｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,7,5]]，“date time”：“2024-07-05T15:15:54Z”，“timestamp”：1720192554791｝，“reference count”：49，“publisher”：“Elsevier BV”，“license”：[｛“start”：｛“date parts”：[[2023,6,1]，“date time”：“2023-06-01T00:00:00Z”，“timestamp”：1685577600000｝，“内容版本”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2023,6,1]]，“date-time”：“2023-06-01T00:00:00Z”，“timestamp”：1685577600000}，“content-version”：“stm-asf”，“delay-in-days”：“0”，“URL“https:\\/doi.org\/10.15223\/policy-017“}，{“开始”：{“日期部分”：[[2023,6,1]]，“日期时间”：“2023-06-01T00:00:00Z”，“timestamp”：1685577600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2023,6,1]]，“date-time”：“2023-06-01T00:00:00Z”，“timetamp”：68557760000}，https:\/\/doi.org\/10.15223\/policy-012“}，{“开始”：{“日期部分”：[[2023,6,1]]，“date-time”：“2023-06-01T00:00:00Z”，“timestamp”：1685577600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2023,6,1]]，“datetime”：“206-01T00:00”，“时间戳”：16855077600000neneneep，“content-version”：“st m-asf“，”delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Information Sciences”]，”published-print“：{”date-parts“：[2023,6]]}，”DOI“：”10.1016\/j.ins.2023.003.004“，”type“：”journal-article“，”created“：{”date-ports“：[2023,3,5]]，”date-time“：”2023-03-05T14:09:37Z“，”时间戳“：1678025377000}，“page”：“105-129”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：44，“special_numberg”：“C”，“title”：[“基于Bayesian-LGBM机器学习的盾牌姿态预测”]，“prefix”：“10.1016”，“volume”：《632》，“author”：[{“given”：‘Hongyu’，“family”：“Chen”，“sequence”：“first”，“隶属关系”：[]}，{“给定”：“信义”，“家庭”：“李”，“序列”：“附加”，“从属”：[]}，{“给出”：“宗宝”，“家族”：“冯”，“顺序”：“额外”，“附属”：[]}，}“给定的”：“雷”，“家人”：“王”，“序号”：“添加”，“隶属”：[[]}，{”给定“：“亚威”，“家”：“秦”，“次序”：“新增”，“归属”：[4]}，Miroslaw J.“，“家族”：“斯基布涅夫斯基”，“sequence”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/0000-0003-4360-5459”，“authenticated-ORCID”：false，“给定”：“振松”，“家族”：“陈”，“se序列”：“附加”，“从属”：[]}，}“ORCID”：“http:\\/ORCID.org\/00000-0003-3064-0028”，“authenticated-ORCID“：false”，“give”：“Yang”，“family”：“Liu”，“序列”：“附加”，“从属关系”：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.ins.2023.03.004_b0005”，“doi-asserted-by”：“crossref”，“首页”：“101551”，“doi”：“10.0016\/j.scs.2019.101551“，“article-title”：“城市输气隧道错拼管片衬砌极限承载力调查”，“volume”：，“journal-title”：“Sustain.Cities Soc.”}，{“key”：“10.1016\/j.ins.2023.03.004_b0010”，“doi-asserted-by”：“crossref”，“首页”：“105947”，“doi”：“101016\/j.asoc.2019.105947”、“article-title“用于风险度量的新型学习云贝叶斯网络”，“卷”：“87”，“作者”：“陈”，“年份”：“2020”，“日记标题”：“应用软计算”。}，{“问题”：“4”，“密钥”：“10.1016\/j.ins.2023.03.004_b0015”，“doi-asserted-by”：“crossref”，“first page”：“655”，《doi》：“10.1002\/nag.2760”，“article-title”：“承压含水层盾构隧道掌子面随时间变化的地下水流入量分析方法”，“volume”：《42》，“author”：“Liu”，“year”：“2018”，“journal-title“：”“Int.j.Numer.Anal.Meth.Geomech.”}，{“issue”：“2”，“key”：“10.1016\/j.ins.2023.03.004_b0020”，“article-title”：“预测破碎岩体中隧道掘进机现场贯入指数的新方程”，“volume”：“10”，“author”：“Yagiz”，“year”：“2017”，“journal-title“：”Arab.j.Geosci.