[發明專利]基于隨機森林和BP神經網絡的盾構掘進參數預測方法

在審

• 申請號: 202110987641.0
• 申請日: 2021-08-26
• 公開（公告）號: CN113673059A
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 王伯芝;李虎;劉學增;宋樹祥;劉新根;陳瑩瑩;門燕青;王亮;邢慧堂;黃永亮;劉浩
• 申請（專利權）人: 濟南軌道交通集團有限公司;上海同巖土木工程科技股份有限公司;山東軌道交通研究院有限公司
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06F119/02
• 代理公司: 上海浦東良風專利代理有限責任公司 31113
• 代理人: 張勁風

本發明涉及基于隨機森林和BP神經網絡的盾構掘進參數預測方法，步驟包括：剔除核心掘進參數存在零值的異常樣本數據；對同一盾構隧道管片環內盾構核心掘進參數樣本數據計算均值；提取地質勘探報告中的核心地質參數數據做輸入，盾構核心掘進參數數據均值做輸出，訓練隨機森林模型；對盾構樣本數據中的核心狀態參數和核心掘進參數數據進行預處理；以盾構核心狀態參數預處理結果做輸入，盾構核心掘進參數預處理結果做輸出，設計并訓練BP神經網絡模型；在盾構機初始開機時，通過隨機森林對盾構核心掘進參數做出預測，在盾構機運行過程中，通過BP神經網絡對盾構核心掘進參數做出實時預測。本發明用于對盾構機掘進參數的全流程預測。

技術領域

本發明涉及盾構掘進技術領域，特別涉及基于隨機森林和BP神經網絡的盾構掘進參數預測方法。

背景技術

隨著社會和經濟發展，人民對基礎建設的需求日益增長，地鐵作為基礎建設的主要板塊，快速高質量地完成對地鐵隧道的修建對基礎建設十分重要。

目前盾構機被廣泛用于城市地鐵隧道的修建中，但缺乏對盾構施工過程中各個相關參數的研究，掘進不同階段的盾構控制仍然是依賴人工經驗，在不同地質條件下收集的大量盾構參數沒有得到充分的分析和利用，因此綜合分析多種地質和盾構參數，研究一種對盾構掘進參數的全流程預測方法，實現施工過程中數據的快速分析和掘進參數的及時反饋十分重要。

公開號為CN103615256A的中國專利申請公開一種微型盾構機土壓平衡控制系統及控制方法，通過將安裝在微型盾構機密封艙內的土壓傳感器與用于調節微型盾構機土壓平衡的馬達電連接來調節盾構密封艙內的壓力。公開號為CN112329172A的中國專利申請公開一種基于并聯式神經網絡的盾構機刀盤扭矩預測方法及系統，通過預處理工作參數并建立并聯式神經網絡刀盤扭矩預測模型實現對刀盤扭矩的預測，現有方法均是對單一參數的預測及控制，難以滿足盾構施工全流程的多參數預測要求。

發明內容

本發明的目的是為了提供一種滿足盾構施工全流程的多參數預測要求的基于隨機森林和BP神經網絡的盾構掘進參數預測方法，主要解決現有方法均是對單一參數的預測及控制的技術問題。

本發明技術方案為：基于隨機森林和BP神經網絡的盾構掘進參數預測方法，包括如下步驟：

S1、剔除核心掘進參數存在零值的異常樣本數據；

S2、計算同一盾構隧道管片環內盾構核心掘進參數樣本數據的均值；

S3、提取地質勘探報告中的核心地質參數數據做輸入、步驟S2中的盾構核心掘進參數數據均值做輸出形成隨機森林訓練樣本，訓練隨機森林模型；

S4、對盾構樣本數據中的核心狀態參數和核心掘進參數數據進行標準化預處理；

S5、以步驟S4中盾構核心狀態參數標準化結果做輸入、盾構核心掘進參數標準化結果做輸出形成BP神經網絡訓練樣本，基于核心狀態參數與核心掘進參數個數搭建并訓練BP神經網絡模型；

S6、在盾構機初始開機時，通過隨機森林模型對盾構核心掘進參數做出預測，在盾構機運行過程中，通過BP神經網絡模型對盾構核心掘進參數做出實時預測。

進一步地，所述步驟S1的具體操作如下：

（1）盾構樣本數據量大小為N，每條盾構數據均由種核心掘進參數、種核心狀態參數和其他參數組成。選取盾構數據中種核心掘進參數，核心掘進參數名稱的集合為；

（2）若某條盾構樣本數據中，存在值為0的核心掘進參數，就把這條異常盾構樣本數據剔除，經過異常數據剔除后的盾構樣本數據量大小變為。

進一步地，所述步驟S2的具體操作如下：

對于每個核心掘進參數，處于同一盾構隧道管片環內的掘進參數值取平均，第環內的掘進參數平均值的計算方式如下：

其中表示第環內的盾構樣本數據量，表示第環內第條盾構數據的掘進參數的值，。