[发明专利]一种泥水盾构机油脂消耗预测方法、系统、设备和介质

说明书

本发明提出了一种泥水盾构机油脂消耗预测方法、系统、设备和介质，该方法包括：确定影响盾构机油脂消耗的参数，在对参数归一化处理之后，将处理后的参数划分为训练集和测试集；建立用于油脂消耗预测的RBF神经网络模型；并以训练集作为RBF神经网络的输入，对所述RBF神经网络模型进行训练；采用所述测试集对训练后的RBF神经网络模型进行验证，输出预测的消耗油脂量。基于该方法，还提出了一种泥水盾构机油脂消耗预测系统、设备和存储介质。其中油脂消耗量包括盾尾密封油脂酒耗量、主驱动内密封油脂消耗量和主驱动外密封油脂消耗量，本发明采用神经网络能较好地预测油脂的消耗量，在可接受范围内，对于油脂消耗的预测具有一定参考。

技术领域

本发明属于盾构机施工油脂预测技术领域，特别涉及一种泥水盾构机油脂消耗预测方法、系统、设备和介质。

背景技术

盾构施工是当今地铁修建的主要施工工法,具有对环境影响小，不受条件限制，以及施工安全、快速等诸多优点。然而盾构项目工程复杂，修建成本较高，科学且精确的成本管理是迫切需要的。材料费用在成本中占比甚高，对材料的消耗量进行准确估算势在必行。油脂是盾构施工过程中主要消耗性材料，该消耗量对施工成本的影响较大。盾构机在不同地质条件下施工时，对应的油脂消耗量变化较大。

现有技术中，还没有对盾构机在施工的过程中，油脂消耗预测切实可行的方法。

发明内容

为了解决上述技术问题，本发明提出了一种泥水盾构机油脂消耗预测方法、系统、设备和介质，采用神经网络算法能够较好的预测油脂的消耗量。

为实现上述目的，本发明采用以下技术方案：

一种泥水盾构机油脂消耗预测方法，包括以下步骤：

确定影响盾构机油脂消耗的参数，在对所述参数归一化处理之后，将处理后的参数划分为训练集和测试集；

建立用于油脂消耗预测的RBF神经网络模型；并以训练集作为RBF神经网络的输入，对所述RBF神经网络模型进行训练；

采用所述测试集对训练后的RBF神经网络模型进行验证，输出预测的消耗油脂量。

进一步的，所述影响盾构机油脂消耗的参数包括：当前区域对应盾构机的掘进速度、中等胶结砾岩方量、弱胶结砾岩方量、强风化碌岩方量、圆砾王方量和粉细砂士方量。

进一步的，所述输出预测的消耗油脂量包括盾尾密封油脂酒耗量、主驱动内密封油脂消耗量和主驱动外密封油脂消耗量。

进一步的，所述归一化处理的过程包括：

其中，X_i(k)为第k个样本的采样值；X_i-max为影响因素X_i的最大值；X_i-min为影响因素X_i的最小值；T_max为归一化后的最大值；T_min为归一化后的最小值；并且在T_max取值为1时，T_min取值-1。

进一步的，所述建立用于油脂消耗预测的RBF神经网络模型的过程包括：

以影响盾构机油脂消耗的参数作为RBF神经网络的输入层、预测的消耗油脂量作为RBF神经网络的输出层；并确定隐含层内基函数的中心、方差以及隐含层到输出层的权值。

进一步的，所述隐含层内基函数的中心、方差的方法为：

采用K-均值聚类法确认网络中心；选取h个中心做K-means聚类；则方差的计算公式为：

其中c_max为选取中心点之间的最大距离；

进一步的，所述确定隐含层到输出层的权值的方法为：