科研之友
微信
新浪微博
Facebook
分享链接
摘要
在泥水平衡盾构掘进过程中，掘进速度对刀具磨损、同步注浆及盾构机姿态有着重大影响，合理的掘进速度对于提高施工效率、降低施工风险具有重要意义。利用PLC系统采集到的历史数据构建智能预测模型，对掘进速度进行实时预测，是未来实现盾构机无人驾驶和智能控制的重要基础。基于珠江三角洲水资源配置工程中采集到的掘进参数时序数据，选取掘进速度作为预测目标，采用皮尔逊相关分析方法提取重要特征参数，利用均值滤波法对特征参数时序数据进行去噪，计算去噪后序列的均值和方差构成特征向量，基于XGBoost算法构建相应的预测模型。讨论了采用均值滤波法去噪前后的数据集及XGBoost算法中不同超参数对模型预测性能的影响。结果表明，在5-折交叉验证下，利用均值滤波进行降噪处理后的数据能够构建一个更为准确的盾构机掘进速度预测模型。采用XGBoost算法，在去噪后的数据集上盾构机掘进速度的预测准确率达到了99.97%，在未去噪的数据集上的预测准确率也达到了99.94%，优于主流随机森林算法、支持向量机回归算法和梯度提升决策树算法。试验结果验证了均值滤波法对时序数据的降噪效果和利用XGBoost算法对掘进速度进行预测的可行性。
- 单位
