基于Z-score模型的盾构异常数据检测方法及系统技术方案

本发明专利技术公开了一种基于Z

【技术实现步骤摘要】
基于Z
‑
score模型的盾构异常数据检测方法及系统


[0001]本专利技术涉及盾构施工
，更具体的说是涉及一种基于Z
‑
score模型的盾构异常数据检测方法及系统。

技术介绍

[0002]在盾构施工过程中，为保证盾构机的安全运行，通常会通过对掘进线路进行地质勘探确定地质情况，对异常地质情况进行提前识别，以减少盾构施工过程中的风险。但是由于盾构机在行进过程中受到开挖面土压力和盾壳外围土压力的不均衡性、地下土层变化等其他方面的影响，仅根据提前勘探的信息无法准确提供异常工况的预警，为保证施工安全，需要对盾构施工中的数据进行分析研究，实现异常工况的预警。
[0003]传统的异常工况预警方法是通过人工记录相关的参数值，当发现偏差量超过一定范围后，报告上级主管部门进行处理，该方法对原始数据进行分析研究，并不能直观看出各数据的偏离程度。因此，如何解决人工数据筛选所具有的主观性及偏差性问题，对盾构异常数据进行有效预警是本领域技术人员亟需解决的技术问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于Z
‑
score模型的盾构异常数据检测方法及系统，可有效进行盾构异常数据预警，提升盾构施工工程的智能化水平。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于Z
‑
score模型的盾构异常数据检测方法，包括以下步骤：
[0007]利用智能化手段采集盾构数据，并将所述盾构数据上传至云端进行存储；
[0008]对采集的所述盾构数据进行分析处理，获取预处理后的盾构数据；
[0009]对所述预处理后的盾构数据进行数据相关性分析，确认对整体数据有影响的参数；
[0010]选取盾构数据基本属性，并基于Z
‑
score模型进行异常数据检测。
[0011]上述技术达到的技术效果为：引入Z
‑
score进行数据偏离程度的衡量，针对人工数据筛选所具有的主观性及偏差性问题，利用数据分析的方法进行数据筛选，并根据所提出的Z
‑
score方法进行异常数据检测及预警。
[0012]可选的，所述盾构数据的采集及存储的具体方式为：
[0013]通过SCADA系统采集盾构机行进过程中的PLC数据，并运用通信模块将所述PLC数据实时传送至控制台，达到数据采集监控的目标；
[0014]按照参数需求从传送至控制台的所述PLC数据中进行数据抽取，并存储至sql数据库中，以便后续对数据分析及计算过程的存储。
[0015]可选的，所述获取预处理后的盾构数据，具体包括以下步骤：
[0016]利用数据挖掘中的聚类算法，从所述盾构数据中识别并剔除异常数据；
[0017]剔除缺失数据的数据样本，获得预处理后的盾构数据。
[0018]上述技术方案达到的技术效果为：提供了对盾构数据进行预处理的方法，可以从盾构数据中剔除某些与正常数据偏差很大的数据，保证数据的有效性，还能够剔除因数据中参数存在缺失而使该条数据无实用意义的数据样本。
[0019]可选的，所述进行数据相关性分析，具体为：
[0020]将所述预处理后的盾构数据作为训练数据，运用相关性分析算法，对所有参数进行相关性参数分析；
[0021]基于相关性分析结果和施工项目经验参数进行综合分析，得到对整体数据有影响的参数，作为后续进行报警解除方案建议的调整参数。
[0022]可选的，所述进行异常数据检测，具体包括以下步骤：
[0023]选取能够表征盾构机运行过程中异常状况的盾构数据基本属性，分别为总推力、推进速度、刀盘扭矩、刀盘转速；
[0024]Z
‑
score模型的定义如下：
[0025][0026][0027][0028]式中：x
i
表示观测值，μ表示总体均值，δ表示总体标准差；
[0029]假设参数特征值服从正态分布，根据数理统计的基本原理，确定Z
‑
score的异常值的范围为：
[0030]|Z
‑
score|＞3。
[0031]可选的，所述方法还包括：当Z
‑
score得分在[2,3]区间内时进行提醒预警，具体为：
[0032]当2＜|Z
‑
score|≤2.7时，发出一级预警信号；
