[發明專利]基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法

在審

• 申請號: 202010301778.1
• 申請日: 2020-04-16
• 公開（公告）號: CN111488694A
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 洪開榮;李鳳遠;朱訓林;萬建軍;孫振川;張兵;褚長海;張合沛;周振建;任瑩穎;高會中;江南
• 申請（專利權）人: 盾構及掘進技術國家重點實驗室;鄭州大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/17;G06F17/18;E21D9/08
• 代理公司: 鄭州浩翔專利代理事務所(特殊普通合伙) 41149
• 代理人: 邊延松

1.一種基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法，其特征在于：所述方法的步驟如下：

步驟A：提取與施工作業同類型的泥水盾構機在類似地質條件下的歷史施工數據作為樣本數據集data1；

步驟B：將數據集data1中的每一環都分成啟動段和正常掘進段，提取正常掘進段的數據，形成數據集data2；

步驟C：對數據集data2進行去噪和歸一化處理，形成數據集data3；

步驟D：對數據集data3進行初步數據分析，所述初步數據分析包括統計性描述分析、相關性分析以及平穩性分析，提取與待測目標明顯線性相關的屬性列數據形成數據集data4；

步驟E：將初步分析后的樣本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，通過建立多元線性自回歸模型刻畫輸入變量和輸出變量的關聯關系，獲得多元線性自回歸模型的擬合系數；

步驟F：通過訓練好的多元線性自回歸模型，對泥水盾構機的關鍵掘進參數分別進行實際預測。

2.根據權利要求1所述的基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法，其特征在于：所述歷史施工數據需滿足如下條件：a.泥水盾構機的刀盤布局、刀盤直徑參數應接近；b.對應施工路段的地質條件應類似。

3.根據權利要求1所述的基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法，其特征在于：在步驟A中，所述樣本數據包括環號、時間、刀盤轉速、推進速度、總推進力、各組油缸的壓力、各個同步注漿泵壓力、進漿密度、排漿密度、進漿流量、排漿流量。

4.根據權利要求1所述的基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法，其特征在于：在步驟C中，去噪處理是對數據分段之后保留的正常掘進段數據集，分別將刀盤扭矩、刀盤轉速、進漿流量、排漿流量、總推進力參數值處在[Q_0.1,Q_0.9]區間外的數據當作噪聲去除掉。

5.根據權利要求1所述的基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法，其特征在于：在步驟C中，歸一化處理是對去噪之后的數據集按照最大最小歸一化方法，分別將刀盤轉速、推進速度、總推進力、各組油缸的壓力、各個同步注漿泵壓力、進漿密度、排漿密度、進漿流量、排漿流量參數進行歸一化處理，具體為：對數據集data2中除環號、時間之外的各參數列，將0.1和0.9分位點確定為正常數據區間的下界和上界，剔除異常值，然后，將這些參數列的數據按最大最小歸一化原則，轉化到[0，1]區間內，歸一化原則如下：

歸一化之后，形成數據集data3。

6.根據權利要求1所述的基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法，其特征在于：在步驟D中，統計性描述分析是對除了環號、時間之外的各參數列數據進行統計性分析，即統計各參數列中零值個數、中位數、均值、方差等，判斷數據質量。

7.根據權利要求1所述的基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法，其特征在于：在步驟D中，相關性分析是對除了環號、時間之外的各參數列數據進行相關性分析，即計算這些參數列之間的相關系數，形成相關系數表，具體為：分別計算各屬性間的Pearson相關系數，找出明顯線性相關的屬性列，初步判斷各屬性的關聯趨勢，相關系數計算公式如下：

其中，是屬性列x_i的平均值，是屬性列y_i的平均值，N為樣本個數。

8.根據權利要求1所述的基于多元線性自回歸的泥水盾構機掘進關鍵參數預測方法，其特征在于：在步驟D中，平穩性分析是對泥水盾構機的相關參數列數據進行ADF平穩性檢驗，由于盾構機的慣性，正常掘進段的數據應該表現出一定的自相關性，再通過ACF(AutoCorrelation)及PACF(Partial?Correlation)圖，分別確定平穩序列的自回歸模型階數p。