【技术实现步骤摘要】
用于隧道掘进施工预测的数据处理方法和装置
[0001]本申请涉及计算机领域，具体而言，涉及一种用于隧道掘进施工预测的数据处理方法和装置。
技术介绍
[0002]随着人工智能技术在土木工程建设中的应用与开发，信息化和自动化的现阶段发展，使得TBM进行掘进的隧道工程逐渐增多，虽采用机械化施工效率高，但施工成本较高，施工效果也逐渐供不应求，技术短板随即凸显。专利技术人发现，TBM隧道的掘进效果与应用能耗成本主要受围岩参数、掘进参数和TBM设计等因素的影响；在硬岩隧道中刀具的消耗量较大，在软弱地层中隧道掘进速度较低，TBM隧道施工的过程中难以达到较好的施工效果。
[0003]现有技术中存在通过训练模型进行TBM掘进的优化，但是主要针对单一参数进行模型的构建，进一步的，进行模型构建的样本数据需要人工分析处理，导致进行模型构建的效率较低。现有技术中存在掘进预测模型的效率较低的技术问题。
[0004]因此，现有技术中TBM掘进参数的预测存在效率较低的问题。
技术实现思路
[0005]本申请的主要目的在于提供...
【技术保护点】
【技术特征摘要】
1.一种用于隧道掘进施工预测的数据处理方法，其特征在于，包括：获取待处理隧道掘进施工样本数据，其中，所述待处理隧道掘进施工样本数据为用于训练隧道掘进施工预测模型的样本数据；对所述待处理隧道掘进施工样本数据进行基于样本排序筛选的优化处理，得到训练样本数据；对所述训练样本数据进行模型训练处理，得到隧道掘进施工预测模型；以及根据所述隧道掘进施工预测模型对待处理隧道岩体特征数据进行预测处理，得到目标隧道掘进施工参数数据。2.根据权利要求1所述的数据处理方法，其特征在于，对所述待处理隧道掘进施工样本数据进行基于样本排序筛选的优化处理，得到训练样本数据包括：对所述待处理隧道掘进施工样本数据进行初始化处理，得到多个第一待处理样本数据集，其中，所述多个第一待处理样本数据集为用于表示多个第一待处理样本点的数据，所述多个第一待处理样本点为用于表示多个待处理样本在全部待处理样本中的样本位置；对所述多个第一待处理样本数据集进行全局最优解计算处理，得到多个第二待处理样本数据集，其中，所述多个第二待处理样本数据集为用于表示多个第二待处理样本点的数据，第二待处理样本点为第一待处理样本点经优化更新后的得到样本点；以及根据预设的样本数据集规则对所述多个第二待处理样本数据集进行筛选处理，得到所述训练样本数据，其中，所述训练样本数据为所述多个第二待处理隧道掘进施工样本数据经筛选处理后得到的样本数据。3.根据权利要求2所述的数据处理方法，其特征在于，对所述多个第一待处理样本数据集进行全局最优解计算处理，得到多个第二待处理样本数据集包括：对所述多个第一待处理样本数据集进行个体最优解计算处理，得到多个第一样本最优解数据，其中，第一样本最优解数据为第一待处理样本数据集对应的个体最优解数据，所述第一待处理样本数据集为所述多个第一待处理样本数据集中的任意一个；对所述多个第一待处理样本数据集进行样本点密度计算处理，得到第一样本密度数据，其中，所述第一样本点密度数据为用于表示所述多个第一待处理样本点在预设的样本区间中的密度的数据；根据所述第一样本密度数据对所述多个第一样本最优解数据进行数据集更新处理，得到所述多个第二待处理样本数据集。4.根据权利要求1所述的数据处理方法，其特征在于，对所述训练样本数据进行模型训练处理，得到隧道掘进施工预测模型包括：对所述训练样本数据进行识别，得到第一训练样本特征数据，其中，所述第一训练样本特征参数数据包括样本岩体特征数据、样本掘进特征数据和样本掘进评价特征数据；对所述样本岩体特征数据、所述样本掘进特征数据和所述样本掘进评价特征数据进行模型训练处理，得到第一隧道掘进施工预测模型；对所述训练样本数据进行识别，得到第二训练样本特征数据，其中，所述第二训练样本特征数据包括样本掘进消耗特征数据、所述样本掘进特征数据和所述样本掘进评价特征数据；对所述样本掘进消耗特征数据、所述样本掘进特征数据和所述样本掘进评价特征数据
进行模型训练处理，得到第二隧道掘进施工预测模型；获得所述隧道掘进施工预测模型，所述隧道掘进施工预测模型包括所述第一隧道掘进施工预测模型和所述第二隧道掘进施工预测模型。5.根据权利要求1所述的数据处理方法，其特征在于，根据所述隧道掘进施工预测模型对待处理隧道岩体...
【专利技术属性】
技术研发人员：谭忠盛，周振梁，于荣森，李林峰，李宗林，赵金鹏，
申请(专利权)人：北京交通大学，
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。