-
公开(公告)号：CN113935545A
公开(公告)日：2022-01-14
申请号：CN202111326755.7
申请日：2021-11-10
申请人： 广东粤海珠三角供水有限公司 , 同济大学
摘要： 本发明公开了一种基于多影响因素的泥水盾构泥水仓压力预测方法，包括以下步骤：步骤1，获取泥水盾构PLC系统采集的数据；步骤2，进行泥水仓压力影响因素分析，得到影响因素；步骤3，根据影响因素对数据进行清洗、特征提取和样本划分，得到训练集数据和测试集数据；步骤4，基于训练集数据，采用遗传算法结合K折交叉验证优化神经网络拓扑结构，得到最优网络拓扑结构信息并构建最优模型；步骤5，基于训练集数据对最优模型进行训练，得到拟合模型，并基于测试集数据对拟合模型进行评估，若未达标则重复步骤4～5，直至模型预测效果达标；步骤6，使用达标的模型对下一时刻的泥水仓压力进行预测，对预测值是否处于合适的范围进行分析并给出反馈信息。
-
公开(公告)号：CN113946899B
公开(公告)日：2024-10-29
申请号：CN202111326792.8
申请日：2021-11-10
申请人： 广东粤海珠三角供水有限公司 , 同济大学
IPC分类号： G06F30/13 , G06F30/27 , G06N3/04 , G06N3/086 , G06N3/0985 , G06N3/126 , E21D9/06 , G06F111/08 , G06F119/14
摘要： 本发明提供了一种基于实时地质信息的泥水盾构掘进参数预测方法，用于预测泥水平衡式盾构掘进参数，其特征在于，包括以下步骤：步骤S1，确定掘进参数，并采集掘进数据。步骤S2，对掘进数据进行预处理，得到预处理数据。步骤S3，以分钟为粒度对预处理数据进行提取，得到提取数据集。步骤S4，对提取数据集进行数据标准化处理，得到标准化数据集。步骤S5，构建GA‑NN深度神经网络模型。步骤S6，利用遗传算法，将标准化数据集输入到GA‑NN深度神经网络模型进行超参数优化，得到最优的GA‑NN深度神经网络模型。步骤S7，将待测的地质信息、待测的泥水仓顶部压力和待测的操作参数输入到最优的GA‑NN深度神经网络模型，得到待测掘进荷载参数。
-
公开(公告)号：CN114036454A
公开(公告)日：2022-02-11
申请号：CN202111328376.1
申请日：2021-11-10
申请人： 广东粤海珠三角供水有限公司 , 同济大学
摘要： 本发明提供一种基于小波变换的TBM掘进参数时序数据阈值去噪方法，用于对掘进参数时序数据进行去噪处理，其特征在于，包括以下步骤：步骤S1，确定掘进参数，并采集与掘进参数相对应的含噪的时序数据。步骤S2，将含噪的时序数据按照正交小波函数进行小波分解，得到多层小波变换系数。步骤S3，利用软阈值函数对每一层高频系数进行非线性阈值处理，得到处理后的高频系数。步骤S4，利用通用阈值规则选取法对处理后的高频系数进行选取，得到选取后的高频系数。步骤S5，对低频系数和选取后的高频系数进行重构，得到去噪后的时序数据。本发明利用小波变换对时序数据进行处理并利用阈值选取进行去噪，计算量小、分析效率高，满足在线数据实时分析任务的需求。
-
公开(公告)号：CN113987715A
公开(公告)日：2022-01-28
申请号：CN202111328348.X
申请日：2021-11-10
申请人： 广东粤海珠三角供水有限公司 , 同济大学
