前辅文
 第1章 绪论
  1.1 概述
  1.2 隧道掘进机发展历程
  1.3 隧道掘进机大数据来源与构成
  1.4 隧道掘进机大数据理论与实践研究现状
   1.4.1 隧道掘进机大数据时空特征提取
   1.4.2 隧道掘进机大数据运行参数预测
   1.4.3 隧道掘进机大数据施工地质预测
  1.5 本书主要内容
  1.6 本章小结
  参考文献
 第一篇 隧道掘进机运行数据空间特征提取
  第2章 强相关属性引导的运行数据聚类
   2.1 基础知识
    2.1.1 数据聚类概述
    2.1.2 模糊c均值算法
    2.1.3 聚类评价指标
   2.2 强相关属性引导的模糊c均值算法
    2.2.1 聚类目标函数构建
    2.2.2 聚类目标函数优化策略
    2.2.3 算法分析
    2.2.4 数值算例测试，
   2.3 隧道掘进机运行数据聚类实验
    2.3.1 数据来源与工程背景
    2.3.2 有标注地质工况的运行数据聚类实验
    2.3.3 无标注地质工况的运行数据聚类实验
   2.4 本章小结
   参考文献
  第3章 基于多项式回归的运行数据聚类
   3.1 基于多项式回归的数据聚类算法
   3.2 数值实验与算法分析
    3.2.1 多项式阶数的影响
    3.2.2 变量数和样本数的影响
   3.3 隧道掘进机运行数据的聚类分析
   3.4 本章小结
   参考文献
  第4章 基于支持向量回归的运行数据聚类
   4.1 基于支持向量回归的模糊聚类算法
    4.1.1 聚类目标函数构建
    4.1.2 聚类目标函数优化策略
    4.1.3 支持向量回归
    4.1.4 数值算例测试
   4.2 RFCM聚类模型辅助的数据建模方法
    4.2.1 方法框架
    4.2.2 数值算例测试
   4.3 隧道掘进机掘进速度预测实验
    4.3.1 训练数据聚类与建模
    4.3.2 测试数据与预测结果
   4.4 本章小结
   参考文献
 第二篇 隧道掘进机运行数据时序特征提取
  第5章 基于滑动窗口的异常时序数据检测
   5.1 常见时间序列的异常值检测方法
   5.2 基于滑动窗口的异常时序数据检测
    5.2.1 滑动窗口时间序列分割
    5.2.2 子序列特征提取与异常值检测
    5.2.3 异常值检测算法步骤
   5.3 实验验证与分析
    5.3.1 数值算例测试
    5.3.2 掘进速度异常检测
   5.4 本章小结
   参考文献
  第6章 基于动态因子的多元时间序列分割
   6.1 时间序列分割与动态因子模型
   6.2 因子估计方法
    6.2.1 最大似然和卡尔曼滤波因子参数估计
    6.2.2 非参数方法因子参数估计
    6.2.3 贝叶斯因子参数估计
   6.3 多元时间序列片段聚类分析
    6.3.1 仿真多元数据片段聚类分析
    6.3.2 隧道掘进机多元数据片段聚类分析
   6.4 本章小结
   参考文献
  第7章 基于动态规划的时间序列分割
   7.1 基于异常值检测的多元时间序列分割算法
    7.1.1 基于残差的异常值检测算法
    7.1.2 变尺度动态规划优化算法
   7.2 隧道掘进机多元时间序列分割
    7.2.1 SDP-RLR 算法的分割结果
    7.2.2 SDP-RLR算法的消融实验
    7.2.3 与其他时间序列分割算法的对比
    7.2.4 与先清洗后分割时序处理方法的对比
   7.3 本章小结
   参考文献
  第8章 强相关属性引导的时间序列分割
   8.1 常见时序分割算法
    8.1.1 符号及问题表述
    8.1.2 Gath-Geva时序分割算法
   8.2 数据属性相关引导的时序分割算法
   8.3 隧道掘进机实测时间序列分割
    8.3.1 时序分割分段数确定方法
    8.3.2 刀盘推力恒定模式下运行数据分割实验
   8.4 本章小结
   参考文献
  第9章 基于相似性度量的时间序列聚类
