基于VMD-DBO-Stacking集成学习的盾构掘进速度预测模型

邓子昂; 张玉贤; 张继勋

doi:10.20040/j.cnki.1000-7709.2025.20242243

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于VMD-DBO-Stacking集成学习的盾构掘进速度预测模型

更新时间：2026-02-25

- 基于VMD-DBO-Stacking集成学习的盾构掘进速度预测模型
- Issue 9, Pages: 101-105(2025)
- 作者机构：
  
  河海大学水利水电学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20242243
  CLC： TV554
- Published：2025
- 稿件说明：
移动端阅览
邓子昂, 张玉贤, 张继勋. 基于VMD-DBO-Stacking集成学习的盾构掘进速度预测模型[J]. 2025, (9): 101-105.
DOI：

邓子昂, 张玉贤, 张继勋. 基于VMD-DBO-Stacking集成学习的盾构掘进速度预测模型[J]. 2025, (9): 101-105. DOI： 10.20040/j.cnki.1000-7709.2025.20242243.

摘要

针对现有盾构掘进速度预测方法存在的模型算法单一、精度不高和泛化性较差等问题，为了提高盾构掘进速度预测精度，建立一种基于变分模态分解(VMD)、蜣螂优化算法(DBO)和Stacking(VMD-DBO-Stacking)集成学习的盾构掘进速度预测模型。首先，为了得到更有效的数据，采用VMD对原始数据进行分解重构得到去噪后的施工参数数据用于后续模型预测；其次，基于集成学习策略，选取支持向量回归(SVR)模型、随机森林(RF)模型、极端梯度提升(XGBoost)模型作为基学习器，高斯过程回归(GPR)模型作为元学习器，从而构建预测精度更高、泛化性更强的Stacking集成学习预测模型；然后，为了进一步提高预测精度，采用DBO对集成学习模型进行超参数优化；最后，将此预测模型用于河南某引水隧洞工程盾构施工中并与其他预测模型进行对比。结果表明，与其他单一模型(SVR、RF、XGBoost)相比，所建模型具有更高的预测精度，平均精度分别提升7.76%、6.70%、4.97%

为盾构掘进速度预测提供一种新思路。

Abstract

关键词

Keywords

references

张哲铭,李晓瑜,姬建.基于LS-SVM的TBM掘进参数预测模型[J].河海大学学报(自然科学版),2021(04).

仉文岗,唐理斌,陈福勇,杨甲锋.基于4种超参数优化算法及随机森林模型预测TBM掘进速度[J].应用基础与工程科学学报,2021(05).

赵光祖,王亚旭,李尧,徐受天,陈帅.基于优化BP神经网络的TBM性能预测[J].河南理工大学学报(自然科学版),2020(05).

江星星,宋秋昱,杜贵府,黄伟国,朱忠奎.变分模式分解方法研究与应用综述[J].仪器仪表学报,2023(01).

李强,李子阳,许林军,王彦领.引水隧洞盾构法施工风险源辨识与分析[J].人民黄河,2023(04).

杜庆峰,张双俐,张晨曦,李旭辉,肖永生,李晓军,赵思成,付艳斌.基于均值滤波去噪和XGBoost算法的泥水平衡盾构掘进速度预测方法[J].现代隧道技术,2022(06).

李晨阳,郑东健.基于多层次数据处理的NGO-XGBoost大坝变形预测模型及其应用[J].水电能源科学,2023(11).

祝玉珊,王晓玲,崔博,陈文龙,轩昕祺,余红玲.坝基灌浆量预测ISSA-Stacking集成学习代理模型研究[J].天津大学学报(自然科学与工程技术版),2024(02).

杨爽,薛晔.基于GGRA-GPR模型的洪涝灾害直接经济损失预评估[J].水电能源科学,2023(10).

裴浩东,叶社保,杨平,吴永哲.软土地层盾构掘进参数分析及掘进速度预测[J].郑州大学学报(工学版),2024(01).

杨辉斌,郑德仁,王贺龙,温进化,苏龙强,李进兴.基于GA-SVR的管网异常漏损检测[J].水电能源科学,2024(03).

彭继慎,郝茗,宋立业,李希桐.基于TSSA-SVR算法的TBM掘进速度预测[J].辽宁工程技术大学学报(自然科学版),2023(05).

娄革伟,郑永煌,陈均,谌廷政,索相波,刘旭亮.混合多策略改进的蜣螂优化算法[J].计算机工程与应用,2024(24).

柏晓鹏,南瑞川,杜甫,闫晓惠,张婷婷.基于随机森林的地下水溶质运移替代模型研究[J].水电能源科学,2024(11).

张建明,侍克斌,贾运甫,任志强,巴合特别克·达拉依汗,刘昭.基于VMD与加权RF的TBM掘进速度预测SHAP解释模型[J].隧道建设(中英文),2024(05).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于VMD-SSA-K-means-iForest的重力坝监测数据异常模式混合识别算法研究

基于VMD的供水管道漏损检测研究

基于GHOA-VMD-GRU和CNN区间建模的长江上游干流日含沙量预测研究

融合DBO和Transformer变体模型的日径流预报模型研究

基于VMD-AOA-BiLSTM的大坝变形预测模型

Related Author

郭瑞

徐量

王福生

李涵曼

李铁

管涌康

何立新

张峥

Related Institution

南京水利科学研究院水利部大坝安全管理中心

南京水利科学研究院水灾害防御全国重点实验室

淮安市水利勘测设计研究院有限公司

河北工程大学水利水电学院

河北省智慧水利重点实验室

AI问答

⁰