【技术实现步骤摘要】
本专利技术涉及盾构掘进参数预测领域，特别涉及，一种基于多源异构数据融合的盾构土仓压力的预测方法和系统。
技术介绍
1、在城市地下工程建设过程中，盾构法由于施工速度快、对环境扰动影响小及成本低而被广泛采用。对于盾构隧道穿越砂卵石地层，砂卵石地层具有明显的不均匀性及非连续性。土仓压力是盾构施工中最重要的控制参数之一，土仓压力失衡将会造成掌子面失稳、地层缺失，进而引起地表沉降等一系列不良后果。以往盾构掘进过程中司机主要依据盾构开挖面的土压平衡理论来粗略估计开挖面的水土压力，这种方法将导致掘进参数调整不及时，甚至会造成刀具异常磨损、效率低下等问题。随着深度学习的蓬勃发展及数据采集技术的不断进步，为盾构土仓压力的设定带来了新的手段。
2、目前，大多数学者通过盾构推进速度、刀盘扭矩、贯入度等掘进参数，采用机器学习算法对盾构土仓压力进行预测，这一方法在一定程度上解决了盾构土仓压力的预测问题，但是相关方法缺乏对其他异构数据特征如盾构直径、隧道埋深等的考虑，同时仅针对单一项目无法迁移到其他项目进行应用。
技术实现思路
1、针对上述缺陷，本专利技术解决的技术问题在于，提供一种基于多源异构数据融合的盾构土仓压力的预测方法和系统，以解决现在盾构土仓压力预测精度低、参数设定缺乏科学参考的问题。
2、本专利技术第一方面提供了一种基于多源异构数据融合的盾构土仓压力的预测方法，所述方法用于盾构项目，包括：
3、s101：获取与盾构项目相关数据，分析相关数据；所述相关数据包括：掘
4、s102：将分析后的所述相关数据作为输入变量，以盾构土仓压力作为输出变量，建立多源异构数据融合模型，得到第一盾构土仓压力预测模型；
5、s103：将所述第一盾构土仓压力预测模型用于其他盾构项目，得到第二盾构土仓压力预测模型，完成其盾构土仓压力的预测。
6、优选的，所述获取与所述盾构项目相关数据，包括：
7、使用传感器采集盾构项目相关数据，并提取出相应的盾构参数信号；
8、对所述盾构参数信号进行小波分解得到每一个分解层数下的小波系数；
9、根据每一个分解层数下的小波系数构建随分解层数变换的处理阈值；
10、根据所述处理阈值构建小波系数预处理函数；
11、利用所述小波系数预处理函数对每一个分解层数下的小波系数进行处理得到预处理后的小波系数；
12、对所述预处理后的小波系数进行重构得到盾构项目相关数据。
13、优选的，所述根据每一个分解层数下的小波系数构建随分解层数变换的处理阈值，包括：
14、提取出每一个分解层数下所有的高频小波系数；
15、根据所述高频小波系数计算环境噪声标准差；
16、根据所述环境噪声标准差构建处理阈值；其中，所述处理阈值为：
17、
18、其中，λi表示第i个分解层数下的处理阈值，σ表示环境噪声标准差，n表示盾构参数信号，median表示取中位数，d表示高频小波系数。
19、优选的，所述根据所述处理阈值构建小波系数预处理函数，包括：
20、采用公式：
21、
22、构建小波系数预处理函数；其中，tanh表示正切函数，ωi表示第i个小波系数，k表示调节系数，表示预处理后的小波系数。
23、优选的，所述对所述预处理后的小波系数进行重构得到盾构项目相关数据，包括：
24、将预处理后的小波系数进行重构得到重构后的盾构参数信号；
25、对重构后的盾构参数信号的质量进行评估得到质量指标；其中，质量指标计算公式为：
26、
27、其中，snr表示第一质量指标数，xi表示原始的盾构参数信号在第i个点处的幅值，yi表示重构后盾构参数信号在第i个点处的幅值，cc表示第二质量指标数，表示原始的盾构参数信号的均值，表示重构后盾构参数信号的均值；
28、判断质量指标是否在预设范围内，若质量指标不在预设范围内，则改变小波系数预处理函数的调节系数重新对小波系数进行预处理直到所述质量指标进入预设范围，输出相应的盾构项目相关数据。
29、优选的，所述分析相关数据，包括：对所述相关数据空值处理、去噪处理和标准化处理，并对处理后的相关数据采用相关性分析方法进行分析，判断所述相关数据是否存在冗余；其中，所述去噪处理包括：设定所述相关数据参数列总长度为n，一个数据采集频率为f,容忍时间跨度为tmax，假设第一条数据采集时间为t1,第n条数据采集时间为tn，则：
30、tn＝tn-t1
31、其中，tn为第n条采集数据的时间跨度；
32、如果，tn≤tmax，所述采集的相关数据可用；
33、如果，tn＞tmax，所述采集的相关数据不可用。
34、优选的，所述去噪处理还包括：增加容错数据条数r,采集数据时间跨度为r/f,则：
35、tmax＝(n+r)/f
36、其中，tmax为容忍时间跨度。
37、优选的，所述对处理后的相关数据采用相关性分析方法进行分析，判断所述相关数据是否存在冗余，包括：
