[发明专利]一种盾构机多源掘进参数关联性分析方法

说明书

本发明涉及一种盾构机多源掘进参数关联性分析方法，包括：步骤1：获取盾构机多源数据，并对数据进行预处理；步骤2：基于方差选择法进行掘进参数的初步筛选；步骤3：进行两两参数之间的线性关系分析；步骤4：进行两两参数之间的非线性关系分析；步骤5：基于多元线性回归模型进行被动参数与主动参数之间的线性关系分析；步骤6：基于多项式回归模型进行被动参数与主动参数之间的非线性关系分析；步骤7：经过步骤6筛选后剩余的参数，利用随机森林算法进行被动参数与主动参数之间的模型训练，并根据特征重要性选择最优参数组合。与现有技术相比，本发明具有准确性高、更加可靠、直观、效率高、分析能力强的等优点。

技术领域

本发明涉及盾构机参数处理技术领域，尤其是涉及一种盾构机多源掘进参数关联性分析方法。

背景技术

目前盾构施工仍然以人工操作为主，而面对大量的盾构机掘进参数操作员很难全面分析各参数并及时作出准确的调整，进而影响掘进效率。为了弥补人工操作的不足，机器学习成为解决盾构机掘进参数预测的重要手段，不少学者利用神经网络、LSTM、随机森林等机器学习算法进行模型训练并实现掘进参数的预测。对于机器学习而言，模型的选取和模型的输入量是决定预测效果的两大关键因素。本发明要解决的核心技术问题是提供一种有效分析盾构机多源掘进参数的关联性分析方法，同时给出了存在关联性的被动参数的经验公式，从而达到便捷确定训练模型合理输入量的目标。

中国专利CN110069893A公开了一种基于多项式回归的盾构机掘进参数的预测方法，该方法以部分掘进参数为输入量、关键掘进参数为输出量，利用神经网络算法进行模型训练与预测。其中，输入的部分掘进参数同样是基于Pearson相关系数进行了输出掘进参数与输入掘进参数的相关性分析，并选取相关性强的参数作为输入的掘进参数。中国专利CN110084322A中公开了一种基于神经网络的盾构机掘进参数的预测方法，该方法以部分掘进参数为输入量、关键掘进参数为输出量，利用神经网络算法进行模型训练与预测。其中，输入的部分掘进参数同样是基于Pearson相关系数进行了输出掘进参数与输入掘进参数的相关性分析，并选取相关性强的参数作为输入的掘进参数。中国专利CN111488694A公开了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，该方法以当前时刻以及之前的一段时间内部分掘进参数为输入量，下一时刻关键的掘进参数为输出量，建立多元线性自回归模型，从而可实现未来掘进参数的预测。在进行输入量掘进参数的选取时，仍然采用Pearson相关系数进行相关性分析，选取与输出量相关性强的掘进参数作为输入量。

上述专利涉及的关联性分析主要是在机器学习模型训练之前，依据Pearson相关系数等线性关系分析结果选取掘进参数，分析方法十分简单、极容易忽略非线性相关的参数关联关系，且面临预测结果包含被动量、无法进行参数调整的缺陷。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种准确性高、更加可靠、直观、效率高、分析能力强的盾构机多源掘进参数关联性分析方法。

本发明的目的可以通过以下技术方案来实现：

一种盾构机多源掘进参数关联性分析方法，所述的关联性分析方法包括：

步骤1：获取盾构机多源数据，并对数据进行预处理；

步骤2：基于方差选择法进行掘进参数的初步筛选；

步骤3：进行两两参数之间的线性关系分析；

步骤4：进行两两参数之间的非线性关系分析；

步骤5：基于多元线性回归模型进行被动参数与主动参数之间的线性关系分析；

步骤6：基于多项式回归模型进行被动参数与主动参数之间的非线性关系分析；

步骤7：经过步骤6筛选后剩余的参数，利用随机森林算法进行被动参数与主动参数之间的模型训练，并根据特征重要性选择最优参数组合。