[发明专利]一种基于GWO-FW-MKL-SVR算法的TBM掘进速率预测方法

权利要求书

1.一种基于GWO-FW-MKL-SVR算法的TBM掘进速率预测方法，其特征在于：包括如下步骤：

S100：构建样本数据集，样本数据集包括：多个TBM机器运行记录数据、土体力学数据、岩石力学数据和对应的TBM的掘进速率实测值；

S200：构建FW-MKL-SVR模型；

S210：改进SVR模型的核函数，得到FW-MKL-SVR模型核函数，对FW-MKL-SVR模型核函数进行对偶处理，然后得到FW-MKL-SVR模型；

S300：构建GWO-FW-MKL-SVR预测模型，其中具体步骤如下：

S310：随机选取样本数据集中的部分样本构成训练集，另一部样本构成测试集；

S320：随机初始化FW-MKL-SVR模型中参数[P，λ，d，r，γ]的参数值；

S330：设置最大迭代次数，将训练集中的所有数据作为FW-MKL-SVR模型的数据输入，使用GWO灰狼优化算法对S320中FW-MKL-SVR模型中参数[P，λ，d，r，γ]进行计算更新，当训练达到最大迭代次数后停止，输出最优的参数；

S340：将最优的参数代入FW-MKL-SVR模型，得到GWO-FW-MKL-SVR预测模型；

S400：利用测试集数据检验GWO-FW-MKL-SVR模型预测的准确性，将测试集数据输入步骤S340得到的GWO-FW-MKL-SVR预测模型中，得到掘进速率预测值，通过预测值与TBM的掘进速率实测值计算性能指标R²，若R²满足设定的TBM掘进预测精度要求，进行下一步骤，且将GWO-FW-MKL-SVR预测模型设为最终模型；如果不满足预设的TBM掘进预测精度要求，则重复S320—S340重新进行模型训练和参数优化；

S500：对未知TBM掘进速率进行预测：将未知TBM的机器运行记录数据、土体力学数据和岩石力学数据代入最终模型，得到未知TBM的掘进速率预测值。

2.如权利要求1所述的基于GWO-FW-MKL-SVR算法的TBM掘进速率预测方法，其特征在于：构建所述步骤S100中样本数据集，具体步骤为：

获取TBM机器运行记录数据：包括土仓压力CEP、总推力TH、刀盘转矩CT和刀盘转速CS；

通过原位实验和室内实验确定土体力学数据和岩石力学数据，土体力学数据包括：复合地层参数为黏聚力c、内摩擦角ψ、压缩模量Es；岩石力学数据包括：卵石比RB、单轴抗压强度UCS和岩石质量指标RQD。

3.如权利要求2所述的基于GWO-FW-MKL-SVR算法的TBM掘进速率预测方法，其特征在于：所述步骤S210得到FW-MKL-SVR模型的具体步骤如下：

S211：改进SVR模型的核函数得到FW-MKL-SVR模型核函数；

SVR模型的核函数表示如下：

FW-MKL-SVR模型的核函数如下：

其中，P为输入特征权重，λ为多项式核函数的权重，1-λ为径向基核函数的权重，d，r为多项式核函数的参数，γ为径向基核函数的参数；

S212：将FW-MKL-SVR模型的核函数用SVR对偶问题表示，代入函数f(x)，得到FW-MKL-SVR模型，公式表示如下：