“}，{“key”：”10.1016\\j.ins.2023.004_b0025“，”doi-asserted-by“：”crossref“，”first page“23”，“doi”：“10.1016\/j.autcon.2018.03.030”，“article-title”：“基于非均质现场数据的隧道掘进机动态载荷预测”，“volume”：“92”，“author”：“Sun”，“year”：“2018”，“journal-title“：”Autom.Constr.“}，{“key”：”10.1016\/j.ins.2023.004_b0030“，”doi-asserted-by“：”crossref“，”first page“208”，“doi”：“10.116\/j.tust.2015.0 3.007英寸，“文章标题”：“软土中隧道掘进机的运动学行为：理论与观测”，“卷”：“49”，“作者”：“Festa”，“年份”：“2015”，“期刊标题”：“Tunn.Undercr.Space Technol.”}，｛“键”：“10.1016\/j.in.2023.03.004_b0035”，“doi断言”：“crossref”，“首页”：“498”，“doi”：“10.1016\/j.in.2021.11.061”，“文章标题”：“以数据为中心的深度迁移学习综述，并将其应用于文本数据”，“卷”：“585”，“作者”：“Bashath”，“年份”：“2022”，“期刊标题”：“Inf.Sci.”}，{“key”：“10.1016\/j.ins.2023.004_b0040”，“doi-asserted-by”：“crossref”，“首页”：“102840”：“盾构隧道姿态和位置的动态预测：一种深度学习方法”，“卷”：“105”，“作者”：“周”，“年份”：“2019”，“期刊标题”：“自动施工”}，{“关键”：“10.1016\/j.ins.2023.004_b0045”，“doi-asserted-by”：“crossref”，“首页”：“122542”，“doi”：“101016\/jclepro.2020.12542”，“article-title”：“基于支持向量机学习的公共建筑能耗预测与诊断：中国案例研究”，“卷”：“272”，“作者”：“刘”，“年份”：“2020”，“期刊标题”：“清洁生产杂志”}，{“关键”：“10.1016\/J.ins.2023.004_b0050”，“非结构化”：“Ke，G.，et al。LightGBM：一种高效的梯度提升决策树。在第31届神经信息处理系统（NIPS）年会上。2017.长滩，加利福尼亚州“}，{“key”：“10.1016\/j.ins.2023.03.004_b0055”，“doi-asserted-by”：“crossref”，“首页”：“259”，“doi”：“101016\/j.ins.2022.04.058”，“article-title”：“基于LightGBM的企业财务风险预测”，“volume”：”602“author”：“Wang”，“year”：“2022”，“journal-title“：”Inf.Sci.“}\/j.ins.2023.03.004_b0060“，”doi-asserted-by“：”crossref“，”first page“：”106997“，”doi“：”10.1016\/j.compag.2022.106997“，”article-title“：”基于处方数据叠加的番茄病虫害诊断方法“，”volume“：“197”，“author”：“Xu”，“year”：“2022”，“journal-title”：“Compute”。电子。农业。“}，{”issue“：”5“，”key“：”10.1016\/j.ins.2023.03.004_b0065“，“doi-asserted-by”：“crossref”，“first page”：“1422”，“doi”：“10.1007\/s1171-021-4707-9”，”article-title“：”基于地球化学采样数据的岩石地层分类机器学习策略：中国青海省察汗乌苏河地区的一个案例研究“，”volume“：“28”，“author”：“Zhang“，”year“：“2021”，”journal-title“：”J.Central South University“}，{”key“：”10.1016\/J.ins.2023.03.004_b0070“，”doi-asserted-by“：”crossref“，”first-page“：”107869“，”doi“：”101016\/J.compleceng.2022.107869“”，“article-title”：“使用boosting算法的综合入侵检测框架”，“volume”：“100”，“author”：“Kilincer”，“year”：“2022”，“journal-title“：”计算。电气。Eng.“}，{”key“：”10.1016\/j.ins.2023.03.004_b0075“，”doi-asserted-by“：”crossref“，”doi“：”101016\/j.compbiomed.2020.103964“，”article-title“：”AE-LGBM：“通过自动编码器和LightGBM集成检测相互作用蛋白对的基于序列的新方法”，“volume”：“125”，“author”：“Sharma”，“year”：“2020”，“journal-title”：“Compute.Biol.Med.”}，}“key”：“10.1016\/j.ins.2023.03.004_b0080“，”doi-asserted-by“：”crossref“，”first page“：”118874“，”doi“：”10.1016\\j.energy.2020.11874“，”article-title“：”一种新的基于综合集成的混合LGBM-XGB-MLP短期负荷预测模型“，”volume“：“214”，”author“：”Massaoudi“，“year”：“2021”，“journal-title”：“energy”}，{“key”：“”10.1016\/j.ins.2023.03.004_b0085“，”doi-asserted-by“：”crossref“，”first page“：”104295“，“doi”：“10.1016\/j.cemconcomp.2021.104295”，“article-title”：“用于预测混凝土蠕变行为的可解释集成机器学习模型”，“volume”：“125”，“author”：“Liang”，“year”：“2022”，“journal-title“：”Cem。混凝土。作曲。