[发明专利]盾构掘进参数变量复杂度分组抽样多进程预测方法

权利要求书

1.盾构掘进参数变量复杂度分组抽样多进程预测方法，其特征在于，包括如下步骤：

步骤一、变量复杂度量化分组

将直接从盾构机可编程逻辑控制器或上位工控机内读取得到的掘进参数，作为原始变量；

设置抽样计数器，初始赋值为0；

变量复杂度H计算方法如式（1），N为变量维数，一元变量N为1，n元复合变量N为n，ai为变量中第i个原始变量的指数，d为对数函数底数，d取自然对数e；

（1）

通过将H值相同的变量作为同组变量，从而把未分组自变量集分为以H值为划分的Q个变量子集，同一变量子集中的各元素的H值均相同，定义同一变量子集中任一元素的H值为该变量子集的H代表值，不同变量子集的H代表值不同；

步骤二、分组分层抽样生成训练子集

先判断抽样计数器的值与R的关系，R是人工设定的大于1的正整数；

如果抽样计数器的值≤R，则进行第一类分组分层抽样；

如果抽样计数器的值＞R，则进行第二类分组分层抽样；

每完成一次第一类分组分层抽样或一次第二类分组分层抽样，则抽样计数器值增加1；

步骤三、训练子集进程封装并行运算

将以1个目标变量为应变量，以1个训练子集作为运算自变量集合，以拟合精度下限LL作为模型输出判定条件，应用符号回归算法进行拟合运算的任务，封装为1个训练子集进程，以本进程耗时作为本进程终止条件；

拟合精度取决定系数，LL取0.5；

步骤四、精度判定循环

通过步骤三对步骤二中得到的训练子集进行训练，得到拟合模型，判断本次得到的拟合模型的精度是否大于LL，若是则输出并保存该模型；否则：跳转到步骤二；

步骤五、模型测试优选

对步骤四中所有输出并保存的拟合模型，分别用原始变量采集完成之后时刻所采集到的盾构掘进参数进行测试，取测试拟合精度最高的拟合模型作为盾构掘进参数预测模型。

2.根据权利要求1所述的盾构掘进参数变量复杂度分组抽样多进程预测方法，其特征在于，步骤二中所述的第一类分组分层抽样，具体如下：

定义单个训练子集内包含M个元素，则从Q个变量子集中分组分层随机抽取M个元素，第一类分组分层抽样法则为：

当Q≥M时，从Q个变量子集中独立随机不重复抽取M个变量子集，再从这M个变量子集中的每一个变量子集中各独立随机抽取1个元素，从而构成一个由M个元素组成的训练子集；

当Q＜M时，存在M=T×Q+Y，层数T、余数Y均为不小于零的整数，且Y＜Q；定义每Q个元素空位构成一个整层，余元素空位的个数为Y；对于每一整层，从Q个变量子集中的每一个变量子集中各独立随机不重复抽取1个元素，构成一个整层集；对于余元素空位，从Q个变量子集中独立随机不重复抽取Y个变量子集，再从这Y个变量子集中的每一个变量子集中各独立随机抽取1个元素，构成余集；每个整层集中的每一个元素，和余集的每一个元素都不相同；每个整层集中的每一个元素，和其他整层集中的每一个元素都不相同；余集与所有整层集的并集，构成一个由M个元素组成的训练子集。