摘要
本申请提供基于多注意力机制优化组合模型的盾构姿态预测方法,包括以下步骤:获取目标盾构机的历史特征数据、盾构姿态数据,对其进行缺失值补齐、掘进段数据提取、数据归一化,再由灰色关联分析两者关联度;通过选择核网络对输入特征注意力进行提取;建立双向长短期记忆网络,对包含长期趋势隐含输出进行预测;建立门控循环单元网络,对包含短期波动趋势隐含输出进行预测;拼接两组预测网络隐含输出,并利用多头注意力机制提取输出注意力,捕获组合模型输出的隐含特征与盾构姿态上的依赖关系,实现隐含输出到最终预测盾构姿态的映射。本发明提升了盾构姿态预测模型的预测精度与预测效率,有助于盾构施工阶段姿态的精细化控制,提升盾构施工效率与施工安全。
技术关键词
盾构姿态预测方法
门控循环单元网络
多头注意力机制
数据
特征选择
融合特征
矩阵
灰色关联分析法
门控循环网络
时间序列特征
双曲正切函数
灰色关联度
深度学习模型