基于联邦学习的岩溶地层盾构掘进参数预测方法及系统

本申请提供了一种基于联邦学习的岩溶地层盾构掘进参数预测方法及系统，涉及盾构掘进技术领域，方法包括：采集多模态数据并进行预处理；通过构建的深度学习分类模型，结合多模态数据以及联邦学习技术，构建溶洞三维分布模型并提取微观特征指标；通过深度学习分类模型对提取的微观特征指标进行分析，得到溶洞类型；将量化后的微观特征指标以及溶洞类型输入到参数映射模型中，建立微观特征与掘进参数之间的内在关系；根据内在关系、溶洞类型和分布复杂度，得到掘进参数调整指令；通过掘进参数调整指令，实现盾构机掘进参数的实时动态精确调节。结合多模态传感器、边缘计算设备及联邦学习框架，实现岩溶地层盾构掘进参数的精准预测与实时调整。