(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111326792.8 (22)申请日 2021.11.10 (71)申请人 广东粤海珠三角供 水有限公司 地址 511455 广东省广州市南沙区丰泽 东 路106号 （自编1号楼） X13 01-A3665 申请人 同济大学 (72)发明人 陆岸典　赵思成　李旭辉　李晓军　 张双俐　 (74)专利代理 机构 上海德昭知识产权代理有限 公司 31204 代理人 卢泓宇 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06N 3/12(2006.01) E21D 9/06(2006.01) G06F 111/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于实时地质信息的泥水盾构掘进参 数预测方法 (57)摘要 本发明提供了一种基于实时地质信息的泥 水盾构掘进参数预测方法， 用于预测泥水平衡式 盾构掘进参数， 其特征在于， 包括以下步骤： 步骤 S1， 确定掘进参数， 并采集掘进数据。 步骤S2， 对 掘进数据进行预处理， 得到预处理数据。 步骤S3， 以分钟为粒度对 预处理数据进行提取， 得到提取 数据集。 步骤S4， 对提取数据集进行数据标准化 处理， 得到标准化数据集。 步骤S5， 构建GA ‑NN深 度神经网络模型。 步骤S6， 利用遗传算法， 将标准 化数据集输入到GA ‑NN深度神经网络模型进行超 参数优化， 得到最优的GA ‑NN深度神经网络模型。 步骤S7， 将待测的地质信息、 待测的泥水仓顶部 压力和待测的操作参数输入到最优的GA ‑NN深度 神经网络模型， 得到待测掘进荷载参数。 权利要求书2页 说明书8页 附图4页 CN 113946899 A 2022.01.18 CN 113946899 A 1.一种基于实时地质信息的泥水盾构掘进参数预测方法， 用于预测泥水平衡式盾构掘 进参数， 其特 征在于， 包括以下步骤： 步骤S1， 确定与掘进荷载和泥水仓压力相关的掘进参数， 并采集与所述掘进参数相对 应的掘进数据； 步骤S2， 对掘进数据进行 预处理， 得到预处 理数据； 步骤S3， 以分钟为粒度对所述预处 理数据进行提取， 得到提取 数据集； 步骤S4， 对所述 提取数据集进行 数据标准 化处理， 得到标准 化数据集； 步骤S5， 构建 GA‑NN深度神经网络模型， 该模型包括输入层、 输出层和多个隐藏层； 步骤S6， 利用遗传算法， 将所述标准化数据集输入到所述GA ‑NN深度神经网络模型进行 超参数优化， 得到最优的GA ‑NN深度神经网络模型； 步骤S7， 将待测的地质信息、 待测的泥水仓顶部压力和待测的操作参数输入到所述最 优的GA‑NN深度神经网络模型， 得到预测掘进荷载参数。 2.根据权利要求1所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述 步骤S6利用遗传算法进行超参数优化， 包括以下步骤： 步骤S6‑1， 创建初始种群作 为当前种群， 所述当前种群中的个体为所述GA ‑NN深度神经 网络模型对应的随机超参数组合； 步骤S6‑2， 将所述当前种群中的每个个体的超参数分别赋给所述GA ‑NN深度神经网络 模型， 利用k折交叉验证方法进行验证， 得到所述每个个体相 对应的GA ‑NN深度神经网络模 型的评价指标， 基于所述评价指标评估所述当前种群中的个 体的适应度； 步骤S6‑3， 从所述当前种群中选择所述适应度大于0且所述适应度排序前25％的个体 作为优质父代个体进行交叉、 变异从而产生新的子代个体， 并将该新的子代个体与所述优 质父代个 体进行组合， 形成新的当前种群； 步骤S6‑4， 重复进行步骤S6 ‑2以及步骤S6 ‑3， 直到迭代次数达到预定次数， 得到评价指 标最优的个 体， 该个体作为所述GA ‑NN深度神经网络模型的所述 最优超参数组合； 步骤S6‑5， 将所述最优超参数组合赋给所述GA ‑NN深度神经网络模型， 得到所述最优的 GA‑NN深度神经网络模型。 3.根据权利要求2所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述超参数组合包括所述隐藏层层数、 每个所述隐藏层的神经元个数、 学习率、 权值的L2正则化 惩罚权重以及偏置的L2正则化 惩罚权重。 4.根据权利要求3所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述输入层的神经 元个数为8， 所述输出层的神经 元个数为2。 5.根据权利要求2所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述变异的变异概 率计算公式为：权　利　要　求　书 1/2 页 2 CN 113946899 A 2式中， pi为第i代的变异概率， p0为初始变异概率， ω为[0,1]的随机数， n为总的种群进 化代数。 6.根据权利要求1所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述数据标准 化处理， 具体表达式为： 式中， 为所述提取数据集的均值， σ 为所述提取数据集的标准差， x为所述提取数据集 中的提取 数据， x*为所述标准 化数据集中的标准 化数据。 7.根据权利要求1所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述掘进参数包括所述地质信 息、 所述泥水仓顶部压力、 所述操作参数和所述掘 进荷载参数， 所述地质信息包括上一环推力切深指数FPI的均值、 上一环推力切深指数FPI的方差、 上一环旋转切深指数TPI的均值、 上一环旋转切深指数TPI的方差， 所述操作参数包括掘进速度p、 刀盘转速和贯入度， 所述掘进荷载参数包括总推力F和刀盘扭矩T。 8.根据权利要求6所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述FPI的具体表达式为： 所述TPI的具体表达式为： 9.根据权利要求1所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述输入层为线性层， 多个所述隐藏层 层间采用relu激活函数。 10.根据权利要求1所述的一种基于实时地质信息的泥水盾构掘进参数预测方法， 其特 征在于： 其中， 所述预处 理包括非工作状态数据处 理和异常数据处 理。权　利　要　求　书 2/2 页 3 CN 113946899 A 3