Page 26 - 2023年第54卷第10期

［２２］ 蔡杰．基于 ＭＬＰ － ＡＲＸ模型盾构自动掘进技术研究与应用 ［Ｊ］．隧道建设，２０２２，４２（１０）：１７９７ － １８０３．
［２３］ ＩＳＡＢＯＮＡＪ，ＩＭＯＩＺＥＡＬ，ＯＪＯＳ，ｅｔａｌ．Ｄｅｖｅｌｏｐｍｅｎｔｏｆａｍｕｌｔｉｌａｙｅｒｐｅｒｃｅｐｔｒｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒｏｐｔｉｍａｌｐｒｅｄｉｃ
ｔｉｖｅｍｏｄｅｌｉｎｇｉｎｕｒｂａｎｍｉｃｒｏｃｅｌｌｕｌａｒｒａｄｉｏｅｎｖｉｒｏｎｍｅｎｔｓ［Ｊ］．ＡｐｐｌｉｅｄＳｃｉｅｎｃｅｓ － Ｂａｓｅｌ，２０２２，１２（１１）：５７１３．
［２４］ ＺＨＡＮＧＹ，ＣＨＥＮＧＰ，ＭＡＬＩＫＯＰ，ｅｔａｌ．Ａｎａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｂａｓｅｄａｄａｐｔｉｖｅｐｏｗｅｒ － ｓｙｓｔｅｍ ｓｔａｂｉｌｉｚｅｒ
［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＥｎｅｒｇｙＣｏｎｖｅｒｓｉｏｎ，１９９３，８（１）：７１ － ７７．
［２５］ 王雨虹，王淑月，王志中，等．基于改进蝗虫算法优化长短时记忆神经网络的多参数瓦斯浓度预测模型研
究［Ｊ］．传感技术学报，２１２１，３４（９）：１１９６ － １２３０．
［２６］ ＬＵＯＪ，ＣＨＥＮＨ Ｌ，ＺＨＡＮＧＱ，ｅｔａｌ．Ａｎｉｍｐｒｏｖｅｄｇｒａｓｓｈｏｐｐｅｒｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｗｉｔｈａｐｐｌｉｃａｔｉｏｎｔｏｆｉｎａｎ
ｃｉａｌｓｔｒｅｓｓｐｒｅｄｉｃｔｉｏｎ［Ｊ］．ＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃａｌＭｏｄｅｌｌｉｎｇ，２０１８，６４：６５４ － ６６８．

ＩＧＯＡ － ＭＬＰｄｙｎａｍｉｃｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｆｏｒｓｉｍｕｌａｔｉｏｎｐａｒａｍｅｔｅｒｓｏｆｈｉｇｈｃｏｒｅ
ｒｏｃｋｆｉｌｌｄａｍ ｃｏｎｓｔｒｕｃｔｉｏｎｕｎｄｅｒｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇｆｒａｍｅｗｏｒｋ

