首页--工业技术论文--建筑科学论文--地下建筑论文--地下建筑施工、施工机械与设备论文

基于机器学习的盾构姿态调整决策方法研究

摘要第1-5页
Abstract第5-10页
1 绪论第10-30页
   ·研究背景和意义第10-12页
   ·盾构机类型与组成第12-13页
     ·盾构机类型第12-13页
     ·盾构机的组成第13页
   ·盾构姿态调整技术及发展现状第13-24页
     ·盾构姿态调整技术第13-18页
     ·盾构姿态调整技术发展现状第18-24页
   ·机器学习理论原理及研究现状第24-28页
   ·本文课题研究内容第28-30页
     ·面临的问题第28页
     ·论文研究内容第28-30页
2 支持向量机基础第30-36页
   ·支持向量机原理第30-33页
   ·支持向量机研究现状第33-35页
     ·支持向量机基础理论的研究现状第33-34页
     ·支持向量机学习算法的研究现状第34页
     ·支持向量机的应用研究现状第34-35页
   ·小结第35-36页
3 盾构姿态调整样本集的构建方法第36-56页
   ·构建样本集的流程第36-39页
   ·盾构姿态调整样本特征形成第39-48页
     ·盾构姿态力学模型坐标系第40-41页
     ·盾构头部受力第41-43页
     ·千斤顶推力第43页
     ·盾构壳体所受周围土体作用力第43-48页
     ·盾构自重和盾尾受力第48页
   ·盾构姿态调整样本特征的确定第48-51页
   ·样本类别归属的确定第51-52页
   ·样本数量的确定第52-55页
   ·小结第55-56页
4 基于样本类属性的支持向量机类惩罚系数权重调整方法第56-67页
   ·不平衡支持向量机的研究现状第56-57页
   ·类惩罚系数权重支持向量机第57-58页
   ·样本类属性差异对分类精度的影响第58-62页
     ·分类精度的评价标准第58-59页
     ·样本数量差异对支持向量机分类精度的影响第59-61页
     ·样本分散程度对支持向量机分类精度的影响第61页
     ·样本类中心距分类平面距离差异对分类精度的影响第61-62页
   ·基于样本类属性的惩罚系数权重支持向量机方法第62-66页
     ·样本在特征空间内分散程度的度量第62-63页
     ·特征空间中样本类中心距分类平面距离的计算第63页
     ·类惩罚系数权重的确定第63-64页
     ·算法步骤第64页
     ·实验验证第64-66页
   ·小结第66-67页
5 核心子集近似高斯核支持向量数据描述快速算法第67-82页
   ·一分类问题简述第67-71页
   ·支持向量数据描述方法第71-74页
     ·支持向量数据描述原理第71-73页
     ·一分类算法评价标准第73-74页
   ·核心子集近似高斯核SVDD算法第74-81页
     ·快速分类器训练方法第74-80页
     ·待分类样本类别快速判断方法第80-81页
   ·盾构姿态调整决策函数第81页
   ·小结第81-82页
6 盾构姿态调整及推进分层强化学习算法第82-91页
   ·强化学习第82-84页
   ·分层强化学习第84-85页
   ·盾构问题分层强化学习建模第85-88页
     ·盾构姿态调整及推进问题强化学习要素设计第85-87页
     ·盾构问题的任务图第87页
     ·盾构姿态调整及推进分层强化学习算法MAX-QS第87-88页
   ·实验分析第88-90页
   ·小结第90-91页
7 盾构姿态调整决策系统设计第91-100页
   ·LABVIEW与MATLAB混合编程方法第91-92页
   ·盾构姿态调整决策系统设计框架第92-94页
   ·盾构姿态调整决策系统功能模块功能实现第94-99页
     ·通讯模块功能实现第94-96页
     ·分类器设计模块功能实现第96-98页
     ·分类决策模块功能实现第98页
     ·盾构姿态样本库功能实现第98-99页
   ·小结第99-100页
8 结论与展望第100-102页
   ·结论第100-101页
   ·展望第101-102页
参考文献第102-112页
附录A 盾构姿态调整样本集部分数据第112-118页
论文创新点第118-119页
攻读博士学位期间发表学术论文情况第119-120页
致谢第120-121页
作者简介第121-122页

论文共122页,点击 下载论文
上一篇:冰浆的管道输送热流动特性
下一篇:配筋砌块砌体柱抗压性能的试验与理论研究