論文の概要: Intelligent decision-making method of TBM operating parameters based on
multiple constraints and objective optimization
- arxiv url: http://arxiv.org/abs/2208.00404v1
- Date: Sun, 31 Jul 2022 09:23:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-02 14:18:06.485646
- Title: Intelligent decision-making method of TBM operating parameters based on
multiple constraints and objective optimization
- Title（参考訳）: 複数制約と客観的最適化に基づくtbm動作パラメータのインテリジェント決定法
- Authors: Bin Liu, Jiwen Wang, Ruirui Wang, Yaxu Wang, Guangzu Zhao
- Abstract要約: TBMの動作パラメータの決定は、TBMの安全かつ効率的な構成において重要な指針となる。
本稿では,機械学習手法にロックブレーキングルールを導入し,物理ルールとデータマイニングを併用したロックマシンマッピングを高精度に構築する。
- 参考スコア（独自算出の注目度）: 3.520158857810862
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The decision-making of TBM operating parameters has an important guiding
significance for TBM safe and efficient construction, and it has been one of
the research hotpots in the field of TBM tunneling. For this purpose, this
paper introduces rock-breaking rules into machine learning method, and a
rock-machine mapping dual-driven by physical-rule and data-mining is
established with high accuracy. This dual-driven mappings are subsequently used
as objective function and constraints to build a decision-making method for TBM
operating parameters. By searching the revolution per minute and penetration
corresponding to the extremum of the objective function subject to the
constraints, the optimal operating parameters can be obtained. This method is
verified in the field of the Second Water Source Channel of Hangzhou, China,
resulting in the average penetration rate increased by 11.3%, and the total
cost decreased by 10.0%, which proves the practicability and effectiveness of
the developed decision-making model.
- Abstract（参考訳）: TBMの運用パラメータの決定は、TBMの安全かつ効率的な構築にとって重要な指針であり、TBMトンネル分野における研究ホットスポットの1つである。
そこで本研究では,岩盤破砕ルールを機械学習に導入し,物理ルールとデータマイニングによる岩盤機械マッピングを高精度に確立する。
この双対駆動マッピングは、TBM操作パラメータの決定方法を構築するために、目的関数や制約として使用される。
制約を受ける対象関数の極端に対応する1分あたりの回転と浸透を探索することにより、最適な操作パラメータを得ることができる。
本手法は,中国広州省第2水源水路の現場で検証され,平均浸透率は11.3%増加し,総コストは10.0%減少し,意思決定モデルの実用性と有効性が証明された。
関連論文リスト
- Unleashing the Power of Task-Specific Directions in Parameter Efficient Fine-tuning [65.31677646659895]
本稿では,タスク固有の方向性 (TSD) の概念に着目し,大規模モデルを事前学習状態からPEFTにおけるタスク固有の拡張へ移行させる。
本稿では,微調整過程におけるTSDの影響を最大化し,目標タスクにおけるモデル性能を向上させることを目的とした新しいアプローチであるLoRA-Dashを紹介する。
論文 参考訳（メタデータ） (2024-09-02T08:10:51Z) - Step-by-Step Unmasking for Parameter-Efficient Fine-tuning of Large Language Models [18.877891285367216]
パラメータ効率細調整(PEFT)のクラスは、モデルのパラメータのごく一部だけを選択的に微調整することで、計算上の課題を軽減することを目的としている。
我々はパラメータの重要度を連続的に計算し,パラメータを動的にアンマスクする新しいPEFT法である$textID3$を紹介した。
解析的に、$textID3$は勾配更新数を2倍に減らし、計算効率が向上することを示した。
論文 参考訳（メタデータ） (2024-08-26T17:58:53Z) - Making Large Language Models Better Planners with Reasoning-Decision Alignment [70.5381163219608]
マルチモーダリティ強化LLMに基づくエンドツーエンド意思決定モデルを提案する。
ペア化されたCoTと計画結果との推論・決定アライメントの制約を提案する。
提案する大規模言語プランナをRDA-Driverとして推論・決定アライメントする。
論文 参考訳（メタデータ） (2024-08-25T16:43:47Z) - Advancing Thermodynamic Group-Contribution Methods by Machine Learning: UNIFAC 2.0 [16.003484735462706]
我々はこの新しい手法を用いて、最も成功したGC法であるUNIFACに対して、ペア-相互作用パラメータの完全なセットを予測する。
結果として得られた新しい手法UNIFAC 2.0は224,000以上の実験データポイントで訓練され、検証されている。
論文 参考訳（メタデータ） (2024-07-25T13:04:58Z) - End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Optimizing $CO_{2}$ Capture in Pressure Swing Adsorption Units: A Deep
Neural Network Approach with Optimality Evaluation and Operating Maps for
Decision-Making [0.0]
本研究は,二酸化炭素捕捉用加圧湿式吸着ユニットの高機能化に焦点をあてる。
2つのディープニューラルネットワーク(DNN)モデルからなるマルチインプット・シングルアウトプット(MISO)フレームワークを開発し,実装した。
このアプローチは、実行可能な運用領域(FOR)を明確にし、最適な意思決定シナリオのスペクトルを強調した。
論文 参考訳（メタデータ） (2023-12-06T19:43:37Z) - Multi-Objective Population Based Training [62.997667081978825]
Population Based Training (PBT) は効率的なハイパーパラメータ最適化アルゴリズムである。
本研究ではPBTの多目的版であるMO-PBTを紹介する。
論文 参考訳（メタデータ） (2023-06-02T10:54:24Z) - Reinforcement Learning with a Terminator [80.34572413850186]
我々は, TerMDP のパラメータを学習し, 推定問題の構造を活用し, 状態ワイドな信頼境界を提供する。
我々はこれらを用いて証明可能な効率のよいアルゴリズムを構築し、終端を考慮し、その後悔を抑える。
論文 参考訳（メタデータ） (2022-05-30T18:40:28Z) - Real-time Forecast Models for TBM Load Parameters Based on Machine
Learning Methods [6.247628933072029]
本論文では, TBM運用データに基づいて機械学習(ML)手法を用いて, TBM負荷パラメータのリアルタイム予測モデルを構築する。
モデル複雑性を低減し、一般化を改善するため、予測タスクの本質的特徴を抽出するために、最小絶対縮小および選択法(Lasso)を適用した。
論文 参考訳（メタデータ） (2021-04-12T07:31:39Z) - Decision Support System for an Intelligent Operator of Utility Tunnel
Boring Machines [2.0932879442844476]
トンネル掘削機(TBM)オペレーターは、安全上の妥協なしに高速な前進率を目指している。
tbmセンサの測定に基づく最適制御パラメータの探索は、未解決の研究課題である。
本稿では,3段階の知的意思決定支援システムを提案する。
論文 参考訳（メタデータ） (2021-01-07T10:09:55Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。