[发明专利]一种基于机器学习的盾构姿态预测方法

说明书

本发明公开了一种基于机器学习的盾构姿态预测方法，预测方法包括：收集盾构现场施工数据和历史数据作为数据集并对数据集进行预处理和归一化；基于训练集对通过多种机器学习算法构建的盾构姿态预测模型进行训练，并基于测试集测试训练后的盾构姿态预测模型以选择性能最佳的盾构姿态预测模型；输入上一环管片的盾构参数及下一环管片的隧道几何和地质参数，预测下一环管片的盾构姿态，判断下一环管片的盾构姿态是否符合控制要求，若下一环管片的盾构姿态符合控制要求，进入下一步，否则利用优化算法来寻找最优盾构参数以限制盾构姿态的异常变化；输出下一环管片的盾构姿态符合控制要求的盾构参数，并将输出结果输入到盾构姿态预测模型的训练集内。

技术领域

本发明涉及盾构施工的技术领域，尤其是一种基于机器学习的盾构姿态预测方法。

背景技术

随着轨道交通的快熟发展，越来越多的地下隧道得以建设，盾构施工技术因其具有对土体扰动小、效率高、安全等优点，日益成为城市地下隧道的主要施工方法。在盾构掘进过程中，盾构姿态的有效控制是确保隧道施工质量的关键技术之一。盾构隧道衬砌由管片连续拼装而成，管片在盾尾处组装成整环。盾构掘进偏差的出现会引起隧道的误差，为今后的运营带来安全隐患，如管片损坏和错台。此外，如果盾构掘进偏差过大，可能会引起开挖路线的改变和土体超挖，对隧道工程的成本和进度构成严重的风险。因此，有必要对盾构掘进姿态进行控制和预防。而目前控制是由驾驶员的经验发出的，具有很大的不确定性。

盾构姿态和位置的预测可以看作是一个时间序列预测问题。机器学习技术在时间序列预测、语音识别和图像识别方面取得了巨大的成功。机器学习方法基于涵盖环境因素、地质条件及施工工艺等信息的工程实测数据进行驱动学习，所建立的模型能够考虑多因素之间的相互耦合作用，理解参数之间复杂的非线性关系，广泛应用于岩土工程领域。

据此，设计出一种基于机器学习的盾构姿态预测方法存在必要性和可行性。

发明内容

本发明的目的是根据上述现有技术的不足，提供了一种基于机器学习的盾构姿态预测方法，以盾构现场施工数据和历史数据作为数据集，通过机器学习算法建立盾构姿态预测模型，并对通过优化算法对盾构姿态预测模型的输入参数进行优化，可以实现对盾构姿态的预测。

本发明目的实现由以下技术方案完成：

一种基于机器学习的盾构姿态预测方法，其特征在于，所述预测方法包括以下步骤：

(S1)收集盾构现场施工数据和历史数据作为数据集并对所述数据集进行预处理和归一化，所述数据集包括地质参数集、隧道几何集和盾构参数集；将经预处理和归一化的数据集分成训练集和测试集；基于所述训练集对通过多种机器学习算法构建的盾构姿态预测模型进行训练，并基于所述测试集测试训练后的盾构姿态预测模型以选择性能水平最佳的盾构姿态预测模型；

(S2)输入上一环管片的盾构参数及下一环管片的隧道几何和地质参数，预测所述下一环管片的盾构姿态，判断所述下一环管片的盾构姿态是否符合控制要求，若所述下一环管片的盾构姿态符合控制要求，进入下一步，否则利用优化算法来寻找最优盾构参数以限制盾构姿态的异常变化；

(S3)输出所述下一环管片的盾构姿态符合控制要求的盾构参数，并将输出结果输入到所述盾构姿态预测模型的训练集内。

步骤S1包括以下步骤：

使用Pearson相关系数来识别所述数据集中盾构参数与目标盾构姿态参数间的相关性，Pearson相关系数的计算如下：

式中，x_i是所述数据集中盾构参数的实际值，y_i是所述目标盾构姿态参数的实际值，n是事件总数；