１
１
１
１
２
ＬＦｅｉ，ＺＨＯＮＧＤｅｎｇｈｕａ，ＹＵＪｉａ，ＺＨＡＮＧＪｕｎ，ＺＨＡＮＧＹｕｎｕｏ
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｉｍｕｌａｔｉｏｎａｎｄＳａｆｅｔｙ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ ３０００７２，Ｃｈｉｎａ；
２．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００８３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｏｒｃｏｎｓｔｒｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎｏｆｈｉｇｈｃｏｒｅｒｏｃｋｆｉｌｌｄａｍ，ｔｈｅｐａｒａｍｅｔｅｒｓａｒｅｔｈｅｋｅｙｔｏｅｎｓｕｒｉｎｇｉｔｓａｃｃｕｒａ
ｃｙ．Ｈｏｗｅｖｅｒ，ｅｘｉｓｔｉｎｇｐａｒａｍｅｔｅｒｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｓｕｓｅｄｈｉｓｔｏｒｉｃａｌｄａｔａａｎｄｉｇｎｏｒｅｔｈｅｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｔｈｅ
ｃｏｎｓｔｒｕｃｔｉｏｎｐｒｏｃｅｓｓｅｓｏｆｄｉｆｆｅｒｅｎｔｌａｙｅｒｓ ，ａｎｄｔｈｅｒｅｉｓｏｆｔｅｎｉｎｓｕｆｆｉｃｉｅｎｔｏｒｍｉｓｓｉｎｇｄａｔａａｔｔｈｅｂｅｇｉｎｎｉｎｇｏｆａｎｅｗ
ｌａｙｅｒ．Ｉｎａｄｄｉｔｉｏｎ ，ｔｈｅｐａｒａｍｅｔｅｒｓａｒｅａｆｆｅｃｔｅｄｂｙｍａｎｙｆａｃｔｏｒｓｓｕｃｈａｓｍｅｔｅｏｒｏｌｏｇｉｃａｌｃｏｎｄｉｔｉｏｎｓａｎｄｏｐｅｒａｔｉｎｇ
ｓｔａｔｅｏｆｔｈｅｍａｃｈｉｎｅ．Ｔｏｓｏｌｖｅｔｈｅａｂｏｖｅｐｒｏｂｌｅｍｓ ，ｔｈｉｓｐａｐｅｒｔａｋｅｓａｄｖａｎｔａｇｅｏｆｔｈｅｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ’ ｓｃａｐａｂｉｌｉｔｙ
ｏｆｍｏｄｅｌｉｎｇｗｉｔｈｓｍａｌｌｓａｍｐｌｅｓｔｈｒｏｕｇｈｋｎｏｗｌｅｄｇｅｔｒａｎｓｆｅｒａｎｄｃｏｎｓｉｄｅｒｓｔｈｅｑｕａｎｔｉｔａｔｉｖｅｉｎｆｌｕｅｎｃｅｏｆｖａｒｉｏｕｓｆａｃ
ｔｏｒｓ．Ａｎｉｍｐｒｏｖｅｄｍｕｌｔｉ － ｌａｙｅｒｐｅｒｃｅｐｔｒｏｎｄｙｎａｍｉｃｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ （ＩＧＯＡ － ＭＬＰ）ｉｓｐｒｏｐｏｓｅｄｆｏｒｃｏｎｓｔｒｕｃｔｉｏｎ
ｓｉｍｕｌａｔｉｏｎｐａｒａｍｅｔｅｒｓｏｆｈｉｇｈｃｏｒｅｒｏｃｋｆｉｌｌｄａｍｕｎｄｅｒｔｈｅｆｒａｍｅｗｏｒｋｏｆｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ．Ｆｉｒｓｔｌｙ ，ｔｈｅＩＧＯＡ － ＭＬＰ
ｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｉｓｅｓｔａｂｌｉｓｈｅｄｔｈａｔｃｏｎｓｉｄｅｒｉｎｇｔｈｅｉｎｆｌｕｅｎｃｅｏｆｍｕｌｔｉｐｌｅｆａｃｔｏｒｓ．Ｔｈｅｇｒａｓｓｈｏｐｐｅｒｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏ
ｒｉｔｈｍｉｓｉｍｐｒｏｖｅｄ （ＩＧＯＡ）ｂｙｎｏｎｌｉｎｅａｒｒｅｄｕｃｔｉｏｎｆａｃｔｏｒａｎｄＣａｕｃｈｙ － Ｇａｕｓｓｉａｎｈｙｂｒｉｄｍｕｔａｔｉｏｎｍｏｄｅ，ａｎｄｔｈｅｅｆｆｉ
ｃｉｅｎｔｇｌｏｂａｌｏｐｔｉｍａｌｓｅａｒｃｈｃａｐａｂｉｌｉｔｙｏｆＩＧＯＡｉｓｕｔｉｌｉｚｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅｈｙｐｅｒｐａｒａｍｅｔｅｒｓｏｆｍｕｌｔｉ － ｌａｙｅｒｐｅｒｃｅｐｔｒｏｎ
（ＭＬＰ）．Ｓｅｃｏｎｄｌｙ，ｔｈｅｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇｓｔｒａｔｅｇｙｉｓｉｎｔｒｏｄｕｃｅｄｔｏｒｅａｌｉｚｅｔｈｅｋｎｏｗｌｅｄｇｅｔｒａｎｓｆｅｒｂｅｔｗｅｅｎｔｈｅｈｉｓｔｏｒｉ
ｃａｌａｎｄｎｅｗｃｏｎｄｉｔｉｏｎｓａｎｄｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｉｎｓｕｆｆｉｃｉｅｎｔｏｒｍｉｓｓｉｎｇｄａｔａｉｎｔｈｅｎｅｗｃｏｎｄｉｔｉｏｎｓ．Ｔｈｅｔｒａｉｎｉｎｇｓｅｔ
ｉｓｄｉｖｉｄｅｄｉｎｔｏｓｏｕｒｃｅｄｏｍａｉｎａｎｄｔａｒｇｅｔｄｏｍａｉｎ ，ａｎｄａｎａｄａｐｔｉｖｅｌａｙｅｒｉｓａｄｄｅｄｔｏｔｈｅｈｉｄｄｅｎｌａｙｅｒｏｆＭＬＰｔｏｒｅ
ｐｒｅｓｅｎｔｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｓｏｕｒｃｅｄｏｍａｉｎｄａｔａａｎｄｔａｒｇｅｔｄｏｍａｉｎｄａｔａ．Ａｃａｓｅｓｔｕｄｙｓｈｏｗｓｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈ
ｏｔｈｅｒｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｓｓｕｃｈａｓＭＬＰｍｏｄｅｌａｎｄＩＧＯＡ － ＭＬＰｍｏｄｅｌｗｉｔｈｏｕｔｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ，ｔｈｅｍｅａｎａｂ
ｓｏｌｕｔｅｐｅｒｃｅｎｔａｇｅｅｒｒｏｒ （ＭＡＰＥ）ｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｒｅｄｕｃｅｄｂｙ５４．６８％ ａｎｄ４０．５７％，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｉｔｉｓ
ｐｒｏｖｅｄｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｃａｎｐｒｅｄｉｃｔｔｈｅｐａｒａｍｅｔｅｒｓｏｆｃｏｎｓｔｒｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎｍｏｒｅａｃｃｕｒａｔｅｌｙａｎｄｐｒｏｖｉｄｅａ
ｒｅｌｉａｂｌｅｄａｔａｂａｓｉｓｆｏｒｓｉｍｕｌａｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：ｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ；ｈｉｇｈｃｏｒｅｒｏｃｋｆｉｌｌｄａｍ；ｃｏｎｓｔｒｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎ；ｍｕｌｔｉ － ｌａｙｅｒｐｅｒｃｅｐｔｒｏｎｏｐｔｉｍｉｚｅｄ
ｂｙｉｍｐｒｏｖｅｄｇｒａｓｓｈｏｐｐｅｒｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ；ｐａｒａｍｅｔｅｒｐｒｅｄｉｃｔｉｏｎ

（责任编辑：李福田）

— １ １ ２ —
６