[发明专利]基于随机森林和BP神经网络的盾构掘进参数预测方法

说明书

本发明涉及基于随机森林和BP神经网络的盾构掘进参数预测方法，步骤包括：剔除核心掘进参数存在零值的异常样本数据；对同一盾构隧道管片环内盾构核心掘进参数样本数据计算均值；提取地质勘探报告中的核心地质参数数据做输入，盾构核心掘进参数数据均值做输出，训练随机森林模型；对盾构样本数据中的核心状态参数和核心掘进参数数据进行预处理；以盾构核心状态参数预处理结果做输入，盾构核心掘进参数预处理结果做输出，设计并训练BP神经网络模型；在盾构机初始开机时，通过随机森林对盾构核心掘进参数做出预测，在盾构机运行过程中，通过BP神经网络对盾构核心掘进参数做出实时预测。本发明用于对盾构机掘进参数的全流程预测。

技术领域

本发明涉及盾构掘进技术领域，特别涉及基于随机森林和BP神经网络的盾构掘进参数预测方法。

背景技术

随着社会和经济发展，人民对基础建设的需求日益增长，地铁作为基础建设的主要板块，快速高质量地完成对地铁隧道的修建对基础建设十分重要。

目前盾构机被广泛用于城市地铁隧道的修建中，但缺乏对盾构施工过程中各个相关参数的研究，掘进不同阶段的盾构控制仍然是依赖人工经验，在不同地质条件下收集的大量盾构参数没有得到充分的分析和利用，因此综合分析多种地质和盾构参数，研究一种对盾构掘进参数的全流程预测方法，实现施工过程中数据的快速分析和掘进参数的及时反馈十分重要。

公开号为CN103615256A的中国专利申请公开一种微型盾构机土压平衡控制系统及控制方法，通过将安装在微型盾构机密封舱内的土压传感器与用于调节微型盾构机土压平衡的马达电连接来调节盾构密封舱内的压力。公开号为CN112329172A的中国专利申请公开一种基于并联式神经网络的盾构机刀盘扭矩预测方法及系统，通过预处理工作参数并建立并联式神经网络刀盘扭矩预测模型实现对刀盘扭矩的预测，现有方法均是对单一参数的预测及控制，难以满足盾构施工全流程的多参数预测要求。

发明内容

本发明的目的是为了提供一种满足盾构施工全流程的多参数预测要求的基于随机森林和BP神经网络的盾构掘进参数预测方法，主要解决现有方法均是对单一参数的预测及控制的技术问题。

本发明技术方案为：基于随机森林和BP神经网络的盾构掘进参数预测方法，包括如下步骤：

S1、剔除核心掘进参数存在零值的异常样本数据；

S2、计算同一盾构隧道管片环内盾构核心掘进参数样本数据的均值；

S3、提取地质勘探报告中的核心地质参数数据做输入、步骤S2中的盾构核心掘进参数数据均值做输出形成随机森林训练样本，训练随机森林模型；

S4、对盾构样本数据中的核心状态参数和核心掘进参数数据进行标准化预处理；

S5、以步骤S4中盾构核心状态参数标准化结果做输入、盾构核心掘进参数标准化结果做输出形成BP神经网络训练样本，基于核心状态参数与核心掘进参数个数搭建并训练BP神经网络模型；

S6、在盾构机初始开机时，通过随机森林模型对盾构核心掘进参数做出预测，在盾构机运行过程中，通过BP神经网络模型对盾构核心掘进参数做出实时预测。

进一步地，所述步骤S1的具体操作如下：

（1）盾构样本数据量大小为N，每条盾构数据均由种核心掘进参数、种核心状态参数和其他参数组成。选取盾构数据中种核心掘进参数，核心掘进参数名称的集合为；

（2）若某条盾构样本数据中，存在值为0的核心掘进参数，就把这条异常盾构样本数据剔除，经过异常数据剔除后的盾构样本数据量大小变为。

进一步地，所述步骤S2的具体操作如下：

对于每个核心掘进参数，处于同一盾构隧道管片环内的掘进参数值取平均，第环内的掘进参数平均值的计算方式如下：

其中表示第环内的盾构样本数据量，表示第环内第条盾构数据的掘进参数的值，。