摘要： 本发明公开了一种基于特征分组与集成神经网络的盾构机掘进参数预测方法，具有这样的特征，包括以下步骤：步骤1，获取泥水盾构PLC系统采集的数据，并对其进行预处理；步骤2，基于预处理后的数据，采用预定分析方法进行特征重要性分析；步骤3，根据特征重要性分析的结果，设定分组大小并对特征进行分组，并将预处理后的数据按照一定比例划分成训练集数据和测试集数据；步骤4，将每个分组对应的数据分别输入不同的神经网络结构中，并将多个神经网络结构的输出作为一个多元线性回归模型的输入，基于训练集数据对整个多元线性回归模型进行训练，得到参数预测模型；步骤5，在测试集数据上进行参数预测模型的评估。
-
公开(公告)号：CN113946899A
公开(公告)日：2022-01-18
申请号：CN202111326792.8
申请日：2021-11-10
申请人： 广东粤海珠三角供水有限公司 , 同济大学
IPC分类号： G06F30/13 , G06F30/27 , G06N3/04 , G06N3/08 , G06N3/12 , E21D9/06 , G06F111/08 , G06F119/14
摘要： 本发明提供了一种基于实时地质信息的泥水盾构掘进参数预测方法，用于预测泥水平衡式盾构掘进参数，其特征在于，包括以下步骤：步骤S1，确定掘进参数，并采集掘进数据。步骤S2，对掘进数据进行预处理，得到预处理数据。步骤S3，以分钟为粒度对预处理数据进行提取，得到提取数据集。步骤S4，对提取数据集进行数据标准化处理，得到标准化数据集。步骤S5，构建GA‑NN深度神经网络模型。步骤S6，利用遗传算法，将标准化数据集输入到GA‑NN深度神经网络模型进行超参数优化，得到最优的GA‑NN深度神经网络模型。步骤S7，将待测的地质信息、待测的泥水仓顶部压力和待测的操作参数输入到最优的GA‑NN深度神经网络模型，得到待测掘进荷载参数。
-
公开(公告)号：CN114021282A
公开(公告)日：2022-02-08
申请号：CN202111326750.4
申请日：2021-11-10
申请人： 广东粤海珠三角供水有限公司 , 同济大学
IPC分类号： G06F30/17 , G06F30/27 , G06F119/02
摘要： 本发明公开了一种融合多元神经网络结构的盾构机掘进参数预测方法，具有这样的特征，包括以下步骤：步骤1，对时序掘进参数数据和非时序地质条件数据分别进行预处理，得到预处理后的时序掘进参数数据和预处理后的非时序地质条件数据；步骤2，将预处理后的时序掘进参数数据和预处理后的非时序地质条件数据输入预测模型，运用预测模型对下一时刻的目标掘进参数进行预测与评估。其中，步骤1中，预处理采用多重插补法和移动平均法；步骤2中，预测模型包括多层感知器神经网络结构和循环神经网络结构。多层感知器神经网络结构用于处理非时序地质条件数据，循环神经网络结构用于处理时序掘进参数数据。
-
公开(公告)号：CN113935546A
公开(公告)日：2022-01-14
申请号：CN202111328369.1
申请日：2021-11-10
申请人： 广东粤海珠三角供水有限公司 , 同济大学
摘要： 本发明提供一种基于RF‑PSO的泥水平衡式盾构掘进参数优化方法，用于对盾构掘进参数进行优化，其特征在于，包括以下步骤：步骤S1，确定掘进参数，并采集与掘进参数相关的掘进数据，得到掘进数据集。步骤S2，对掘进数据集进行标准化处理，得到标准化数据集。步骤S3，构建随机森林岩机映射模型，并确定约束条件。步骤S4，将标准化数据集输入到随机森林岩机映射模型，并利用网络搜索法对随机森林岩机映射模型的超参数进行训练，得到最优超参数，并根据最优超参数得到最优随机森林岩机映射模型。步骤S5，构建掘进速度v的优化目标函数。步骤S6，根据最优随机森林岩机映射模型，基于优化目标函数利用粒子群算法得到最优掘进速度、最优贯入度和最优刀盘转速。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.044 秒)
