摘要
本发明公开一种数据与知识联合驱动的TBM掘进参数预测方法及系统,属于TBM掘进智能数据的技术领域。构建线性的TBM掘进知识模型,将历史掘进数据作为输入,利用所述TBM掘进知识模型得到初步预测掘进数据,建立历史掘进数据和初步预测掘进数据之间的非线性映射关系,采用核函数对所述非线性映射关系进行建模得到核函数映射模型,将待预测工况下的输入数据导入TBM掘进知识模型得到初步预测值,利用优化后的核函数映射模型对所述初步预测值进行残差修正,输出修正后结果作为TBM掘进参数预测值,实现数据与知识联合驱动的预测。本发明相较于传统单一的预测方法,能够更准确地捕捉TBM掘进参数之间的复杂关系,有效提高了TBM掘进参数的预测精度。
技术关键词
掘进参数
非线性映射关系
数据
理论
智能优化算法
现场工程
协方差矩阵
样本
掘进机
误差
超参数
工况
采集现场
噪声方差
预测系统
强度
模块
系统为您推荐了相关专利信息
结构优化方法
传动件
可调节机械爪
机械爪设计技术
粒子群算法
序列
宏基因组数据
病毒蛋白
隐马尔可夫模型
原核表达系统
逻辑回归模型
提水设备
ARIMA模型
深度神经网络
识别故障
剩余寿命预测方法
剩余寿命预测模型
旋转机械
剩余使用寿命
代表