[发明专利]基于多元线性自回归的泥水盾构机掘进关键参数预测方法

权利要求书

1.一种基于多元线性自回归的泥水盾构机掘进关键参数预测方法，其特征在于：所述方法的步骤如下：

步骤A：提取与施工作业同类型的泥水盾构机在类似地质条件下的历史施工数据作为样本数据集data1；

步骤B：将数据集data1中的每一环都分成启动段和正常掘进段，提取正常掘进段的数据，形成数据集data2；

步骤C：对数据集data2进行去噪和归一化处理，形成数据集data3；

步骤D：对数据集data3进行初步数据分析，所述初步数据分析包括统计性描述分析、相关性分析以及平稳性分析，提取与待测目标明显线性相关的属性列数据形成数据集data4；

步骤E：将初步分析后的样本数据分为观测指标和预测指标，将观测指标作为输入，预测指标作为输出，通过建立多元线性自回归模型刻画输入变量和输出变量的关联关系，获得多元线性自回归模型的拟合系数；

步骤F：通过训练好的多元线性自回归模型，对泥水盾构机的关键掘进参数分别进行实际预测。

2.根据权利要求1所述的基于多元线性自回归的泥水盾构机掘进关键参数预测方法，其特征在于：所述历史施工数据需满足如下条件：a.泥水盾构机的刀盘布局、刀盘直径参数应接近；b.对应施工路段的地质条件应类似。

3.根据权利要求1所述的基于多元线性自回归的泥水盾构机掘进关键参数预测方法，其特征在于：在步骤A中，所述样本数据包括环号、时间、刀盘转速、推进速度、总推进力、各组油缸的压力、各个同步注浆泵压力、进浆密度、排浆密度、进浆流量、排浆流量。

4.根据权利要求1所述的基于多元线性自回归的泥水盾构机掘进关键参数预测方法，其特征在于：在步骤C中，去噪处理是对数据分段之后保留的正常掘进段数据集，分别将刀盘扭矩、刀盘转速、进浆流量、排浆流量、总推进力参数值处在[Q_0.1,Q_0.9]区间外的数据当作噪声去除掉。

5.根据权利要求1所述的基于多元线性自回归的泥水盾构机掘进关键参数预测方法，其特征在于：在步骤C中，归一化处理是对去噪之后的数据集按照最大最小归一化方法，分别将刀盘转速、推进速度、总推进力、各组油缸的压力、各个同步注浆泵压力、进浆密度、排浆密度、进浆流量、排浆流量参数进行归一化处理，具体为：对数据集data2中除环号、时间之外的各参数列，将0.1和0.9分位点确定为正常数据区间的下界和上界，剔除异常值，然后，将这些参数列的数据按最大最小归一化原则，转化到[0，1]区间内，归一化原则如下：

归一化之后，形成数据集data3。

6.根据权利要求1所述的基于多元线性自回归的泥水盾构机掘进关键参数预测方法，其特征在于：在步骤D中，统计性描述分析是对除了环号、时间之外的各参数列数据进行统计性分析，即统计各参数列中零值个数、中位数、均值、方差等，判断数据质量。

7.根据权利要求1所述的基于多元线性自回归的泥水盾构机掘进关键参数预测方法，其特征在于：在步骤D中，相关性分析是对除了环号、时间之外的各参数列数据进行相关性分析，即计算这些参数列之间的相关系数，形成相关系数表，具体为：分别计算各属性间的Pearson相关系数，找出明显线性相关的属性列，初步判断各属性的关联趋势，相关系数计算公式如下：

其中，是属性列x_i的平均值，是属性列y_i的平均值，N为样本个数。

8.根据权利要求1所述的基于多元线性自回归的泥水盾构机掘进关键参数预测方法，其特征在于：在步骤D中，平稳性分析是对泥水盾构机的相关参数列数据进行ADF平稳性检验，由于盾构机的惯性，正常掘进段的数据应该表现出一定的自相关性，再通过ACF(AutoCorrelation)及PACF(Partial Correlation)图，分别确定平稳序列的自回归模型阶数p。