基于卡尔曼滤波与改进CNN-LSTM的溶洞数据智能分类预测方法及系统

本发明公开了基于卡尔曼滤波与改进CNN‑LSTM的溶洞数据智能分类预测方法及系统，属于人工智能技术领域，包括：采集盾构掘进参数数据，得到盾构机前方的溶洞特征信息；对盾构掘进参数数据和溶洞特征信息进行数据清洗；通过卷积神经网络、长短期记忆网络和全连接网络的模型结构，建立溶洞预测模型；将溶洞预测模型部署到盾构掘进系统中，输入盾构掘进参数数据，进行溶洞分类预测。本发明对数据进行了去噪处理，减少随机噪声对模型训练的影响，从而提高网络模型的准确率。通过混合模型通过结合卷积神经网络的局部特征提取能力、长短期记忆网络的时间序列预测能力以及全连接网络的特征融合与映射优势，实现了对溶洞的高精度预测。