[0033]当2.7＜|Z
‑
score|≤3时，发出二级预警信号。
[0034]本专利技术还提供了一种基于Z
‑
score模型的盾构异常数据检测系统，包括：采集模块、存储模块、预处理模块、分析模块、异常检测模块；
[0035]所述采集模块，用于通过智能化手段采集盾构数据；
[0036]所述存储模块，用于将所述盾构数据上传至云端进行存储；
[0037]所述预处理模块，用于对采集的所述盾构数据进行分析处理，获取预处理后的盾构数据；
[0038]所述分析模块，用于对所述预处理后的盾构数据进行数据相关性分析，确认对整体数据有影响的参数；
[0039]所述异常检测模块，用于选取盾构数据基本属性，并基于Z
‑
score模型进行异常数据检测。
[0040]可选的，所述预处理模块包括异常数据处理子模块和缺失数据处理子模块；
[0041]所述异常数据处理子模块，通过数据挖掘中的聚类算法从所述盾构数据中识别并
剔除异常数据；
[0042]所述缺失数据处理子模块，用于剔除缺失数据的数据样本。
[0043]可选的，所述盾构数据基本属性包括总推力、推进速度、刀盘扭矩、刀盘转速。
[0044]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于Z
‑
score模型的盾构异常数据检测方法及系统，引入Z
‑
score异常检测方法进行数据偏离程度的衡量，针对人工数据筛选所具有的主观性及偏差性问题，利用数据分析的方法进行异常数据筛选，根据所提出的Z
‑
score进行异常数据检测及预警，可有效提升盾构施工工程的智能信息化水平，提升企业技术实力。
附图说明
[0045]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0046]图1为基于Z
‑
score模型的盾构异常数据检测方法的流程图；
[0047]图2为基于Z
‑
score模型的盾构异常数据检测系统的结构图。
具体实施方式
[0048]下面将结合本专利技术实施例中的附图，对本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Z
‑
score模型的盾构异常数据检测方法，其特征在于，包括以下步骤：利用智能化手段采集盾构数据，并将所述盾构数据上传至云端进行存储；对采集的所述盾构数据进行分析处理，获取预处理后的盾构数据；对所述预处理后的盾构数据进行数据相关性分析，确认对整体数据有影响的参数；选取盾构数据基本属性，并基于Z
‑
score模型进行异常数据检测。2.根据权利要求1所述的一种基于Z
‑
score模型的盾构异常数据检测方法，其特征在于，所述盾构数据的采集及存储的具体方式为：通过SCADA系统采集盾构机行进过程中的PLC数据，并运用通信模块将所述PLC数据实时传送至控制台；按照参数需求从传送至控制台的所述PLC数据中进行数据抽取，并存储至sql数据库中。3.根据权利要求1所述的一种基于Z
‑
score模型的盾构异常数据检测方法，其特征在于，所述获取预处理后的盾构数据，具体包括以下步骤：利用数据挖掘中的聚类算法，从所述盾构数据中识别并剔除异常数据；剔除缺失数据的数据样本，获得预处理后的盾构数据。4.根据权利要求1所述的一种基于Z
‑
score模型的盾构异常数据检测方法，其特征在于，所述进行数据相关性分析，具体为：将所述预处理后的盾构数据作为训练数据，运用相关性分析算法，对所有参数进行相关性参数分析；基于相关性分析结果和施工项目经验参数进行综合分析，得到对整体数据有影响的参数。5.根据权利要求1所述的一种基于Z
‑
score模型的盾构异常数据检测方法，其特征在于，所述进行异常数据检测，具体包括以下步骤：选取能够表征盾构机运行过程中异常状况的盾构数据基本属性，分别为总推力、推进速度、刀盘扭矩、刀盘转速；Z
‑
score模型的定义如下：score模型的定义如下：score模型的定义如下：式中...

【专利技术属性】
技术研发人员：安国勇，何小华，冯小朋，张鹏翔，徐宏，仇峰涛，董静怡，刘丹，李勇，王勇，温克兵，
申请(专利权)人：中铁一局集团有限公司智能科技分公司，
类型：发明
国别省市：