一种基于大模型及元学习的施工参数优化方法

本发明涉及TBM施工技术领域，具体涉及一种基于大模型及元学习的施工参数优化方法。通过初级SAM大模型提取岩碴特征数据集，并运用元学习算法构建模型，赋予了该方法强大的环境适应性，能够快速适应各类复杂施工环境以及频繁变化的岩性，极大地提高了施工过程的可靠性；依据提取的岩碴特征数据集和识别出的岩性类别特征，对施工参数进行优化，这一举措意义深远，不仅能减少施工过程中的物料损耗、降低施工风险，还能显著提高TBM的掘进效率，保障设备性能稳定，延长设备使用寿命，降低设备维护成本，同时，施工安全水平得以提升，为深埋隧道、跨江跨海隧道等复杂工程的顺利开展提供了有力保障，推动隧道施工行业迈向更高质量、更高效的发展阶段。