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0090“，”doi-asserted-by“：”crossref“，”first page“：“129232”，“doi”：“10.1016\/j.conbuildmat.2022.129232”，“article-title”：“使用集成RF-LSSVM模型预测高性能混凝土的耐久性”，“volume”：“356”，“author”：“Liu”，“year”：“2022”，”“journal-title“：”Constr Build Mater“}”，{“key”：”10.1016\/j.ins.2023.03.004_b0095“，”doi-asserted-by“：”crossref“，”first page“：”107760“，”doi“：”10.1016\/j.asoc.2021.107760“、”article-title“：”构建带有黄金和原油指标的股票价格预测CNN模型“，”volume“：。软计算。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0100“，”doi-asserted-by“：”crossref“，”first page“：“107538”，”doi“：”101016\/j.asoc.2021.107538“，”article-title“：”基于XGBoost和贝叶斯优化的列车到站延误预测与分析“，”volume“:”109“，“author”：“Shi”，“year”：“2021”，“journal-title”：“Appl.Soft Compute.”}，”{“key”：“10.1016\/j.ins.2023.03.004_b0105“，”doi-asserted-by“：”crossref“，”first page“：”104461“，”doi“：”10.1016\/j.chemlab.2021.104461”，“article-title”：“水泥熟料中f-CaO含量的预测：基于LightGBM和贝叶斯优化的新型预测方法”，“volume”：“220”，“author”：“Hao”，“year”：“2022”，“journal-title“：”Chemom。英特尔。实验室系统。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0110“，”doi-asserted-by“：”crossref“，”first page“：“87”，“doi”：“10.1016\/j.tust.2012.06.002”，“article-title”：“复杂地层工况下盾构机的自动轨迹跟踪控制”，“volume”：“32”，“author”：“Xie”，“year”：“2012”，“journal-title“：”Tunn.under.Space Technol.“}”，{“key“：”10.1016\/j.ins.2023.03.004_b0115“，”doi-asserted-by“：”crossref“，”first-pages“：”46“，”doi“：”101016\/j.tust.2013.09.004“，”article-title“：”估算不同类型TBM的扭矩、推力和其他设计参数，对土耳其隧道工程中使用的TBM提出了一些批评“，”volume“：“40”，”author“：”Ates“，”year“：”2014“，”journal-title:“Tunn”。地下空间技术。“｝，｛”issue“：”3“，”key“：”10.1016\/j.in.2023.03.004_b0120“，”doi断言“：”crossref“，”首页“：”281“，”doi“：”10.1016\/j.ust.2007.06.007“，”文章标题“：”盾构机姿态引起的节段内力和错位研究“，”卷“：”23“，”作者“：”Mo“，”年份“：”2008“，”期刊标题“：”Tunn.Underter.Space Technol.“｝，｛”issue“：”2“，”key“：”10.1016\/j.ins.2023.03.004_b0125“，”doi-asserted-by“：”crossref“，”first-page“：”217“，”doi“：”101016\/S0886-7798（99）00035-8“，“article-title”：“高速线路南部盾构驱动的\u201cGreen Heart\u201d隧道的三维结构分析”，“volume”：“14”，“author”：“Blom”，“year”：“1999”，“journal-title“：”Tunn。地下空间技术。“}，{”issue“：”2“，”key“：”10.1016\/j.ins.2023.003.004_b0130“，”doi-asserted-by“：”crossref“，”first page“：“156”，”doi“：”101061\/（ASCE）1090-0241（2002）128:2（156）“，”article-title“：”开挖过程中盾构行为的理论模型。II:应用“，”volume“：n.工程“}，{”键“：”10.1016\/j.ins.2023.03.004_b0135“，”doi-asserted-by“：”crossref“，”first page“：”59“，”doi“：”10.1016\/j.tust.2013.05.002“，”article-title“：”基于SVM算法的动态方法，用于预测开挖期间隧道收敛”，“volume”：“38”，“author”：“Mahdevari”，“year”：“2013”，“journal-title”：“Tunn”。地下空间技术。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0140“，”doi-asserted-by“：”crossref“，”first page“：“225”，“doi”：“10.1016\/j.autcon.2018.11.013”，“article-title”：“TBM运行参数实时预测的递归神经网络”，“volume”：“98”，“author”：“Gao”，“year”：“2019”，“journal-title“：”Autom.Constr.s.2023.03.004_b0145“，”非结构化”：“Shang，C.等人，基于LGBM-NSGA-III的电子设备盾构近距离施工参数多目标优化方法，包括确定满足近既有隧道变形和刀盘磨损的盾构施工参数控制范围。华中科技大学（Uyhz-C）。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0150“，”unstructured“：”Liu，Y.，et al.，基于机器学习的盾构机刀具磨损退化相关特征分析方法，涉及组合所有关联规则以获得盾构系统刀具磨损退化的相关特征集。