TBM智能掘进方法及系统、电子设备、存储介质

本发明公开了一种TBM智能掘进方法及系统、电子设备、存储介质，其可以对输入数据进行多尺度特征融合并提高上下文依赖捕捉能力，还实现了空间特征和时序特征的融合，增强了模型的预测性能。并且，通过深度学习模型与MPC模块的深度融合，实现了短期优化和全局策略的学习，在参数动态变化和外部干扰的情况下提升了模型的稳定性和鲁棒性，GRU可以整合历史观察信息，弥补了单步预测的不足，该自动控制模型可以很好地适应TBM各系统之间具有耦合性高、非线性强、不同工况下又具有很强的时变性、载荷变化大等特点，有利于提高响应速度和降低稳态误差，可以实现灵活、鲁棒、高精度的TBM掘进智能调控。