基于聚类迁移学习的盾构隧道渣土改良参数预测方法

本发明属于盾构控制技术领域，涉及基于聚类迁移学习的盾构隧道渣土改良参数预测方法。该方法包括：构建历史盾构工程掘进参数数据集；聚类划分得到若干个聚类；建立若干个改良剂用量预测模型；将微调后的各个改良剂用量预测模型分别迁移至新盾构工程；选择准确率最高的改良剂用量预测模型；利用渣土改良剂用量预测迁移模型实时预测渣土改良剂用量，并根据渣土改良状态实时更新渣土改良剂用量预测迁移学习模型的参数。本发明引入迁移学习模型解决了传统渣土改良参数预测模型在训练与实际工程应用之间存在的滞后性问题；数据聚类汇总有效降低了工程间数据分布差异对模型性能的影响；模型微调提升了迁移学习模型在新工程中的适用性，实现渣土改良参数的准确预测和隧道高效施工。