一种基于机器学习的智能盾构渣土改良方法及系统

本发明公开了一种基于机器学习的智能盾构渣土改良方法及系统，通过集成渣土图像分类、改良参数预测及优化模型，实现盾构机在掘进过程中渣土改良的智能化和精确化。首先，利用YOLOV8网络对渣土图像进行实时分类，结合XGBOOST模型修正分类随机性，提升分类准确率和稳定性。其次，基于LSTM网络对渣土改良参数进行时间序列预测，并引入线性回归与遗传算法提高预测精度。最后，通过粒子群优化(PSO)算法对渣土改良参数进行最优解求解，显著提升盾构掘进的稳定性和效率。本发明解决了现有技术中依赖人工调整导致的随机性与滞后性问题，具有高效、精准的优点，适用于盾构工程的自动化应用场景。