[發(fā)明專利]一種基于GWO-FW-MKL-SVR算法的TBM掘進(jìn)速率預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110577145.8
• 申請(qǐng)日: 2021-05-26
• 公開（公告）號(hào): CN113222273B
• 公開（公告）日: 2022-06-07
• 發(fā)明（設(shè)計(jì)）人: 張海波;楊海清;曹科;靳曉光;宋康磊;杜傳奇;曾紹毅;種攀攀;周波;許天珍;安龍飛
• 申請(qǐng)（專利權(quán)）人: 中鐵十八局集團(tuán)有限公司;中鐵十八局集團(tuán)隧道工程有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/08;G06N3/00;G06N20/00
• 代理公司: 重慶晟軒知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50238
• 代理人: 王海鳳

本發(fā)明涉及一種基于GWO?FW?MKL?SVR算法的TBM掘進(jìn)速率預(yù)測(cè)方法，包括以下步驟：S1：獲取TBM機(jī)器運(yùn)行記錄數(shù)據(jù)，構(gòu)建樣本數(shù)據(jù)集；S2：構(gòu)建FW?MKL?SVR模型；S3：使用GWO算法和樣本數(shù)據(jù)對(duì)FW?MKL?SVR模型中的參數(shù)進(jìn)行優(yōu)化和訓(xùn)練，得到基于GWO?FW?MKL?SVR的TBM掘進(jìn)速率預(yù)測(cè)模型；S4：檢驗(yàn)GWO?FW?MKL?SVR模型預(yù)測(cè)的準(zhǔn)確性；若不滿足預(yù)設(shè)的TBM掘進(jìn)預(yù)測(cè)精度，則返回S3重新進(jìn)行參數(shù)的選擇和模型訓(xùn)練；若滿足設(shè)定的精度要求，則將未知TBM機(jī)器運(yùn)行數(shù)據(jù)、土體力學(xué)數(shù)據(jù)和巖石力學(xué)數(shù)據(jù)輸入模型，得到未知的TBM掘進(jìn)速率預(yù)測(cè)值。

技術(shù)領(lǐng)域

本發(fā)明涉及TBM的掘進(jìn)速率預(yù)測(cè)技術(shù)領(lǐng)域，特別涉及一種基于GWO-FW-MKL-SVR算法的TBM掘進(jìn)速率預(yù)測(cè)方法。

背景技術(shù)

隧道掘進(jìn)機(jī)(TBM)是一種自動(dòng)化程度高、速度快的大型掘進(jìn)設(shè)備，它比傳統(tǒng)方法(如鉆孔和爆破)的效率和速度高3-10倍。目前，TBM在隧道施工中的應(yīng)用越來越廣泛，尤其是對(duì)于硬巖和長(zhǎng)大隧道，但是TBM對(duì)場(chǎng)地地質(zhì)條件適應(yīng)性比較差，嚴(yán)重影響了隧道施工效率、巖爆、突水等問題。當(dāng)前也出現(xiàn)了很多將支持向量回歸SVR算法應(yīng)用到預(yù)測(cè)TBM掘進(jìn)速率的預(yù)測(cè)方法，因?yàn)橥ㄟ^準(zhǔn)確預(yù)測(cè)掘進(jìn)速率，選擇合適的施工方法，可有效降低TBM工程的成本。

現(xiàn)有技術(shù)存在的不足是：由于在TBM隧道掘進(jìn)實(shí)際工程中，隧道地質(zhì)情況多變，且需要輸入的掘進(jìn)參數(shù)較多，導(dǎo)致現(xiàn)有的SVR模型的預(yù)測(cè)精度較低，因此，提出一個(gè)智能化預(yù)測(cè)方法準(zhǔn)確預(yù)測(cè)TBM掘進(jìn)效率，對(duì)于節(jié)約隧道工程的施工成本和管控施工進(jìn)度風(fēng)險(xiǎn)是非常重要的。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的上述問題，本發(fā)明要解決的技術(shù)問題是：采用合理的方法優(yōu)化改進(jìn)SVR算法，提高TBM掘進(jìn)速率的預(yù)測(cè)精度。

為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：一種基于GWO-FW-MKL-SVR算法的TBM掘進(jìn)速率預(yù)測(cè)方法，包括如下步驟：

S100：構(gòu)建樣本數(shù)據(jù)集，樣本數(shù)據(jù)集包括：多個(gè)TBM機(jī)器運(yùn)行記錄數(shù)據(jù)、土體力學(xué)數(shù)據(jù)、巖石力學(xué)數(shù)據(jù)和對(duì)應(yīng)的TBM的掘進(jìn)速率實(shí)測(cè)值；

S200：構(gòu)建FW-MKL-SVR模型；

S210：改進(jìn)SVR模型的核函數(shù)，得到FW-MKL-SVR模型核函數(shù)，對(duì)FW-MKL-SVR模型核函數(shù)進(jìn)行對(duì)偶處理，然后得到FW-MKL-SVR模型；

S300：構(gòu)建GWO-FW-MKL-SVR預(yù)測(cè)模型，其中具體步驟如下：

S310：隨機(jī)選取樣本數(shù)據(jù)集中的部分樣本構(gòu)成訓(xùn)練集，另一部樣本構(gòu)成測(cè)試集；

S320：隨機(jī)初始化FW-MKL-SVR模型中參數(shù)[P，λ，d，r，γ]的參數(shù)值；

S330：設(shè)置最大迭代次數(shù)，將訓(xùn)練集中的所有數(shù)據(jù)作為FW-MKL-SVR模型的數(shù)據(jù)輸入，使用GWO灰狼優(yōu)化算法對(duì)所述參數(shù)進(jìn)行計(jì)算更新，當(dāng)訓(xùn)練達(dá)到最大迭代次數(shù)后停止，輸出最優(yōu)的參數(shù)；

S340：將最優(yōu)的參數(shù)代入FW-MKL-SVR模型，得到GWO-FW-MKL-SVR預(yù)測(cè)模型；

S400：利用測(cè)試集數(shù)據(jù)檢驗(yàn)GWO-FW-MKL-SVR模型預(yù)測(cè)的準(zhǔn)確性，將測(cè)試集數(shù)據(jù)輸入步驟S340得到的GWO-FW-MKL-SVR預(yù)測(cè)模型中，得到預(yù)測(cè)值，通過預(yù)測(cè)值與TBM的掘進(jìn)速率實(shí)測(cè)值計(jì)算性能指標(biāo)R²，若R²滿足設(shè)定的TBM掘進(jìn)預(yù)測(cè)精度要求，進(jìn)行下一步驟，且將GWO-FW-MKL-SVR預(yù)測(cè)模型設(shè)為最終模型；如果不滿足預(yù)設(shè)的TBM掘進(jìn)預(yù)測(cè)精度要求，則重復(fù)步驟S320—S340重新進(jìn)行模型訓(xùn)練和參數(shù)優(yōu)化；

S500：對(duì)未知TBM掘進(jìn)速率進(jìn)行預(yù)測(cè)：將未知TBM的機(jī)器運(yùn)行記錄數(shù)據(jù)、土體力學(xué)數(shù)據(jù)和巖石力學(xué)數(shù)據(jù)代入最終模型，得到未知TBM的掘進(jìn)速率預(yù)測(cè)值。