithm for water environment monitoring of the three gorges reservoir area | |
| CN104634265A (zh) | 一种基于多元图像特征融合的矿物浮选泡沫层厚度软测量方法 | |
| Shi et al. | Adaptive detection of spatial point event outliers using multilevel constrained Delaunay triangulation | |
| Siminski | FuBiNFS–fuzzy biclustering neuro-fuzzy system | |
| CN117113573B (zh) | 基于工程案例文本极性分析的盾构刀盘开口选型方法 | |
| Wang et al. | Classification of ship trajectories by using naive Bayesian algorithm | |
| EP3118816A1 (en) | Computational modelling for engineering analysis | |
| CN110070109B (zh) | 一种适用于建筑排列密集区的地物散乱点自动聚类的方法 | |
| Sunahara et al. | Universal productivity patterns in research careers |
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 |