38、将土仓压力作为因变量，将相关数据作为自变量，按照从大到小的顺序进行排序，形成因变量序列和自变量序列；
39、将同一时间采集的因变量和自变量数据对的位次做差形成等级差；
40、根据所述等级差计算土仓压力与每个相关数据的相关性系数；其中，所述相关性系数计算公式为：
41、
42、其中，rs表示相关性系数，n表示因变量和自变量数据对的个数，dr表示同一时间采集的因变量和自变量数据对的等级差；
43、将不在预设范围内的相关性系数所对应的相关数据去除。
44、本专利技术第二方面公开了一种基于多源异构数据融合的盾构土仓压力的预测系统，所述系统包括：
45、获取单元，用于获取与所述盾构项目相关的数据，分析所述相关数据；
46、所述获取单元包括：获取子单元，用于获取掘进参数、盾构埋深和地层土体物理参数；
47、分析单元，用于采用小波分析阈值法去噪处理所述相关数据和采用相关性分析方法对所述相关数据进行分析，判断所述相关数据是否存在冗余；
48、融合单元，用于将分析后的所述相关数据作为输入变量，以盾构土仓压力作为输出变量，建立多源异构数据融合模型，得到第一盾构土仓压力预测模型；
49、学习单元，将所述第一盾构土仓压力预测模型用于其他盾构项目，得到第二盾构土仓压力预测模型。
50、本专利技术第三方面提供了一种智能设备，包括发送器、接收器、存储器和处理器；所述存储器用于存储计算机指令；所述处理器用于运行所述存储器存储的所述计算机指令实现以上所述基于多源异构数据融合的盾构土仓压力的预测方法。
51、本发本文档来自技高网...
【技术保护点】
1.基于多源异构数据融合的盾构土仓压力的预测方法，其特征在于，所述方法用于盾构项目，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取与所述盾构项目相关数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据每一个分解层数下的小波系数构建随分解层数变换的处理阈值，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述处理阈值构建小波系数预处理函数，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述预处理后的小波系数进行重构得到盾构项目相关数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述分析相关数据，包括：对所述相关数据空值处理、去噪处理和标准化处理，并对处理后的相关数据采用相关性分析方法进行分析，判断所述相关数据是否存在冗余；其中，所述去噪处理包括：设定所述相关数据参数列总长度为n，一个数据采集频率为f,容忍时间跨度为Tmax，假设第一条数据采集时间为t1,第N条数据采集时间为tN，则：
7.根据权利要求6所述的方法，其特征在于，所述去噪处理还包括：增加容错数据条
8.根据权利要求6所述的方法，其特征在于，所述对处理后的相关数据采用相关性分析方法进行分析，判断所述相关数据是否存在冗余，包括：
9.基于多源异构数据融合的盾构土仓压力的预测系统，其特征在于，所述系统包括：
10.一种存储介质，其特征在于，包括：可读存储介质和计算机指令，所述计算机指令存储在所述可读存储介质中；所述计算机指令用于实现权利要求1至8任一项所述基于多源异构数据融合的盾构土仓压力的预测方法。
...【技术特征摘要】
1.基于多源异构数据融合的盾构土仓压力的预测方法，其特征在于，所述方法用于盾构项目，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取与所述盾构项目相关数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据每一个分解层数下的小波系数构建随分解层数变换的处理阈值，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述处理阈值构建小波系数预处理函数，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述预处理后的小波系数进行重构得到盾构项目相关数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述分析相关数据，包括：对所述相关数据空值处理、去噪处理和标准化处理，并对处理后的相关数据采用相关性分析方法进行分析，判断所述相关数据是否存在冗...
【专利技术属性】
技术研发人员：何华飞，郭飞，张轩旗，张天卓，何方圆，刘勇强，孟毅欣，李波，
申请(专利权)人：北京高新市政工程科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。