[發明專利]一種用于盾構施工機載參數的特征參數選擇方法及系統

在審

• 申請號: 201910039735.8
• 申請日: 2019-01-16
• 公開（公告）號: CN109558697A
• 公開（公告）日: 2019-04-02
• 發明（設計）人: 張茜;楊凱弘;亢一瀾;周思陽
• 申請（專利權）人: 天津大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06F16/215
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 程華

本發明公開一種用于盾構施工機載參數的特征參數選擇方法及系統。獲取盾構傳感器采集的原始數據；對所述原始數據進行清洗，得到清洗數據；對所述清洗數據進行預處理，得到預處理數據；對所述預處理數據中包含的所有的機載參數進行卡方檢驗，得到多個機載參數的卡方值；將多個所述機載參數的卡方值按照由大到小排序，并選取前N個卡方值的機載參數，將所述前N個卡方值的機載參數中的前K個機載參數代入到評價模型，得到N個評價指標；K為1至N的整數；比較所述N個評價指標的大小，確定評價指標最大的K的值；將前K個機載參數作為特征參數組合。本發明能夠實現從種類繁多的盾構機載參數中選擇出若干包含有用信息的特征參數進行分析。

技術領域

本發明涉及機器學習領域，特別是涉及一種用于盾構施工機載參數的特征參數選擇方法及系統。

背景技術

盾構是用于隧道施工的自動化、系統化的大型隧道掘進設備，集機械、力學、自動化等多學科應用為一體。由于盾構組成復雜，所以各部分傳感器返回參數種類多。而且盾構傳感器采樣頻率高，整體數據量大，所以很難使用傳統方法對全部盾構數據進行分析與處理。

盾構機載數據含有豐富的信息，同時也包含大量重復冗余信息，過量的數據信息會給后續分析過程造成極大的困難。對預測模型而言，冗余的信息不會給為模型訓練做出貢獻，其中，不良的特征參數會降低模型的精度。

盾構機載參數中的一些關鍵參數可以用于識別地質并預測推力、扭矩等響應參數。由于數據量大，參數種類多，計算時間成本有限，現有的盾構工程中的數據分析需要進行特征參數的篩選過程。

發明內容

本發明的目的是提供一種用于盾構施工機載參數的特征參數選擇方法及系統，能夠從種類繁多的盾構機載參數中選擇出若干包含有用信息的特征參數進行分析。

為實現上述目的，本發明提供了如下方案：

一種用于盾構施工機載參數的特征參數選擇方法，包括：

獲取盾構傳感器采集的原始數據；

對所述原始數據進行清洗，得到清洗數據；

對所述清洗數據進行預處理，得到預處理數據；

對所述預處理數據中包含的所有的機載參數進行卡方檢驗，得到多個機載參數的卡方值；

將多個所述機載參數的卡方值按照由大到小排序，并選取前N個卡方值的機載參數；

將所述前N個卡方值的機載參數中的前K個機載參數代入到評價模型，得到N個評價指標，K為1至N的整數；

比較所述N個評價指標的大小，確定評價指標最大的K的值；

將所述前K個機載參數作為特征參數組合。

可選的，所述對所述原始數據進行清洗，得到清洗數據，具體包括：

當傳感器傳回的原始數據中的無效值、缺失值無法進行后續數據處理部分的數據量占比小于設定值時，對這部分數據進行清除，得到清除后的數據；

當傳感器傳回的原始數據中的無效值、缺失值無法進行后續數據處理部分的數據量占比大于設定值時，對這部分數據采用插值填充方法填補修正數據，得到填補后的數據；

根據所述清除后的數據和所述填補后的數據，得到清洗數據。

可選的，所述對所述清洗數據進行預處理，得到預處理數據，具體包括：

對所述清洗數據進行歸一化公式的預處理，得到預處理數據；

其中，x和x_pre分別為預處理前后的參數值，x_max為參數中最大的參數值，x_min為參數中最小的參數值。