[發明專利]一種基于多項式回歸的盾構機掘進參數的預測方法

在審

• 申請號: 201910382960.1
• 申請日: 2019-05-09
• 公開（公告）號: CN110069893A
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 蘇葉茂;段文軍;路桂珍;章龍管;屈鴻;劉綏美;馮赟杰;周生喜;白江濤;李恒;龔曉林;廖珂;譚友榮
• 申請（專利權）人: 中鐵工程服務有限公司;電子科技大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06F17/18
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

1.一種基于多項式回歸的盾構機掘進參數的預測方法，其特征在于，包括以下步驟：

S1、對待預測的盾構機，根據其歷史施工記錄采集樣本數據，所述樣本數據包括該盾構機的環號、總功率、刀盤扭矩、刀盤壓力、刀盤轉速、推進壓力、總推進力、泡沫混合液當前累計量、左中土倉壓力、左上土倉壓力、左下土倉壓力、右下土倉壓力、右中土倉壓力；

S2、對樣本數據進行數據分析和數據處理，所述數據分析是對樣本數據進行數據降維、相關性分析與特征提取，所述數據處理是對數據分析后獲得的數據進行數據平滑操作，從而去除原始數據中不完整、不一致的邊緣數據，并提取出相關性較高的特征數據，構成訓練數據，同時對訓練數據進行歸一化處理；

S3、將數據分為觀測指標和預測指標，將觀測指標作為輸入，預測指標作為輸出，通過建立多項式回歸模型預測輸入變量和輸出變量的關系；在多項式回歸中，設最高次方的次數為n，且只有一個特征時，建立多項式回歸模型為：

方程可以改寫成向量化的形式：

其中X是大小為m*(n+1)的矩陣，m為樣本數，即輸入特征變量，θ是大小為(n+1)*1的向量，即模型要學習的參數,為模型輸出的預測指標。在這里雖然只有一個特征x以及x的不同次方，但是也可以將x的高次方當做一個新特征。

S4、根據訓練數據,采用回歸算法對建立的回歸模型進行訓練，獲得回歸模型的擬合系數。

S5、通過訓練好的回歸模型，對盾構機的推進速度進行實際預測。

2.根據權利要求1所述的一種基于多項式回歸的盾構機掘進參數的預測方法，其特征在于，還包括：

S6、將獲得的預測指標與盾構機的實時推進速度值進行比較，對回歸模型進行反饋調整，具體為：

根據比較結果，推導出訓練集中每個樣本的誤差值以及回歸算法的誤差，對于回歸算法J，訓練集中的列誤差值則被稱為誤差J，采用損失函數進行評估線性函數的好壞，損失函數定義為：

其中，θ為模型要學習的參數，m為樣本數，損失函數J(θ)也就是對每個樣本h_θ(x⁽ⁱ⁾)的估計值與真實值y⁽ⁱ⁾差的平方進行求和，得到整個樣本預測的值跟真實值之間的差距和損失，尋找最優線性函數的問題即轉化為求解最小損失函數的問題，由此來求解模型的參數；

S7、采用分析方法將回歸算法中的誤差進行加權處理，通過加權回歸組合構成集成回歸預測模型；

S8、在訓練完成后，將步驟5中的集成回歸算法運用接入在掘進的盾構機的實時反饋數據中，將實時觀察指標輸入模型，得到實時的預測指標值，用于指導盾構機掘進。