本發(fā)明涉及一種硬巖tbm隧道圍巖等級識別方法，屬于隧道圍巖等級識別領(lǐng)域。

背景技術(shù)：

1、硬巖隧道掘進(jìn)機(jī)(tbm)施工與傳統(tǒng)的鉆爆法相比，具有開挖速度快、施工質(zhì)量高、對環(huán)境干擾小等優(yōu)點。然而，tbm的性能受圍巖條件的影響很大，且遭遇不利地質(zhì)條件時，tbm無法有效撤出。受tbm自身機(jī)構(gòu)設(shè)計的限制，駕駛員通常無法直接觀察到隧道掌子面的情況，進(jìn)而無法直接獲取巖石類型和巖體等級等信息，導(dǎo)致無法保證tbm安全、高效施工。準(zhǔn)確地感知掌子面地質(zhì)條件是開展圍巖穩(wěn)定性分析、tbm掘進(jìn)性能預(yù)測、卡機(jī)和巖爆災(zāi)害預(yù)警等重要任務(wù)的基礎(chǔ)。從數(shù)據(jù)來源分類，間接的tbm隧道圍巖條件感知方法可以分為基于tbm掘進(jìn)數(shù)據(jù)的感知、基于振動數(shù)據(jù)的感知、基于巖渣圖像的感知和基于超前地質(zhì)預(yù)報數(shù)據(jù)的感知，其中基于tbm掘進(jìn)數(shù)據(jù)的感知方法是目前的主流方法。

2、然而，當(dāng)前基于tbm掘進(jìn)數(shù)據(jù)的圍巖條件感知方法一般直接以選擇的掘進(jìn)參數(shù)為模型輸入，這無法考慮掘進(jìn)參數(shù)變化中包含的地質(zhì)信息，且相應(yīng)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)建模方法很少考慮不同類別樣本的權(quán)重對模型性能的影響。

技術(shù)實現(xiàn)思路

1、針對當(dāng)前基于tbm掘進(jìn)數(shù)據(jù)的圍巖條件感知方法無法考慮掘進(jìn)參數(shù)變化中包含的地質(zhì)信息且很少考慮類別權(quán)重對模型性能影響的問題，本發(fā)明提供了一種基于滑窗特征提取與權(quán)重自適應(yīng)隨機(jī)森林算法的tbm隧道圍巖等級識別方法。

2、為了有效解決上述問題，對本發(fā)明提供的技術(shù)方案如下：

3、第一方面，提供基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法，包括以下步驟：

4、獲取tbm采集的原始數(shù)據(jù)，按掘進(jìn)環(huán)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)；

5、對預(yù)處理數(shù)據(jù)利用滑窗截取，并從截取的數(shù)據(jù)中提取特征，得到特征數(shù)據(jù)集；

6、以特征數(shù)據(jù)集為輸入，滑窗截取時刻的圍巖等級為輸出，建立訓(xùn)練集、驗證集和測試集；

7、構(gòu)建基于隨機(jī)森林算法的tbm隧道圍巖等級識別模型；

8、確定最優(yōu)滑窗長度和步長，利用搜索算法尋找最優(yōu)的模型超參數(shù)，得到優(yōu)化的tbm隧道圍巖等級識別模型；

9、利用全局優(yōu)化算法尋找隨機(jī)森林模型各類別最優(yōu)的權(quán)重，得到權(quán)重自適應(yīng)的tbm隧道圍巖等級識別模型；

10、利用權(quán)重自適應(yīng)的tbm隧道圍巖等級識別模型識別圍巖等級。

11、一種可能的實施方式，所述tbm采集的原始數(shù)據(jù)包括：掘進(jìn)參數(shù)和對應(yīng)的圍巖等級；所述掘進(jìn)參數(shù)包括推力、刀盤扭矩、刀盤轉(zhuǎn)速、推進(jìn)速度、導(dǎo)向滾動角、導(dǎo)向俯仰角、撐靴泵壓力、撐緊壓力、主皮帶機(jī)速度、主皮帶機(jī)泵壓力；

12、所述預(yù)處理包括：基于經(jīng)驗與隨機(jī)森林算法對掘進(jìn)參數(shù)篩選、基于孤立森林算法的異常值檢測和基于傳感器量程的數(shù)據(jù)歸一化。

13、一種可能的實施方式，對預(yù)處理數(shù)據(jù)利用滑窗截取，并從截取的數(shù)據(jù)中提取特征，得到特征數(shù)據(jù)集的方法如下：

14、設(shè)置滑動窗口的參數(shù)，將預(yù)處理數(shù)據(jù)利用滑動窗口進(jìn)行數(shù)據(jù)截取，再從截取的數(shù)據(jù)中提取特征，得到特征數(shù)據(jù)集。具體的，所述從截取的數(shù)據(jù)中提取特征中的特征包括每個掘進(jìn)參數(shù)的均值、標(biāo)準(zhǔn)差、最大值、最小值、分位數(shù)以及掘進(jìn)參數(shù)之間的皮爾遜相關(guān)系數(shù)。

15、一種可能的實施方式，最優(yōu)滑窗長度和步長確定的方法如下：利用基于隨機(jī)森林算法的tbm隧道圍巖等級識別模型在驗證集的上的表現(xiàn)確定最優(yōu)滑窗長度和步長。

