【技术实现步骤摘要】
基于Xgboost的盾构施工不良地质类型预测方法
本专利技术属于工业大数据
,涉及一种盾构施工不良地质类型的预测方法,具体涉及一种基于Xgboost的盾构施工不良地质类型的预测方法,可用于在盾构施工过程中实时监测和分析开挖面围岩的地质情况。
技术介绍
伴随中国经济高速发展,大量人口涌入各大中型城市,城区规划面积有限,现有运输条件已不能满足人们交通出行的需求。城市化进程的加快、大城市人口数量的激增以及城市公路交通的拥堵使得城市轨道交通日益得到各国政府的高度重视。面对日益突出的交通拥堵、出行耗时等民生问题,世界各国诸多超大城市、大城市等纷纷通过或规划借助大力发展城市轨道交通来缓解现有交通压力、改善职住平衡。其中,城市轨道交通具有运量大、效率高、能耗低、集约化、乘坐方便、安全舒适等诸多优点,是解决城市交通拥堵问题、实现城市空间布局调整及城市均衡发展的重要途径。根据城市轨道交通协会统计,截止2017年6月底,中国大陆地区31个城市开通运营城市轨道交通,共计133条线路,运营线路总里程达4400公里。随着需求不断增长,地铁建设投资规模持续扩大,成大城市集中度高,三线及以下城市未来投资增长潜力较大趋势。而地铁建设的重中之重在于地铁隧道的挖掘。在隧道建设中,盾构法以其明显的经济技术优势和对周边环境影响较小的特点,成为地铁隧道施工最常用的方式之一。盾构机由于具有全封闭、快掘进、同时衬砌的优点,被广泛应用在地铁隧道施工工程。但这一优点也决定了盾构机在施工中不能像常规法施工的隧道那样可对围岩地质特征作全面观察,虽然盾构施工法会在隧道开挖之前对施工隧道区间进行勘察,记录地 ...
【技术保护点】
1.一种基于Xgboost的盾构施工不良地质类型预测方法,其特征在于,包括如下步骤:(1)对盾构机的PDV历史数据进行预处理:从盾构机PDV数据采集系统中获取包括地质特征数据和多个不同掘进参数数据的PDV历史数据,并对多个不同掘进参数数据进行预处理,得到包含多个预处理后的掘进参数数据的掘进参数数据集;(2)获取预处理后的多个掘进参数数据的关键特征:建立随机森林算法特征提取模型,并利用地质特征数据和掘进参数数据集对随机森林算法特征提取模型进行训练,得到包含多个表征地层变化的掘进参数关键数据特征的掘进参数关键数据特征集;(3)构建不良地质预测数据包:提取掘进参数数据集中与掘进参数关键数据特征集中所有特征对应的数据,组成掘进参数特征数据集,并将其与地质特征数据合并为不良地质预测数据包;(4)建立Xgboost算法不良地质预测模型:将不良地质预测数据包中80%的特征数据作为训练集,其余的特征数据作为测试集,并利用训练集对Xgboost算法不良地质预测模型进行训练,得到Xgboost算法不良地质预测模型;(5)对Xgboost算法不良地质预测模型进行评估:(5a)利用测试集对Xgboost算法不 ...
【技术特征摘要】
1.一种基于Xgboost的盾构施工不良地质类型预测方法,其特征在于,包括如下步骤:(1)对盾构机的PDV历史数据进行预处理:从盾构机PDV数据采集系统中获取包括地质特征数据和多个不同掘进参数数据的PDV历史数据,并对多个不同掘进参数数据进行预处理,得到包含多个预处理后的掘进参数数据的掘进参数数据集;(2)获取预处理后的多个掘进参数数据的关键特征:建立随机森林算法特征提取模型,并利用地质特征数据和掘进参数数据集对随机森林算法特征提取模型进行训练,得到包含多个表征地层变化的掘进参数关键数据特征的掘进参数关键数据特征集;(3)构建不良地质预测数据包:提取掘进参数数据集中与掘进参数关键数据特征集中所有特征对应的数据,组成掘进参数特征数据集,并将其与地质特征数据合并为不良地质预测数据包;(4)建立Xgboost算法不良地质预测模型:将不良地质预测数据包中80%的特征数据作为训练集,其余的特征数据作为测试集,并利用训练集对Xgboost算法不良地质预测模型进行训练,得到Xgboost算法不良地质预测模型;(5)对Xgboost算法不良地质预测模型进行评估:(5a)利用测试集对Xgboost算法不良地质预测模型进行测试,并将测试得到的不良地质类型预测值与测试集中的不良地质类型真实值进行对比,得到Xgboost算法不良地质预测模型预测结果的正确率accuracy;(5b)判断正确率accuracy是否小于预先设置阈值,若是,执行步骤(2),否则保存Xgboost算法不良地质预测模型。(6)对盾构施工过程中不良地质类型进行预测:从盾构机PDV数据采集系统采集到的盾构施工过程中PDV实时数据中提取掘进参数关键数据特征集中所有特征对应的数据,并将其输入到Xgboost算法不良地质预测模型中,得到盾构施工过程中不良地质类型的预测值。2.根据权利要求1所述的基于Xgboost的盾构施工不良地质类型预测方法,其特征在于,步骤(1)所述的对多个不同掘进参数数据进行预处理,包括如下步骤:(1a)对多个不同掘进参数数据进行缺失值检测,并对存在缺失值的多个不同掘进参数数据进行平均数填充,得到包含多个完整的掘进参数数据的掘进参数数据集;(1b)判断p(|x-μ|>3σ)≤0.003是否成立,若是,则将掘进参数数据集中的观察值x作为掘进参数数据异常值,并执行步骤(1c),否则,掘进参数数据集中不存在异常值,执行步骤(1d),其中x为掘进参数数据集中的观察值,μ为掘进参数数据集中每个掘进参数的平均值,σ为掘进参数数据集中每个掘进参数的标准差,p为观察值x和平均值μ的差值超过3倍标准差σ的概率;(1c)利用掘进参数数据集中掘进参数数据的平均值对相应掘...
【专利技术属性】
技术研发人员:孔宪光,常建涛,张宇航,宫思艺,王佩,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
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。