Univ Xidian（Uyxn-C）。“}”，{“issue”：“4”，“key“：”10.1016\/j.ins.2023.03.004_b0155“，”doi-asserted-by“：”crossref“，”首页“：”1153“，”doi“：”101016\/j.jrmge.2022.06.001“，”article-title“：”基于机器学习的盾构机掘进姿态自动控制“，”volume“：“14”，”author“：”Huang“，“year”：“2022”，“journal-title”：“j.Rock Mech。岩土工程。工程“}，{”key“：”10.1016\/j.ins.2023.03.004_b0160“，”doi-asserted-by“：”crossref“，”first page“：“104088”，”doi“：”101016\/j.autcon.2021.104088“，”article-title“：”基于视觉的高精度屏蔽尾翼间隙智能监测“，”volume“：10.1016\/j.in.2023.03.004_b0165“，”doi断言“：”crossref“，”doi“：”10.1016\/j.eswa.202218721“，”文章标题“：”考虑时空模式的隧道施工动态姿态和位置预测的混合深度学习方法“，”卷“：”212“，”作者“：”Fu“，”年份“：”2023“，”期刊标题“：”专家系统“。申请。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0170“，”doi-asserted-by“：”crossref“，”first page“：“100692”，“doi”：“10.1016\/j.trgeo.2021100692”，“article-title”：“泡沫处理对EPB盾构掘进性能的影响（通过实验室开挖试验）”，“volume”：“32”，“author”：“Lee”，“year”：“2022”，”journal-title“：”Transp.Geotech.“}”，{“issue”：“5”，“key“：”10.1016\/j.ins.2023.03.004_b0175“，”doi-asserted-by“：”crossref“，”first-page“：”101177“，“doi”：“10.1016\/j.gsf.2021.101177”，“article-title”：“使用机器和深度学习算法模拟EPB盾构掘进性能”，“volume”：“12”，“author”：“Lin”，”year“：”2021“，”journal-title“：”Geosci“。前面。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0180“，”doi-asserted-by“：”crossref“，”first page“：“439”，”doi“：”101016\/j.ins.2018.07.015“，”article-title“：”Wavelet-denoising multiple echo state networks for multi-variable time series prediction“，“volume”：“465”，“author”：“Xu”，“year”：“2018”，“journal-title”：“Inf.Sci.”j.ins.2023.03.004_b0185“，”doi-asserted-by“：”crossref“，”first page“：”157“，“doi”：“10.1016\/j.ins.2019.07.074”，“article-title”：“负相关学习集成神经网络预测中国西部风电场短期风速的Particle-swarm优化”，“volume”：“505”，“author”：“Ma”，“year”：“2019”，“journal-title“：”Inf.Sci。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0190“，”doi-asserted-by“：”crossref“，”first page“：“107”，“doi”：“10.1016\/j.ins.2020.05.042”，“article-title”：“LPG-model：一种新的流处理吞吐量预测模型，使用轻梯度提升机、增量主成分分析和深选通递归单元网络”，“volume”：“535“，“作者”：“楚”，“年份”：“2020”，“新闻标题”：“信息科学”。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0195“，”doi-asserted-by“：”crossref“，”first page“：“171”，“doi”：“10.1016\/j.ins.2019.01.026”，“article-title”：“无模型贝叶斯分类器”，“volume”：“482”，“author”：“Geng”，“year”：“2019”，“journal-title“：”Inf.Sci.“}”，{“key”：04_b0200“，”doi-asserted-by“：”crossref“，”首页“：”155“，“doi”：“10.1016\/j.ins.2022.01.010“，“article-title”：“基于贝叶斯优化的时间序列预测动态集成”，“volume”：“591”，“author”：“Du”，“year”：“2022”，“journal-title“：”Inf.Sci。“}，{”issue“：”4“，”key“：”10.1016\/j.ins.2023.003.004_b0205“，”doi-asserted-by“：”crossref“，”first page“：“153”，”doi“：”10.3847\/1538-3881\/ac4d97“，”article-title“：”使用光梯度推进机算法和主成分分析估算恒星大气参数“，”volume“：阿童木。J.“}，{“issue”：“5”，“key”：“10.1016\/J.in.2023.03.004_b0210”，“doi断言”：“crossref”，“首页”：“496”，“doi”：“10.3390\/jmse9050496”，“文章标题”：“机器学习LightGBM模型在哥伦比亚河下游水位预测中的应用”，“volume”：“9”，“author”：“Gan”，“year”：“2021”，“journal title”：“J。海洋科学。Eng.