이수식 쉴드 TBM 굴진데이터와 기계학습 모델을 이용한 굴진속도 예측에 관한 연구
A Study on Prediction of Advance Rate using Slurry Shield TBM Machine Data and Machine Learning Techniques
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
TBM의 기계데이터는 굴진하고 있는 지반의 지질 특성 및 역학 특성, TBM 운전자의 운전특성에 복합적 으로 영향을 받으며, 현재 굴착 중인 지반조건에 더불어 전방 지반상태의 변화를 추정하여 작업자가 최 적 운전을 수행하는데 활용될 수 있다. 본 연구에서는 이수식 쉴드 TBM 터널 2개 현장에서 수집한 시공 데이터를 사용하여 지반데이터와 기계데이터로 만들어진 데이터세트와 기계데이터만으로 구성된 데이 터세트를 구성하였다. 만들어진 2종류의 데이터세트에 다양한 머신러닝 기반 회귀 알고리즘을 적용하 여 데이터세트 구성에 따른 굴진속도 예측에 대한 성능평가를 수행하였다. 그 결과, 서포트벡터머신을 제외한 4개 알고리즘을 이용한 학습결과에서 결정계수가 0.868이상으로 회귀모델의 유용성이 높음을 알 수 있었다. 또한 2종류의 데이터세트 구성에 대한 학습결과 차이는 미미했다. 마지막으로 학습 과정 에 사용되지 않은 데이터를 이용하여 굴진속도 예측을 위한 기계학습 모델의 일반화 성능을 살펴보았다.
Abstract
Machine data of TBMs are complexly influenced by the geological and mechanical properties of the ground being excavated and the driving characteristics of the TBM operator. The machine data can be used to estimate the changes in the ground conditions ahead of the excavation in addition to the current ground conditions and help the operator perform optimal operation. In this study, construction data collected from two sites of slurry shield TBM tunnels were used to create two datasets: one consisting of geotechnical and machine data and the other consisting of only machine data. Various machine learning-based regression algorithms were applied to the two types of datasets to evaluate the performance of the advance rate prediction according to the dataset composition. As a result, the coefficient of determination of the four algorithms except the support vector machine was more than 0.868, indicating the usefulness of the regression model. Also, the difference in the learning results for the two datasets was insignificant. Finally, we examined the generalization performance of the machine learning model for predicting the advance rate using data that was not used in the training process.
참고문헌 (5)
- Jeong, H., "Analysis of Advanced Rate and Downtime of a Shield TBM Encountering Mixed Ground and Fault Zone : A Case Study", Tunnel and Underground Space, 29(6), pp.394~406 (2019)
- Kang, T. H., "A Study on Prediction of EPB shield TBM Advance Rate using Machine Learning Technique and TBM Construction Information", Tunnel and Underground Space, 30(6), pp.540~550 (2020)
- Kang, T. H., "A study on the prediction of disc cutter wear using TBM data and machine learning algorithm", Tunnel and Underground Space, 32(6), pp.502~517 (2022)
- Kim, T. H., "A TBM data-based ground prediction using deep neural network", Journal of Korean Tunnelling and Underground Space Association, 23(1), pp.13~24 (2021)
- Mokhtari, S., "Predicting EPBM advance rate performance using support vector regression modeling", Tunnelling and Underground Space Technology, 104, pp.103520~ (2020)