[发明专利]基于数据驱动径向基函数模型的TBM推进力预测方法

权利要求书

1.一种基于数据驱动径向基函数模型的TBM推进力预测方法，其特征在于具有如下步骤：

S1、收集TBM掘进过程中现场所记录的数据；

S2、确定影响TBM推进力的有关变量因子，建立变量因子的样本数据集作为训练集；

S3、构建径向基函数推进力模型，输入训练集，对径向基函数推进力模型进行训练，得出其权重；

S4、根据径向基函数推进力模型，运用估计样本均值和样本标准差方法，得出对推进力有主要影响的因子；

S5、根据得到的对推进力有主要影响的因子和训练集，对推进力有主要影响的因子进行再次构建径向基函数推进力模型，其中，对推进力有主要影响的因子的80％的数据作为建模样本，20％作为检测样本，进行简单交叉验证，确定径向基函数推进力模型的精度；

S6、将一个掘进周期中待预测的对推进力有主要影响的因子的样本集作为预测样本集，输入到径向基函数推进力模型，得出预测结果；

S7、对预测结果采用相对误差来进行评价，并对其相对误差运用统计分析方法，得出预测的评价准则和结果；

S8、在TBM掘进过程中，将产生新的对推进力有主要影响因子的数据，与上一掘进周期中的得到的对推进力有主要影响因子的数据，重新构建新的训练集，再次构建径向基函数推进力模型，重复步骤S6至步骤S8。

2.根据权利要求1所述的方法，其特征在于：所述步骤S1的具体步骤如下：TBM掘进周期的划分，识别每一个掘进周期中的有效数据，完成对掘进周期的识别，将其每一个掘进周期中的数据进行统一数据格式。

3.根据权利要求1所述的方法，其特征在于：所述步骤S2之前，需对步骤S1收集的数据进行处理，具体步骤如下：

数据的筛选：针对TBM掘进过程中遇到的突发情况和数据缺失采取如下措施：

a.数据剔除：根据TBM掘进过程中的特点，以掘进时间和掘进距离为参考，将TBM在上一个掘进周期和下一个掘进周期之间的数据进行剔除，达到掘进过程中推进力的持续变化目的；

b.数据补全：在一个掘进周期中，利用均值替换的方法补全缺失和异常的数据；

归一化数值：将步骤S1收集的数据的每个维度不同取值范围的数据值的取值范围处理到0到1之间。

4.根据权利要求1所述的方法，其特征在于：所述步骤S2中，影响TBM推进力的有关变量因子包括前盾俯仰角、前盾滚动角、左侧护盾压力、右侧护盾压力、顶护盾压力、左侧后支撑压力、右侧后支撑压力、撑靴压力、刀盘喷水压力、EP2内密封压力、EP2外密封压力、刀盘转速检测值、贯入度、推进速度，左撑靴俯仰角、左撑靴滚动角、右撑靴俯仰角、右撑靴滚动角、主机皮带机转速、桥架皮带机转速和转渣皮带机转速。

5.根据权利要求1所述的方法，其特征在于：所述步骤S3中采用MQ核函数进行径向基函数推进力模型的构建，求解，得出其权重。

6.根据权利要求1所述的方法，其特征在于：所述步骤S4中，运用估计样本均值和样本标准差方法指的是运用莫里斯的方法对影响TBM推进力的有关变量因子进行定性分析，得出对推进力有主要影响的因子包括左侧护盾压力、右侧护盾压力、撑靴压力、贯入度和推进速度。

7.根据权利要求1所述的方法，其特征在于：所述步骤S5中，用R²来评估径向基函数推进力模型的精度：

其中，m为检测点的数量，y_i为检测点的响应，为径向基函数模型的计算结果，为检测点响应的平均值，根据上式，R²的值越接近1，则说明模型的拟合程度越好，精度越高。

8.根据权利要求1所述的方法，其特征在于：所述步骤S7中对预测结果采用相对误差来进行评价指的是对预测结果和实际中的推进力值进行对比，通过运用相对误差的评价准则对其进行评价，相对误差表达式如下：

其中，a_m和a_c分别表示实际中的推进力值和预测结果，ε_a为相对误差。