一种基于MF-ARIMA模型的盾构掘进姿态预测方法技术

本发明专利技术公开了一种基于MF

【技术实现步骤摘要】
一种基于MF
‑
ARIMA模型的盾构掘进姿态预测方法


[0001]本专利技术涉及盾构机掘进姿态控制
，特别涉及一种基于MF
‑
ARIMA模型的盾构掘进姿态预测方法。

技术介绍

[0002]姿态控制是盾构机掘进施工的关键问题之一，其好坏不但对隧道轴线的控制具有重要意义，而且对后续施工的顺利进行起着至关重要的作用。掘进姿态不良还会造成地层损失过大，从而引起较大地表沉降，威胁地表建(构)筑物、交通、市民的安全。目前，国内对盾构的控制主要靠人工操作，盾构的控制主要依靠盾构司机经验，因此控制质量很难保证。随着盾构法向大深度、大断面、长距离发展，改善施工环境及劳动条件、提高施工质量、避免施工危险及熟练工人不足等原因的存在，使得自动化技术的开发成为必需。
[0003]现有研究中的盾构姿态预测模型大多未考虑盾构掘进数据的时间序列特性，无法准确预测掘进过程中的盾构姿态，模型泛化能力较弱，当样本数据量较少时，模型的预测精度较低，导致模型实用性下降，且现有模型大多未利用后续掘进数据对模型进行更新，容易造成信息损失，导本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MF
‑
ARIMA模型的盾构掘进姿态预测方法，其特征在于，包括以下步骤：S1：采集盾构掘进姿态参数并进行统计；S2：采用中值滤波(MF)对盾构姿态参数进行去噪；S3：对盾构姿态参数进行归一化处理；S4：划分训练数据集和测试数据集；S5：建立基于中值滤波的自回归综合移动平均模型(MF
‑
ARIMA)对盾构下一步掘进姿态进行预测；S6：根据预测姿态预知超限风险，结合工程措施调整盾构姿态；S7：采集盾构下一步姿态参数，重复步骤S1～S6，直至盾构掘进完成；S8：收集成型隧道管片质量参数，检验模型预测效果。2.根据权利要求1所述的一种基于MF
‑
ARIMA模型的盾构掘进姿态预测方法，其特征在于，步骤S1中，盾构姿态参数包括前盾水平偏差、前盾垂直偏差、后盾水平偏差、后盾垂直偏差，统计特征包括样本数、最小值、最大值。3.根据权利要求1所述的一种基于MF
‑
ARIMA模型的盾构掘进姿态预测方法，其特征在于，步骤S2中，采用MF法，按照样本序数对归一化后的数据进行依次检索，将某个异常的归一化后的数据与其某邻域内数据组成的数据序列的中位数作为该数据的替代值，邻域的半径为2～10。4.根据权利要求1所述的一种基于MF
‑
ARIMA模型的盾构掘进姿态预测方法，其特征在于，步骤S3中，将盾构姿态参数归一化至[0,1]范围内，归一化处理的公式为：式中：{X
i
}为盾构掘进姿态参数历史数据，{x
i
}为历史数据归一化后的数据，X
max
为历史数据中的最大值，X
min
为历史数据中的最小值。5.根据权利要求1所述的一种基于MF
‑
ARIMA模型的盾构掘进姿态预测方法，其特征在于，步骤S4中，按样本序数，划分训练集和测试集，训练集和测试集的划分比例为训练集：测试集＝(2～5):1。6.根据权利要求1
‑
5任意一项所述的一种基于MF
‑
ARIMA模型的盾构掘进姿态预测方法，其特征在于，步骤S5中，建立MF
‑
ARIMA模型，采用训练集构建训练模型，采用测试集对训练模型进行测试，直至获得该模型的最优参数，然后代入最优参数得到最优的盾构掘进姿态预测模型，MF
...

【专利技术属性】
技术研发人员：陈向宇，汪来，罗桂军，廖万金，杨超，肖超，刘湛，马钰杰，王树英，
申请(专利权)人：中南大学中国建筑第五工程局有限公司，
类型：发明
国别省市：