[发明专利]一种基于XGBoost算法预测盾构机土仓压力的方法

权利要求书

1.一种基于XGBoost算法预测盾构机土仓压力的方法，其特征在于，其步骤如下：

步骤一：特征提取：通过XGBoost算法筛掉与土仓压力变化相关性数值小的特征变量，选取与土仓压力变化关联的相关变量，并将选取的所有相关变量汇集，作为表征土仓压力变化的特征向量；

步骤二：传感器采集的原始数据经步骤一的特征提取处理成为待分析数据集，将待分析数据集进行移位变换分成训练集和验证集；

步骤三：投喂步骤二获得的训练集以获得初始XGBoost回归模型，并通过网格搜索方式，得到最优模型参数；将验证集中的数据样本输入经参数优化后的XGBoost回归模型，对其预测性能进行评估，最后以文件形式保存得到最优的XGBoost土压回归模型；

步骤四：XGBoost土压回归模型进行盾构土压值预测：载入在步骤三中获得的XGBoost土压回归模型的文件，输入每时刻与土压相关的特征向量，使用XGBoost土压回归模型计算出未来时段的土压值，并绘制预测曲线。

2.根据权利要求1所述的基于XGBoost算法预测盾构机土仓压力的方法，其特征在于，所述步骤一中XGBoost算法的实现方法为：利用树集成的思想将K棵回归树的结果进行求和，作为最终的预测值：

数据集合表示为：

其中，数据集合D中样本条目数为n，x_i为m维的特征向量，y_i为第i个特征向量x_i对应的土仓压力值，为实数集，i为序号下标，且1＝i＝n；

XGBoost算法生成回归树的集合F为：

其中，q为一棵回归树结构的确定法则，即将m维的特征向量x_i映射到T个叶子节点的数值，而T个叶子节点数值的权重由T维向量ω指定；f(x)表示某一棵回归树的映射关系，即由特征向量x映射至目标值f(x)，W_q(x)为一棵回归树的结构由法则q确定，并将特征向量x映射至目标值W_q(x)；

一条数据样本的回归值由K棵回归树的计算结果的和确定：

其中，表示第i个预测土压值，表示映射特征向量x_i得到的预测值，f_k(x_i)表示第k棵回归树对特征向量x_i进行映射得到的回归数值，f_k表示第k棵回归树的映射关系；

通过XGBoost算法对比使用不同特征变量的预测土压值与实际值的误差，并根据误差的大小判断不同的特征变量与盾构土压之间的相关程度，获得不同特征变量与盾构土压之间的相关性数值，选取误差最小的特征变量组合。

3.根据权利要求1或2所述的基于XGBoost算法预测盾构机土仓压力的方法，其特征在于，所述步骤二中移位变换的方法为：

使每时刻的特征向量一一对应未来时刻的盾构土压值Label，实现步骤为：

Step1：将盾构土压值Label的列上移z个时间单位；

Step2：删除分析数据集的最后z行。

4.根据权利要求3所述的基于XGBoost算法预测盾构机土仓压力的方法，其特征在于，所述训练集与验证集所包含数据样本数量的比例定为：3：1；采用交叉验证的方式，生成四轮用于XGBoost回归模型训练的训练集和验证的验证集的组合，即将移位变换后的数据集均分为4等份，每一轮依次选择一份数据样本用作验证集。