| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-11-12 14:50 GPR data processing methods based on extrem gradient boosting algorithm to detect the backfill grouting of shield tunnel Xiongyao Xie・○Li Zeng・Biao Zhou（Tongji Univ.）  SANE2021-59 |
|
| 抄録 | （和） | Shield tunnel method is currently the most important method for tunnel excavation in soft soil areas. With the construction and operation of a large number of tunnels in China, a certain degree of structural disease has appeared in the tunnels. How to control the settlements of tunnels and take corresponding measures to ensure the safety of operations has attracted great attention from design and operation management departments. In this chapter, FDTD numerical simulation of backfill grouting by GPR is performed. The GPR images of grouting layers with different thicknesses of 400MHz antenna and 900MHz antenna were simulated respectively, and the theory of integrated learning XGBoost is established. The XGBoost model was trained with numerical modeling data to obtain regression models of grouting layers of different thicknesses under 400 MHz and 900 MHz GPR, and the results showed that the GPR data could be classified and pattern recognized well under this circumstance. |
| （英） | Shield tunnel method is currently the most important method for tunnel excavation in soft soil areas. With the construction and operation of a large number of tunnels in China, a certain degree of structural disease has appeared in the tunnels. How to control the settlements of tunnels and take corresponding measures to ensure the safety of operations has attracted great attention from design and operation management departments. In this chapter, FDTD numerical simulation of backfill grouting by GPR is performed. The GPR images of grouting layers with different thicknesses of 400MHz antenna and 900MHz antenna were simulated respectively, and the theory of integrated learning XGBoost is established. The XGBoost model was trained with numerical modeling data to obtain regression models of grouting layers of different thicknesses under 400 MHz and 900 MHz GPR, and the results showed that the GPR data could be classified and pattern recognized well under this circumstance. | |
| キーワード | （和） | Metro / Shield tunnel construction / simultaneous grouting / GPR / None-destructive test / machine learning / XGBOOST(Extreme Gradient Boosting) / |
| （英） | Metro / Shield tunnel construction / simultaneous grouting / GPR / None-destructive test / machine learning / XGBOOST(Extreme Gradient Boosting) / | |
| 文献情報 | 信学技報, vol. 121, no. 236, SANE2021-59, pp. 144-148, 2021年11月. | |
| 資料番号 | SANE2021-59 | |
| 発行日 | 2021-11-04 (SANE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SANE2021-59 |
|
| 研究会情報 | |
| 研究会 | SANE |
| 開催期間 | 2021-11-11 - 2021-11-12 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ICSANE2021/地下電磁計測ワークショップ |
| テーマ（英） | ICSANE2021/Workshop on subsurface electromagnetic measurement |
| 講演論文情報の詳細 | |
| 申込み研究会 | SANE |
| 会議コード | 2021-11-SANE |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | GPR data processing methods based on extrem gradient boosting algorithm to detect the backfill grouting of shield tunnel |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Metro / Metro |
| キーワード(2)（和/英） | Shield tunnel construction / Shield tunnel construction |
| キーワード(3)（和/英） | simultaneous grouting / simultaneous grouting |
| キーワード(4)（和/英） | GPR / GPR |
| キーワード(5)（和/英） | None-destructive test / None-destructive test |
| キーワード(6)（和/英） | machine learning / machine learning |
| キーワード(7)（和/英） | XGBOOST(Extreme Gradient Boosting) / XGBOOST(Extreme Gradient Boosting) |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Xiongyao Xie / Xiongyao Xie / |
| 第1著者 所属（和/英） | Tongji University (略称： Tongji Univ.) Tongji University (略称： Tongji Univ.) |
| 第2著者 氏名（和/英/ヨミ） | Li Zeng / Li Zeng / |
| 第2著者 所属（和/英） | Tongji University (略称： Tongji Univ.) Tongji University (略称： Tongji Univ.) |
| 第3著者 氏名（和/英/ヨミ） | Biao Zhou / Biao Zhou / |
| 第3著者 所属（和/英） | Tongji University (略称： Tongji Univ.) Tongji University (略称： Tongji Univ.) |
| 講演者 | 第2著者 |
| 発表日時 | 2021-11-12 14:50:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SANE |
| 資料番号 | SANE2021-59 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.236 |
| ページ範囲 | pp.144-148 |
| ページ数 | 5 |
| 発行日 | 2021-11-04 (SANE) |
[研究会発表申込システムのトップページに戻る]