盾构姿态实时预测系统和预测模型的构建方法技术方案

本发明专利技术涉及盾构姿态实时预测系统和预测模型的构建方法，其中系统包括：具有数据相互双向传输的交互子系统、数据库子系统、模型库子系统，其中，交互子系统：用于前端展示，以及操作和传递模型分析及数据查询的结果；数据库子系统：用于存储和管理盾构项目施工进程中的各种数据，包括有：源数据库、数据采集模块、决策支持数据库、数据目录模块和查询模块；模型库子系统：进行建模分析和提供分析结果，包括有：模型库、模型目录模块、以及训练与决策平台。本发明专利技术能够通过盾构掘进过程中的实时参数对掘进姿态进行实时预测，有效提高了施工现场的决策速度与工程质量。

【技术实现步骤摘要】
盾构姿态实时预测系统和预测模型的构建方法
本专利技术涉及用于盾构施工项目的系统和建模方法，具体讲是盾构姿态实时预测系统和预测模型的构建方法。
技术介绍
在盾构施工项目现场中，决策业务难点和重点是对盾构掘进的管控，其中盾构设备的掘进姿态是影响施工质量、安全与进度的关键环节。目前，国内外学者就盾构姿态控制决策问题，进行了以下方面的研究：(1)关注施工现场盾构姿态的日常监控与发生偏移后的姿态调整技术，建立姿态调整模型、姿态控制模型，包括掘进轨迹的控制、初始段的姿态调整等。(2)关注盾构姿态风险的产生机理，通过分析设备组件、施工工艺及外部环境，推导掘进姿态与其余影响因素的作用与反作用，辅助施工现场进行姿态预判与决策。(3)以盾构机掘进姿态的测量计算作为切入点，对测量计算的对象和方法进行研究，达到控制、调整姿态的目的，包括姿态角和坐标系的计算、人工与自动测量系统的对比、优化等。(4)侧重于探讨盾构机掘进姿态与其他盾构子系统的影响因素，来帮助施工现场的基层管理者进行姿态的预判和控制决策，包括千斤顶系统、管片等控制。但上述对于盾构姿态的控制决策研究多侧重于从施工角度，结合人工经验，对异常姿态进行事后因果分析和影响因素研究，建立控制模型，未能在掘进姿态的事前预测方面提出一套完备的、适用于多类盾构机型、多种地质环境的分析方法。导致在盾构施工现场依然需要依靠专家知识进行预判和决策，因而容易因人工低效决策造成盾构姿态异常、设备受损、进度滞后和事故发生带来经济损失与社会影响，无法完全满足事前高效防控、降低姿态风险的行业要求。同时，对于目前的研究，还存在以下方面的问题：(1)结构化数据的浪费。随着信息科学与盾构领域逐步交融，传感技术已被成熟应用于施工现场的数据采集工作。然而，目前大量积累的盾构项目数据尚未充分应用于支持大型复杂工程的施工现场的管理决策工作，虽然部分学者们利用机器学习中支持向量机的算法进行姿态纠偏研究，但这种方法更适用于小样本的学习，对于盾构项目这种以秒为单位进行采集的高维、巨量施工数据集合，亟需一种适用于大样本的数据科学处理方法。(2)非结构化数据的利用率低下。盾构这类传统大型复杂工程项目中还包含了大量的非结构化信息，它们是施工现场中管理决策的重要参考依据，包括地勘报告、设计图纸、会议文档和施工日志等。而非结构化数据的格式不规范化、零散化问题，会大大降低管理者多线程业务决策的速度与质量。(3)在预测方法的选择方面，目前大多利用传统的浅层网络模型对盾构设备掘进姿态进行研究，但是这些模型面对复杂目标函数易表现出训练效果较差和容易陷入局部最优的状况。(4)在机器学习模型的构建方面，由于目前主要使用浅层的神经网络结构进行盾构设备掘进姿态研究，并在构建输入特征集合时，侧重于依靠领域知识挑选个别重要参数，进行特征识别、序列数据建模和预测等工作，导致最终结果不但受人为主观经验、知识的影响较大，而且因为在构建模型时只选取了个别重要参数，使得模型最终的准确性也较低。
技术实现思路
