[發明專利]盾構機導向預測方法、模型訓練方法、裝置以及設備

在審

• 申請號: 202010780593.3
• 申請日: 2020-08-05
• 公開（公告）號: CN111931842A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 于祥濤;李增良;岳琳輝;劉彥慧
• 申請（專利權）人: 中鐵二十局集團有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

1.一種盾構機導向預測方法，其特征在于，所述方法包括以下步驟：

獲取盾構機的實時盾構數據；

將所述實時盾構數據輸入導向預測模型中，獲得預測導向數據；

根據所述預測導向數據，獲得所述盾構機的導向預測結果。

2.如權利要求1所述的盾構機導向預測方法，其特征在于，所述將所述實時盾構數據輸入導向預測模型中，獲得預測導向數據的步驟之前，所述方法還包括：

獲取所述盾構機的歷史掘進數據；

基于所述歷史掘進數據，獲得訓練樣本；

利用所述訓練樣本對長短記憶神經網絡進行訓練，獲得導向預測模型。

3.如權利要求2所述的盾構機導向預測方法，其特征在于，所述基于所述歷史掘進數據，獲得訓練樣本的步驟包括：

利用主成分分析法對所述歷史掘進數據進行特征選擇，獲得訓練樣本。

4.如權利要求3所述的盾構機導向預測方法，其特征在于，所述利用主成分分析法對所述歷史數據進行特征選擇，獲得訓練樣本的步驟包括：

對所述歷史掘進數據進行數據清洗，獲得有效歷史數據；

利用主成分分析法對所述有效歷史數據進行特征選擇，獲得訓練樣本。

5.如權利要求4所述的盾構機導向預測方法，其特征在于，所述利用主成分分析法對所述有效歷史數據進行特征選擇，獲得訓練樣本的步驟之前，所述方法還包括：

根據預設時間段，對所述有效歷史數據進行分組，獲得多組有效歷史數據，其中，所述預設時間段為采集所述有效歷史數據對應的歷史掘進數據的時間區間分段獲得；

所述利用主成分分析法對所述有效歷史數據進行特征選擇，獲得訓練樣本的步驟包括：

利用主成分分析法對所述多組有效歷史數據進行特征選擇，獲得訓練樣本。

6.一種導向預測模型訓練方法，其特征在于，所述方法包括以下步驟：

獲取盾構機的歷史掘進數據；

對所述歷史掘進數據進行數據清洗，獲得有效歷史數據；

根據預設時間段，對所述有效歷史數據進行分組，獲得多組有效歷史數據，其中，所述預設時間段為采集所述有效歷史數據對應的歷史掘進數據的時間區間分段獲得；

利用主成分分析法對所述多組有效歷史數據進行特征選擇，獲得訓練樣本；

利用所述訓練樣本對長短記憶神經網絡進行訓練，獲得導向預測模型。

7.一種盾構機導向預測裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取盾構機的實時盾構數據；

數據獲得模塊，用于將所述實時盾構數據輸入導向預測模型中，獲得預測導向數據；

結果獲得模塊，用于根據所述預測導向數據，獲得所述盾構機的導向預測結果。

8.一種導向預測模型訓練裝置，其特征在于，所述裝置包括：

獲得模塊，用于獲得獲取盾構機的歷史掘進數據；

清洗模塊，用于對所述歷史掘進數據進行數據清洗，獲得有效歷史數據；

分組模塊，用于根據預設時間段，對所述有效歷史數據進行分組，獲得多組有效歷史數據，其中，所述預設時間段為采集所述有效歷史數據對應的歷史掘進數據的時間區間分段獲得

特征選擇模塊，用于利用主成分分析法對所述多組有效歷史數據進行特征選擇，獲得訓練樣本；

模型獲得模塊，用于利用所述訓練樣本對長短記憶神經網絡進行訓練，獲得導向預測模型。

9.一種盾構機導向預測設備，其特征在于，所述盾構機導向預測設備包括：存儲器、處理器及存儲在所述存儲器上并在所述處理器上運行的盾構機導向預測程序，所述盾構機導向預測程序被所述處理器執行時實現如權利要求1至5中任一項所述的盾構機導向預測方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質上存儲有盾構機導向預測程序，所述盾構機導向預測程序被處理器執行時實現如權利要求1至5中任一項所述的盾構機導向預測方法的步驟。