[发明专利]一种基于掘进参数反演的TBM隧道岩爆等级预测方法及系统

权利要求书

1.一种基于掘进参数反演的TBM隧道岩爆等级预测方法，其特征在于，包括：

获取掘进数据，确定岩爆预测指标，建立掘进参数与岩爆预测指标的样本库；所述岩爆预测指标包括弹性模量、抗压强度与最大初始应力的比值、切向应力与岩石抗压强度之比、岩体完整性指数、岩体脆性程度、弹性应变能指数这六个指标；

通过机器学习手段，建立掘进参数与岩爆预测指标之间的非线性关系；

采用多属性决策的组合赋权法对岩爆预测指标进行权重分析；

采用LightGBM算法建立从岩爆预测指标到岩爆等级的映射关系，以预测岩爆等级；通过所述岩爆预测指标将岩爆划分为4个等级，即无岩爆，弱岩爆，中岩爆，强岩爆；

其中，通过门控循环单元手段建立掘进参数与岩爆预测指标之间的非线性关系，完成从掘进参数到岩爆预测指标的反演工作；所述掘进参数包括：推力、扭矩、刀盘转速、净掘进速度、贯入度；

重置门捕捉时序数据中短期的依赖关系，通过更新门捕捉时序数据中长期的依赖关系；

原理如下：

重置门：R_t＝σ(X_tW_xr+H_t-1W_hr+b_r)；

更新门：Z_t＝σ(X_tW_xZ+H_t-1W_hZ+b_z)；

其中，X_t∈R^n×x为时刻t的掘进参数的输入，H_t-1∈R^n×h为上一时刻的隐含状态，包含t-1时刻及之前的数据信息，重置门R_t∈R^n×h和更新门Z_t∈R^n×h，Ｗ_xr，W_xZ∈R^x×h，W_hr，W_hZ∈R^h×h是通过学习得到的权重参数，b_r，b_Z∈R^1×h是通过学习得到的偏移参数，σ为sigmoid函数，值域为[0，1]；

候补隐含状态H_t1＝tanh(X_tW_xh+R_t⊙H_t-1W_hh+b_h)，通过该状态来完成对过去信息的舍弃，只保留当前输入信息，实现“重置”功能，即捕捉时序数据中短期的依赖关系；

隐含状态H_t＝Z_t⊙H_t-1+(1-Z_t)⊙H_t1，通过该状态可完成对上一时刻隐含状态数据的保留，若存在迭代关系H_t＝H_t-1＝H_t-2＝…，则继承过去的数据信息从而实现“更新”功能，即捕捉时序数据中长期的依赖关系；

对岩爆预测指标进行标准化处理；

所述采用多属性决策的组合赋权法对标准化处理后的岩爆预测指标进行权重分析，包括：

(1)主观权重的确定，选用p种主观赋权法，其权重分别为：

u_k＝(u_k1，u_k2，…u_km)k＝1，2，…，p

式中u_kj表示用第k种主观赋权法对指标f_j确定的权重；

(2)客观权重的确定，选取q-p种客观赋权法，其权重分别为：

u_n＝(u_n1，u_n2，…u_nm)n＝p+1，p+2，…，q

式中u_nj≥0表示用第n种客观赋权法对指标f_j确定的权重；

(3)集成主客观权重的确定；

设集成后指标的权重表示为：

W＝(ω₁，ω₂，…ω_m)^T；

式中

所述采用LightGBM算法建立从岩爆预测指标到岩爆等级的映射关系，以预测岩爆等级，包括：

所述LightGBM算法利用弱分类器迭代训练以得到最优模型，同时采用单边梯度算法，实现从岩爆预测指标到岩爆等级的映射关系，预测岩爆等级。