[发明专利]盾构姿态实时预测系统和预测模型的构建方法

权利要求书

1.盾构姿态实时预测系统,其特征为:具有数据相互双向传输的交互子系统、数据库子系统、模型库子系统,其中，

交互子系统：用于前端展示,以及操作和传递模型分析及数据查询的结果;

数据库子系统：用于存储和管理盾构项目施工进程中的各种数据;包括有:存储从决策支持系统所处环境中析取出的与决策目标相关数据的源数据库、采集源数据库数据的数据采集模块,用于数据定义,数据类型描述和数据源描述的数据目录模块、用于数据检索和读取﹑并通过数据目录模块来解释和响应来自其他子系统数据请求的查询模块、以及接收所述数据采集模块输出的决策支持数据库,在所述的决策支持数据库中保存有系统内部生成的数据和外部采集的项目数据,所述的数据目录模块和查询模块分别与所述的决策支持数据库双向连接;

模型库子系统：针对施工现场不同业务范围,进行建模分析和提供分析结果;包括有:用于存放实现各种决策的模型的模型库、用于对各种模型进行管理和调用的模型目录模块、以及用于完成建模分析和提供决策结果的训练与决策平台；

在数据库子系统的源数据库中包括内部数据库和外部数据库,其中内部数据库用于保存与盾构设备强相关的数据,外部数据库用于保存地下环境信息﹑地面环境信息和人员工作事务记录的数据；

在模型库子系统的模型库中,包括滚动角预测模型库﹑俯仰角预测模型库、水平趋向预测模型库、垂直趋向预测模型库、盾首姿态预测模型库和盾尾姿态预测模型库。

2.用于权利要求1所述的盾构姿态实时预测系统的构建方法,其特征为:盾构姿态实时预测模型基于一维卷积神经网络,构建步骤包括:

进行层堆叠：当多变量的时序样本数据集进入一维卷积神经网络的卷积层和池化层后,通过从上到下的卷积操作捕捉时序样本数据的特征,并在保证所述特征不变的前提下进行降维的最大池化运算;

通过损失函数定义当前模型下预测值与真实值间的距离,即损失值,用于衡量预测值与预期结果的匹配程度;

通过优化器使用所述的损失值来更新模型隐藏层中的内部权重,使模型训练后的损失值降到最低;

设置训练集输入到模型后进行训练的迭代次数,使模型通过相应次数的迭代训练后的输出达到稳定;

设置梯度下降中的批量超参数,用于在模型内部参数更新之前控制样本数量;

从数据库子系统中调用相应的历史数据资源来进行数据预处理,并通过预处理后的数据对模型进行训练,直到模型完成训练；

所述通过数据库子系统中的历史数据资源来进行数据预处理,包括:

根据盾构项目施工的需要,从历史数据资源中选取相应的数据构建盾构项目施工作业状态的数据空间,通过所述的数据空间,明确要解决盾构姿态问题需要包括的数据内容;

从数据库子系统的决策支持数据库中,提取解决盾构姿态问题所需要的数据内容对应的参数;

将所述参数中的参数名称作为列名,参数值为单元格值,根据施工参数记录时间顺序，构建一张集成施工数据的二维数据表;

根据二维数据表中的记录时间信息和/或盾构施工的环号信息,在该二维数据表中新增人工标签列,使该二维数据表包含施工数据和人工标签;

根据历史施工状态的数据确定预测时间的间隔和对应的参数变量,最后通过数据标准化形成最终的数据集格式。

3.如权利要求2所述的盾构姿态实时预测系统的构建方法,其特征为:在对模型进行训练的过程中,在对模型的微调阶段,通过网格搜索的方式对迭代次数在预设范围内进行搜索,以模型训练效果能够达到稳定状态且不发生过拟合时的迭代次数为迭代次数的最佳取值。