[发明专利]用于岩体参数预测的数据处理方法和装置在审

专利信息
申请号: 202210871892.7 申请日: 2022-07-22
公开(公告)号: CN115422821A 公开(公告)日: 2022-12-02
发明(设计)人: 谭忠盛;周振梁;李宗林;李林峰;郑修和;张潇天 申请(专利权)人: 北京交通大学
主分类号: G06F30/27 分类号: G06F30/27;G06N20/00;G06Q50/08
代理公司: 北京慧加伦知识产权代理有限公司 16035 代理人: 刘玉花
地址: 100000 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 参数 预测 数据处理 方法 装置
【权利要求书】:

1.一种用于岩体参数预测的数据处理方法,其特征在于,包括:

获取待处理数据,其中,所述待处理数据为用于表示掘进设备在待预测岩体掘进施工的相关数据;

对所述待处理数据进行基于数据分析的预处理,得到掘进特征数据,其中,所述掘进特征数据为用于表示所述掘进设备掘进特征的数据;以及

基于预设的岩体参数预测模型对所述掘进特征数据进行岩体参数预测处理,得到目标岩体参数数据。

2.根据权利要求1所述的数据处理方法,其特征在于,基于预设的岩体参数预测模型对所述掘进特征数据进行岩体参数预测处理,得到目标岩体参数数据包括:

基于预设的第一岩体参数模型对所述掘进特征数据进行第一预测处理,得到第一岩体参数数据,其中,所述第一岩体参数数据用于表示所述待预测岩体的第一过程预测参数的数据;

对所述掘进特征数据和所述第一岩体参数数据进行特征分析处理,得到过程特征数据;

基于预设的第二岩体参数模型对所述过程特征数据进行第二预测处理,得到第二岩体参数数据,其中,所述第二岩体参数数据用于表示所述待预测岩体参数的第二过程预测参数的数据;以及

对所述第二岩体参数数据进行校验处理,得到所述目标岩体参数数据。

3.根据权利要求2所述的数据处理方法,其特征在于,对所述掘进特征数据和所述第一岩体参数数据进行特征分析处理,得到过程特征数据包括:

对所述第一岩体参数的岩体完整性特征进行识别,得到岩体完整性特征数据,其中,所述岩体完整性特征数据为用于表示待预测岩体完整性特征的数据;

对所述岩体完整性特征数据进行岩体完整性分类预测处理,得到分类特征数据,其中,所述分类特征数据包括岩体完整性类别和与其对应的类别概率;以及

将所述分类特征数据与所述掘进特征数据进行匹配,得到所述过程特征数据。

4.根据权利要求1所述的数据处理方法,其特征在于,对所述待处理数据进行基于数据分析的预处理,得到掘进特征数据包括:

获取参考数据,其中,所述参考数据为所述掘进设备空载状态下掘进的相关数据;

基于所述参考数据对所述待处理数据进行过滤处理,得到过程待处理数据,其中,过程待处理数据为过滤所述参考数据后的待处理数据;以及

基于预设特征提取规则对所述过程待处理数据进行特征提取处理,得到所述掘进特征数据,其中,所述预设特征提取规则与掘进特征相对应,所述掘进特征数据为在所述过程待处理数据中提取得到的掘进特征的数据。

5.根据权利要求1所述的数据处理方法,其特征在于,在获取待处理数据之前,所述方法还包括:

获取训练样本数据,其中,所述训练样本数据为用于训练所述预设的岩体参数预测模型的样本数据;

对所述训练样本数据进行基于数据分析的预处理,得到多个训练特征数据,其中,所述多个训练特征数据为与岩体参数关联的多个特征数据;以及

基于所述多个训练特征数据对预设的神经网络模型进行训练处理,得到所述预设的岩体参数预测模型。

6.根据权利要求5所述的数据处理方法,其特征在于,基于所述多个训练特征数据对预设的神经网络模型进行训练处理,得到所述预设的岩体参数预测模型包括:

对所述多个训练特征数据进行分类处理,得到第一训练特征数据集和第二训练特征数据集,其中,所述第一训练特征数据集包括多个第一训练特征数据,所述第二训练特征数据集包括多个第二训练特征数据;

根据所述第一训练特征数据集对预设的回归分类模型进行训练处理,得到所述岩体第一预测模型,其中,所述岩体分类预测模型为用于对岩体完整性进行分类的模型;

基于所述岩体第一预测模型对所述第二训练特征数据集进行岩体完整性特征预测处理,得到过程训练特征数据,其中,所述过程训练特征数据为用于表示岩体完整性的特征数据;以及

根据所述第二训练特征数据集和所述过程训练特征数据对预设的神经网络模型进行训练处理,得到所述的岩体参数预测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学,未经北京交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210871892.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top