   9.1 时间序列相似性度量
    9.1.1 基于相似系数的相似性度量
    9.1.2 基于特征的相似性度量
    9.1.3 基于距离的相似性度量
   9.2 时间序列聚类算法
   9.3 数值实验
    9.3.1 标准时间序列数据集聚类分析
    9.3.2 隧道掘进机时间序列数据聚类分析
   9.4 本章小结
   参考文献
 第三篇 隧道掘进机关键运行参数预测
  第10章 实测-机理联合驱动的载荷预测
   10.1 代理模型
    10.1.1 克里金法
    10.1.2 径向基丽数法
   10.2 多保真度代理模型
    10.2.1 多保真度代理模型概述
    10.2.2 基于克里金法的多保真度代理模型
    10.2.3 基于径向基函数的多保真度代理模型
   10.3 基于支持向量回归的多保真度代理模型
    10.3.1 方法构造
    10.3.2 数值算例测试
   10.4 隧道掘进机掘进速度预测
    10.4.1 运行数据与仿真数据
    10.4.2 掘进速度预测结果及分析
   10.5 本章小结
   参考文献
  第11章 基于深度学习的运行参数实时预测
   11.1 非深度模型
    11.1.1 支持向量机与支持向量回归
    11.1.2 决策树
    11.1.3 前馈神经网络
   11.2 深度模型
    11.2.1 传统循环神经网络
    11.2.2 长短时记忆网络
    11.2.3 门控循环单元网络
   11.3 最少绝对收缩和选择算子模型
   11.4 基于循环神经网络的TBM运行参数实时预测
   11.5 数值实验
    11.5.1 数据描述和预处理
    11.5.2 预测模型的设置
    11.5.3 实验结果及分析
   11.6 本章小结
   参考文献
  第12章 基于多源不等容数据的载荷预测
   12.1 不等容数据建模方法
    12.1.1 不等容数据建模问题概述
    12.1.2 定性-定量变量耦合建模方法
   12.2 基于支持向量回归的不等容数据建模方法，
    12.2.1 方法构造
    12.2.2 数值算例测试
   12.3 隧道掘进机掘进速度预测
    12.3.1 地质实测多类型数据融合方法
    12.3.2 掘进速度预测结果
   12.4 运行参数与地质参数对掘进速度的影响及敏感度分析
    12.4.1 Sobol指数法
    12.4.2 输入参数取值范围及采样方法
    12.4.3 敏感度分析结果
   12.5 本章小结
   参考文献
  第13章 定性-定量数据融合的载荷预测
   13.1 定性-定量因子支持向量回归
    13.1.1 定性-定量因子核函数映射
    13.1.2 参数寻优
    13.1.3 算法建立过程
   13.2 地质数据采样与分析
   13.3 克里金插值法
   13.4 掘进断面地质数据构建与编码
   13.5 隧道掘进机运行-地质数据混合建模
   13.6 本章小结
   参考文献
 第四篇 隧道掘进机施工地质预测
  第14章 机理驱动的神经网络地质预测
   14.1 ANN与隧道掘进工程地质预测
   14.2 数据采集与预处理
    14.2.1 数据采集
    14.2.2 数据预处理
   14.3 实验结果与分析
   14.4 本章小结
   参考文献
  第15章 基于生成对抗网络的地质预测
   15.1 生成对抗网络与隧道掘进工程地质预测
    15.1.1 GAN-GP模型的生成器
    15.1.2 GAN-GP模型的判别器
    15.1.3 GAN-GP模型的对抗训练策略
   15.2 数据描述与预处理
    15.2.1 数据描述
    15.2.2 数据预处理
   15.3 实验设置与结果分析
    15.3.1 实验设置
    15.3.2 实验结果及讨论
   15.4 本章小结
   参考文献
 附录A 隧道掘进机运行实测参数
 附录B 岩土物理力学指标
 索引
 插图