本专利技术提供了一种盾构姿态实时预测系统和预测模型的构建方法，针对目前盾构掘进过程管控中的掘进姿态预测问题，通过非姿态类数据来预测未来时刻盾构机掘进姿态的状态，以改善施工现场的决策速度与工程质量，解决目前存在的人工低效决策与数据知识浪费的问题。本专利技术盾构姿态实时预测系统，具有数据相互双向传输的交互子系统、数据库子系统、模型库子系统，其中，交互子系统：用于前端展示，以及操作和传递模型分析及数据查询的结果；数据库子系统：用于存储和管理盾构项目施工进程中的各种数据；包括有：存储从决策支持系统所处环境中析取出的与决策目标相关数据的源数据库、采集源数据库数据的数据采集模块、用于数据定义、数据类型描述和数据源描述的数据目录模块、用于数据检索和读取、并通过数据目录模块来解释和响应来自其他子系统数据请求的查询模块，以及接收所述数据采集模块输出的决策支持数据库，在所述的决策支持数据库中保存有系统内部生成的数据和外部采集的项目数据，所述的数据目录模块和查询模块分别与所述的决策支持数据库双向连接；模型库子系统：针对施工现场不同业务范围，进行建模分析和提供分析结果；包括有：用于存放实现各种决策的模型的模型库、用于对各种模型进行管理和调用的模型目录模块、以及用于完成建模分析和提供决策结果的训练与决策平台。本专利技术的预测系统，能够根据盾构机运转过程中收集的参数预测未来一段时间的盾构机姿态状态，包括盾构姿态中的滚动角、俯仰角、水平趋向、垂直趋向等多种姿态参数的预测。进一步的，在数据库子系统的源数据库中包括内部数据库和外部数据库，其中内部数据库用于保存与盾构设备强相关的数据，包含盾构设备信息以及施工作业中设备产生的数据；外部数据库用于保存地下环境信息、地面环境信息和人员工作事务记录的数据。进一步的，在模型库子系统的模型库中，包括滚动角预测模型库、俯仰角预测模型库、水平趋向预测模型库、垂直趋向预测模型库、盾首姿态预测模型库和盾尾姿态预测模型库。本专利技术还提供了一种用于上述预测系统的盾构姿态实时预测模型的构建方法，其中盾构姿态实时预测模型基于一维卷积神经网络，构建步骤包括：进行层堆叠：当多变量的时序样本数据集进入一维卷积神经网络的卷积层和池化层后，通过从上到下的卷积操作捕捉时序样本数据的特征，并在保证所述特征不变的前提下进行降维的最大池化运算；通过损失函数定义当前模型下预测值与真实值间的距离，即损失值，用于衡量预测值与预期结果的匹配程度；通过优化器使用所述的损失值来更新模型隐藏层中的内部权重，使模型训练后的损失值降到最低；设置训练集输入到模型后进行训练的迭代次数，使模型通过相应次数的迭代训练后的输出达到稳定；设置梯度下降中的批量超参数，用于在模型内部参数更新之前控制样本数量；从数据库子系统中调用相应的历史数据资源来进行数据预处理，并通过预处理后的数据对模型进行训练，直到模型完成训练。本专利技术的预测模型，针对不同的姿态参数，根据上述方法训练数据后，即可训练出具体参数的预测模型。并且通过该预测模型能够对盾构姿态中的滚动角、俯仰角、水平趋向、垂直趋向等多种姿态参数进行预测。进一步的，在对模型进行训练的过程中，在对模型的微调阶段，通过网格搜索的方式对迭代次数在预设范围内进行搜索，以模型训练效果能够达到稳定状态且不发生过拟合时的迭代次数为迭代次数的最佳取值。具体的，所述通过数据库子系统中的历史数据资源来进行数据预处理，包括：根据盾构项目施工的需要，从历史数据资源中选取相应的数据构建盾构项目施工作业状态的数据空间，通过所述的数据空间，明确要解决盾构姿态问题需要包括的数据内容；从数据库子系统的决策支持数据库中，提取解决盾构姿态问题所需要的数据内容对应的参数；将所述参数中的参数名称作为列名、参数值为单元格值，根据施工参数记录时间顺序，构建一张集成施工数据的二维数据表；根据二维数据表中的记录时间信息和/本文档来自技高网...