“}，{”issue“：”7“，”key“：”10.1016\/j.ins.2023.003.004_b0215“，”doi-asserted-by“：”crossref“，”first page“：“075008”，”doi“：”101088\/1361-6587\/abfa74“，”article-title“：”在j-TEXT和HL-2A上使用LightGBM进行干扰预测和模型分析“，”volume“：.受控融合“}，{”键“：”10.1016\/j.ins.2023.03.004_b0220“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1016\/j.ins.2022.02.015“，”article-title“：”用于预测股价的深度学习模型和技术分析的增强混合集成“，”volume“：“594”，”author“：”Kamara“，”year“：”2022“，”journal-title”：“Inf.Sci.”。“}，{”问题“：”4“，”关键“：”10.1016\/j.ins.2023.03.004_b0225“，”doi-asserted-by“：”crossref“，”首页“：”1022“，”doi“：”101007\/s11431-011-4723-3“，”文章标题“：”基于马尔可夫决策过程的盾构掘进驱动力规划“，”卷“：”55“，”作者“：”胡“，”年份“：”2012“，”期刊标题“：“科学与技术”}，”关键“：”10.1016\/j.ins.2023.03.004_b0230“，”doi-asserted-by“：”crossref“，”first page“：”106500“，”doi“：”10.1016\/j.ap.2021.106500“，“article-title”：“考虑驾驶意图识别和不同换道模式的主动换道风险预测框架”，“volume”：“164”，“author”：“Shangguan”，“year”：“2022”，“journal-title“：”Accid。分析。上一页。“}，{”key“：”10.1016\/j.ins.2023.03.004_b0235“，”doi-asserted-by“：”crossref“，”first page“：“104860”，”doi“：”101016\/j.jweia.2021.104860“，”article-title“：”高层建筑侧风荷载效应的机器学习支持估计“，”volume“:”220“，”author“：”Lin“，“year”：“2022”，”journal-title：“j.Wind Eng.Ind.Aerodyn.”}，}“键“：”10.1016\/j.ins.2023.03.004_b0240“，”doi-asserted-by“：”crossref“，”first page“：”113124“，“doi”：“10.1016\/j.engstruct.2021.113124”，“article-title”：“初始TBM绕曲线转向时仪表环的原位行为”，“体积”：“249”，“作者”：“Gil Lorenzo”，“年份”：“2021”，“期刊标题”：“工程结构”。“}，{”key“：”10.1016\/j.ins.2023.03.004_bib241“，”doi-asserted-by“：”crossref“，”first page“：“104808”，“doi”：“10.1016\/j.autcon.2023.10488”，“article-title”：“BIM成熟度评估的优化决策支持”，“volume”：“149”，“author”：“Chen”，“year”：“2023”，“journal-title“：”Autom.Constr.“}]，“container-tile”：[“Information Sciences”]，“原始标题”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0020025523003006？httpAccept=text\/xml”，“content-type”：“text\/xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“http://api.elsevier.com/content\/aarticle\/PII:S020025523003005？httpAccept=text\/plain”，content-type“：”text\/plain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2024,18]]，“date-time”：“2024-01-18T03:32:31Z”，“timestamp”：1705548751000}，“score”：1，“resource”：{“primary”：{URL：“https:\/\/linkinghub.elsevier.com\/retrieve\/piii\/S0025523003006”}}，“：[]，”已发布“：{”日期部分“：[[2023,6]]}，“references-count”：49，“alternative-id”：[“S0020025523003006”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.ins.2023.03.004”，“relation”：{}，“ISSN”：[”0020-0255“]，“ISSN-type”：[{“value”：“0020-02555”，“type”:“print”}]，“subject”：[/]，“published”：{“date-parts”：[2023,6]}，”assertion““value”：“Elsevier”，“name”：“publisher”，“label”：“本文由”}维护，{“value”：“基于Bayesian-LGBM机器学习的盾牌姿态预测”，“name”：“articletitle”，“label”：“Article Title”}，{”value“：“Information Sciences”，“name:”journaltitle“，”label“：”Journal Title“}，“value“:”https:\/\/doi.org\/10.1016\/j.ins.2023.03.004“，”name“：”articlelink“，”标签“CrossRef doi link to publisher maintained version”}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2023 Elsevier Inc.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}