[发明专利]一种基于TBM运行数据的不良地质条件识别与预测方法

权利要求书

1.一种基于TBM运行数据的不良地质条件识别与预测方法，其特征在于，包括以下步骤：

步骤1，获取TBM运行数据与地勘资料数据；

步骤2，将所述TBM运行数据与所述地勘资料进行预处理，得到预处理后的数据；

步骤3，基于所述预处理后的数据进行特征变量设计，筛选出与目标相关的变量；

步骤4，基于与目标相关的变量，建立基于遗传编程的不良地质条件识别模型，并求得良好地质与不良地质的划分函数H(X)；

步骤5，根据所述H(X)判断TBM当前位置的地质情况。

2.根据权利要求1所述的基于TBM运行数据的不良地质条件识别与预测方法，其特征在于：

其中，步骤1的具体过程为：通过可编程逻辑控制器以固定频率采集TBM上所有传感器数据，获得所述TBM运行数据，

所述TBM运行数据至少包括总推力、刀盘扭矩、刀盘转速、贯入度以及掘进速度，

基于施工前地质勘探资料获得所述地勘资料数据，

所述地勘资料数据至少包括岩性、围岩分级。

3.根据权利要求1所述的基于TBM运行数据的不良地质条件识别与预测方法，其特征在于：

其中，步骤2中，所述预处理的具体步骤为：

步骤2-1，使用缺失值所在数据列的均值填补缺失的所述TBM运行数据；

步骤2-2，使用3σ准则和盖帽法删除所述TBM运行数据中的异常值；

步骤2-3，TBM掘进不同阶段划分，并取各个变量在稳定段内的均值构成TBM运行参数数据集；

步骤2-4，使用最近邻插值法处理所述地勘资料数据，并扩充所述TBM运行参数数据集；

步骤2-5，分别使用0-1标准化与独热编码分别处理连续变量与离散变量。

4.根据权利要求3所述的基于TBM运行数据的不良地质条件识别与预测方法，其特征在于：

其中，步骤2-1的具体过程为：

假设输入数据为的矩阵，满足：

式中，x_ij表示矩阵中第i行第j列元素，若x_ij元素缺失数据，且第j列共有p个元素缺失数据(pm)，则

步骤2-2的具体过程为：

验证连续变量的偏度S与峰度K：

式中，μ_j是第j个变量的均值，σ_j是第j个变量的标准差，

对于满足-3≤S≤3，-7≤K≤7的变量，使用3σ准则删除取值在(μ_j-3σ_j,μ_j+3σ_j)区间外的异常值，对于其他情况，使用盖帽法整行删除数据框里99％以上和1％以下的数据点，

步骤2-4的具体过程为：

若已知x_i-1，x_i+1处对应的地勘数据分别为f(x_i-1)，f(x_i+1)，且存在x_i满足则令f(x_i)＝f(x_i+1)，

步骤2-5的具体过程为：

利用0-1标准化将连续变量缩放到[0,1]区间内：利用独热编码，为离散变量的每个状态创建一个二进制表示。

5.根据权利要求3所述的基于TBM运行数据的不良地质条件识别与预测方法，其特征在于：

其中，步骤2-3的具体过程为：

步骤2-3-1，将TBM掘进循环分为掘进段和停机段组成，将所述掘进段按照数据整体趋势分为上升段和稳定段；

步骤2-3-2，定义G(X)＝g(推力)g(扭矩)g(掘进速度)，当G(X)＝0时，认为掘进处于所述停机段，从数据集中删除对应数据行；

步骤2-3-3，使用累积和变点识别法识别上升段与稳定段分界点：

S_kj达到最大值时对应的x_ij即为所述上升段与所述稳定段的分界点；

步骤2-3-4，取各个变量在稳定段内的均值构成TBM运行参数数据集D。