大直径泥水盾构隧道掌子面压力智能预测调整方法及系统技术方案

本发明专利技术公开了一种大直径泥水盾构隧道掌子面压力智能预测调整方法及系统，方法包括：获取盾构机施工参数并进行预处理，获得预处理后的样本数据集；分别建立GCN模型、LSTM模型，并根据二者构建GCN‑LSTM混合深度学习模型；建立贝叶斯优化算法模型BO,利用BO对GCN‑LSTM混合深度学习模型的超参数进行调优，构建BO‑GCN‑LSTM深度学习模型；采用预处理后的样本数据集对BO‑GCN‑LSTM深度学习模型进行训练，并预测大直径泥水盾构隧道掌子面压力，获得预测结果；根据所述预测结果对BO‑GCN‑LSTM深度学习模型的预测精度进行评估，利用SHAP可解释性方法确定影响掌子面压力的关键参数，根据实际工况对关键参数进行智能优化调整，实现大直径泥水盾构隧道掌子面压力的合理控制。

【技术实现步骤摘要】

本专利技术属于大直径泥水盾构隧道施工，更具体地，涉及一种大直径泥水盾构隧道掌子面压力智能预测调整方法及系统。

技术介绍

1、大直径盾构机是一种用于隧道建设的巨型工程机械，其直径通常在10米以上，有时甚至超过15米。这种设备主要通过旋转刀盘切割土体，并将切割下来的土体通过盾壳(隧道管片)输送出去，以实现地下空间的挖掘。然而，大直径盾构在掘进过程中面临着掌子面压力难以准确预测的挑战。由于隧道断面大，断面内土层复杂，对岩土体扰动大，掌子面压力难以得到控制，土体可能会发生竖向和水平位移，从而导致掌子面的坍塌。极端情况下，这可能对周边建筑物造成损害，还可能引发市政管线的破裂，如水管、燃气管道或其他地下管道，导致泄漏和事故。因此，需要对大直径盾构的掌子面压力进行深入的研究。

2、在掌子面压力的研究方面，许多学者采用了多种方法，包括理论分析、模型实验和数值模拟，取得了重要的成果。然而，上述三种研究方法也存在一定的不足：理论分析的适用性受限，模型实验成本高且耗时，数值模拟需要建立多组模型，效率较低。

3、因此，急需一种适用范围广、成本低，能够准确、本文档来自技高网...

【技术保护点】

1.一种大直径泥水盾构隧道掌子面压力智能预测调整方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的大直径泥水盾构隧道掌子面压力智能预测调整方法，其特征在于：步骤S1中获取盾构机施工参数并进行预处理，获得预处理后的样本数据集；包括如下步骤：

3.根据权利要求2所述的大直径泥水盾构隧道掌子面压力智能预测调整方法，其特征在于：步骤S1中所述盾构机施工参数包括输入参数和输出参数；所述输入参数包括：气垫仓压力、进浆密度、进浆流量、排浆密度、排浆流量、进出排浆压力差、注浆压力、注浆量、推进速度、刀盘转速、刀盘扭矩、刀盘挤压力、总推进力、贯入度；所述输出参数包括：泥浆压...

【技术特征摘要】

1.一种大直径泥水盾构隧道掌子面压力智能预测调整方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的大直径泥水盾构隧道掌子面压力智能预测调整方法，其特征在于：步骤s1中获取盾构机施工参数并进行预处理，获得预处理后的样本数据集；包括如下步骤：

3.根据权利要求2所述的大直径泥水盾构隧道掌子面压力智能预测调整方法，其特征在于：步骤s1中所述盾构机施工参数包括输入参数和输出参数；所述输入参数包括：气垫仓压力、进浆密度、进浆流量、排浆密度、排浆流量、进出排浆压力差、注浆压力、注浆量、推进速度、刀盘转速、刀盘扭矩、刀盘挤压力、总推进力、贯入度；所述输出参数包括：泥浆压力。

4.根据权利要求1-3中任一项所述的大直径泥水盾构隧道掌子面压力智能预测调整方法，其特征在于：步骤s3中所述利用bo对gcn-lstm混合深度学习模型的超参数进行调优，超参数包括：学习速率，循环层层数，隐含层向量维度。

5.根据权利要求1-3中任一项所述的大直径泥水盾构隧道掌子面压力智能预测调整方法，其特征在于：步骤s4中采用预处理后的样本数据集对所述bo-gcn-lstm深度学习模型进行训练，并预测大直径泥水盾构隧道掌子面压力，获得大直径泥水盾构隧道掌子面压力预测结果；包括：

6.根据权利要...

【专利技术属性】
技术研发人员：陈虹宇，吴贤国，雷宇，冯宗宝，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：