摘要
本申请公开了一种隧道掘进机的掘进参数预测方法、系统及设备。隧道掘进机的掘进参数预测方法,包括:根据隧道掘进机的掘进参数进行特征重要性排序,并根据排序结果筛选出精炼特征集;将精炼特征集输入长短期记忆网络模型,得到掘进参数的第一预测结果;对精炼特征集进行小波变换以从精炼特征集中提取出局部变化特征;将全局趋势和局部变化特征输入卷积神经网络模型,得到掘进参数的第二预测结果;融合第一预测结果和第二预测结果,得到下一时刻掘进参数的最终预测结果。本申请的实施例,能够有效捕捉隧道掘进机运行参数的局部突发变化与整体趋势演化,提高预测精度和模型的鲁棒性,进而,可以优化掘进过程,提高施工效率与安全性。
技术关键词
掘进参数
隧道掘进机
长短期记忆网络
卷积神经网络模型
小波特征
融合特征
预测系统
滑动窗口
处理器
多尺度
存储器
鲁棒性
矩阵
序列
模块
数据
精度
系统为您推荐了相关专利信息
调度决策系统
动态
负荷高峰时段
混合整数规划模型
电厂管理技术
油位检测方法
检测点
变压器套管
扫描技术
电容单元
地下水渗流场
地下水动态监测
地质勘测数据
预警方法
岩土层
文本
长短期记忆网络
融合评论
新闻检测技术
预训练模型