【技术保护点】
1.盾构姿态实时预测系统，其特征为：具有数据相互双向传输的交互子系统、数据库子系统、模型库子系统，其中，/n交互子系统：用于前端展示，以及操作和传递模型分析及数据查询的结果；/n数据库子系统：用于存储和管理盾构项目施工进程中的各种数据；包括有：存储从决策支持系统所处环境中析取出的与决策目标相关数据的源数据库、采集源数据库数据的数据采集模块、用于数据定义、数据类型描述和数据源描述的数据目录模块、用于数据检索和读取、并通过数据目录模块来解释和响应来自其他子系统数据请求的查询模块、以及接收所述数据采集模块输出的决策支持数据库，在所述的决策支持数据库中保存有系统内部生成的数据和外部采集的项目数据，所述的数据目录模块和查询模块分别与所述的决策支持数据库双向连接；/n模型库子系统：针对施工现场不同业务范围，进行建模分析和提供分析结果；包括有：用于存放实现各种决策的模型的模型库、用于对各种模型进行管理和调用的模型目录模块、以及用于完成建模分析和提供决策结果的训练与决策平台。/n

【技术特征摘要】
1.盾构姿态实时预测系统，其特征为：具有数据相互双向传输的交互子系统、数据库子系统、模型库子系统，其中，
交互子系统：用于前端展示，以及操作和传递模型分析及数据查询的结果；
数据库子系统：用于存储和管理盾构项目施工进程中的各种数据；包括有：存储从决策支持系统所处环境中析取出的与决策目标相关数据的源数据库、采集源数据库数据的数据采集模块、用于数据定义、数据类型描述和数据源描述的数据目录模块、用于数据检索和读取、并通过数据目录模块来解释和响应来自其他子系统数据请求的查询模块、以及接收所述数据采集模块输出的决策支持数据库，在所述的决策支持数据库中保存有系统内部生成的数据和外部采集的项目数据，所述的数据目录模块和查询模块分别与所述的决策支持数据库双向连接；
模型库子系统：针对施工现场不同业务范围，进行建模分析和提供分析结果；包括有：用于存放实现各种决策的模型的模型库、用于对各种模型进行管理和调用的模型目录模块、以及用于完成建模分析和提供决策结果的训练与决策平台。


2.如权利要求1所述的盾构姿态实时预测系统，其特征为：在数据库子系统的源数据库中包括内部数据库和外部数据库，其中内部数据库用于保存与盾构设备强相关的数据，外部数据库用于保存地下环境信息、地面环境信息和人员工作事务记录的数据。


3.如权利要求1所述的盾构姿态实时预测系统，其特征为：在模型库子系统的模型库中，包括滚动角预测模型库、俯仰角预测模型库、水平趋向预测模型库、垂直趋向预测模型库、盾首姿态预测模型库和盾尾姿态预测模型库。


4.用于权利要求1至3之一的盾构姿态实时预测模型的构建方法，其特征为：盾构姿态实时预测模型基于一维卷积神经网络，构建步骤包括：
进行层堆叠：当多变量的时序样本数据集进入一维卷积神经网络的卷积层和池化层后，通过从...

【专利技术属性】
技术研发人员：徐进，章龙管，牟松，刘绥美，庄元顺，陈奕杉，陈可，李开富，路桂珍，段文军，李恒，张中华，梅元元，胡可，易礼书，杨冰，谭远良，吴友兴，何博，冯赟杰，杜尚川，
申请(专利权)人：中铁高新工业股份有限公司，中铁工程服务有限公司，西南交通大学，
类型：发明
国别省市：北京;11