16、進(jìn)一步，所述模型超參數(shù)包括：弱學(xué)習(xí)器數(shù)量、最大樹深度和最大特征數(shù)。

17、一種可能的實施方式，利用全局優(yōu)化算法尋找隨機(jī)森林模型各類別最優(yōu)的權(quán)重的方法如下：以優(yōu)化的tbm隧道圍巖等級識別模型在驗證集上的性能指標(biāo)為適應(yīng)度函數(shù)，利用全局優(yōu)化算法尋找隨機(jī)森林模型各類別最優(yōu)的權(quán)重。

18、進(jìn)一步，所述性能指標(biāo)為precision(準(zhǔn)確率)、recall(召回率)、f-measure(f測量)和accuracy(精度)中的一種或者幾種的組合。

19、第二方面，提供基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別裝置，包括：

20、預(yù)處理數(shù)據(jù)獲取模塊，用于獲取tbm采集的原始數(shù)據(jù)，按掘進(jìn)環(huán)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)；

21、滑窗提取模塊，用于對預(yù)處理數(shù)據(jù)利用滑窗截取，并從截取的數(shù)據(jù)中提取特征，得到特征數(shù)據(jù)集；

22、數(shù)據(jù)集構(gòu)建模塊，用于以特征數(shù)據(jù)集為輸入，滑窗截取時刻的圍巖等級為輸出，建立訓(xùn)練集、驗證集和測試集；

23、初級模型構(gòu)建模塊，用于構(gòu)建基于隨機(jī)森林算法的tbm隧道圍巖等級識別模型；

24、模型優(yōu)化模塊，用于確定最優(yōu)滑窗長度和步長，利用搜索算法尋找最優(yōu)的模型超參數(shù)，得到優(yōu)化的tbm隧道圍巖等級識別模型；

25、最終模型獲取模塊，用于利用全局優(yōu)化算法尋找隨機(jī)森林模型各類別最優(yōu)的權(quán)重，得到權(quán)重自適應(yīng)的tbm隧道圍巖等級識別模型；

26、識別模塊，用于利用權(quán)重自適應(yīng)的tbm隧道圍巖等級識別模型識別圍巖等級。

27、第三方面，提供一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述程序時實現(xiàn)如前述基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法。

28、第四方面，提供一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如前述述基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法。

29、第五方面，提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如前述述基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法。

30、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

31、本發(fā)明提供的方法從tbm掘進(jìn)參數(shù)的變化中提取圍巖等級相關(guān)的特征，且可以自適應(yīng)調(diào)整和獲取最優(yōu)的類別權(quán)重，顯著提升tbm隧道圍巖等級識別模型的性能，最終保證tbm安全、高效施工。

技術(shù)特征：

1.基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法，其特征在于，所述tbm采集的原始數(shù)據(jù)包括：掘進(jìn)參數(shù)和對應(yīng)的圍巖等級；所述掘進(jìn)參數(shù)包括推力、刀盤扭矩、刀盤轉(zhuǎn)速、推進(jìn)速度、導(dǎo)向滾動角、導(dǎo)向俯仰角、撐靴泵壓力、撐緊壓力、主皮帶機(jī)速度和主皮帶機(jī)泵壓力；

3.根據(jù)權(quán)利要求1所述的基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法，其特征在于：

4.根據(jù)權(quán)利要求1所述的基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法，其特征在于，最優(yōu)滑窗長度和步長確定的方法如下：利用基于隨機(jī)森林算法的tbm隧道圍巖等級識別模型在驗證集的上的表現(xiàn)確定最優(yōu)滑窗長度和步長；

5.根據(jù)權(quán)利要求1所述的基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法，其特征在于，利用全局優(yōu)化算法尋找隨機(jī)森林模型各類別最優(yōu)的權(quán)重的方法如下：以優(yōu)化的tbm隧道圍巖等級識別模型在驗證集上的性能指標(biāo)為適應(yīng)度函數(shù)，利用全局優(yōu)化算法尋找隨機(jī)森林模型各類別最優(yōu)的權(quán)重。

6.根據(jù)權(quán)利要求5所述的基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法，其特征在于，所述性能指標(biāo)為precision、recall、f-measure和accuracy中的一種或者幾種的組合。

7.基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別裝置，其特征在于，包括：

8.一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1至6任一項所述基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法。

9.一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至6任一項所述基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法。

10.一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至6任一項所述基于滑窗特征提取與隨機(jī)森林算法的圍巖等級識別方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于滑窗特征提取與權(quán)重自適應(yīng)隨機(jī)森林算法的TBM隧道圍巖等級識別方法，步驟如下：獲得預(yù)處理數(shù)據(jù)；對預(yù)處理數(shù)據(jù)利用滑窗截取，并從截取的數(shù)據(jù)中提取特征，得到特征數(shù)據(jù)集；建立訓(xùn)練集、驗證集和測試集；構(gòu)建TBM隧道圍巖等級識別模型；確定最優(yōu)滑窗長度和步長，利用搜索算法尋找最優(yōu)的模型超參數(shù)，得到優(yōu)化的TBM隧道圍巖等級識別模型；獲得權(quán)重自適應(yīng)的TBM隧道圍巖等級識別模型；利用權(quán)重自適應(yīng)的TBM隧道圍巖等級識別模型識別圍巖等級。本發(fā)明方法能從掘進(jìn)參數(shù)變化中提取圍巖等級相關(guān)信息且可自適應(yīng)考慮類別權(quán)重對模型性能的影響，可大幅提升TBM隧道圍巖等級識別模型的性能，對指導(dǎo)TBM施工具有積極的意義。

技術(shù)研發(fā)人員：余宏淦,劉泉聲,許書展,潘玉叢,杜承磊,陳梓韜,劉德美,楊光
受保護(hù)的技術(shù)使用者：武漢大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21