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
系统为您推荐了相关专利信息
智能筛查系统
混合效应模型
交互网络
网络特征
SNP基因型
预警方法
时间序列预测模型
主成分分析法
预警系统
交易监测技术
大语言模型
软件测试方法
答案
文本
软件测试模块
呼吸康复训练
步态图像
运动康复训练
患者
步态识别算法