全断面掘进机掘进巷道围岩强度预测模型训练方法及设备

AITNT
正文
推荐专利
全断面掘进机掘进巷道围岩强度预测模型训练方法及设备
申请号:CN202411518228
申请日期:2024-10-28
公开号:CN119272631B
公开日期:2025-12-09
类型:发明专利
摘要
本发明提供了全断面掘进机掘进巷道围岩强度预测模型训练方法以及相关设备,可以训练出能有效地预测煤矿巷道TBM掘进巷道围岩点荷载强度的模型。该方法包括:获取目标掘进机所对应的第一原始数据;剔除第一原始数据中目标掘进机处于停机段以及空推段的数据,以得到第二原始数据;对第二原始数据中的异常值进行处理,以得到目标运行数据;提取目标运行数据中的特征参数;对特征参数进行归一化处理,以得到模型训练数据集;根据基学习器以及元学习器构建Stacking算法模型,所述基学习器包括多个回归树,所述基学习器的输出结果作为所述元学习器的输入;基于所述模型训练数据集对所述Stacking算法模型进行训练,以得到全断面掘进机掘进巷道围岩强度预测模型。
技术关键词
Stacking算法 全断面掘进机 预测模型训练方法 学习器 掘进巷道 数据 巷道围岩 围岩强度 刀盘扭矩 加速度 归一化模块 推力 特征提取模块 煤矿巷道 训练集
系统为您推荐了相关专利信息
1
电池健康状态估算及建模方法、装置、设备和存储介质
集成学习算法 搜索算法 学习器 建模方法 估算电池健康状态
2
一种芯片电磁故障注入测试的参数优化方法和计算机设备
故障注入测试 参数优化方法 电磁 梯度提升模型 芯片
3
一种多源数据融合的电力设备故障诊断方法、系统及介质
诊断模块 学习器 电力设备 分类器 样本
4
一种支气管镜手术镇静麻醉剂量预测方法
支气管镜手术 麻醉剂 量预测方法 神经网络模型 集成学习模型
5
基于多特征融合和改进HKELM的锂电池健康状态估计方法
锂电池健康状态 Adaboost模型 位置更新 皮尔逊相关系数 集成算法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号