[发明专利]基于Xgboost的盾构施工不良地质类型预测方法

摘要

本发明提出了一种基于Xgboost的盾构施工不良地质类型预测方法，用于解决现有技术存在的预测准确率和时效性低的技术问题，实现步骤为：对盾构机的PDV历史数据进行预处理；获取预处理后的多个掘进参数数据的关键特征；构建不良地质预测数据包；建立Xgboost算法不良地质预测模型；对Xgboost算法不良地质预测模型进行评估；对盾构施工过程中不良地质类型进行预测。本发明通过随机森林算法特征提取模型提取能表征地层变化的掘进参数关键数据特征集，通过Xgboost算法不良地质预测模型实现对不良地质类型预测，提高了不良地质预测的准确率和时效性，可用于在盾构施工过程中实时监测和分析开挖面围岩的地质情况。

主权项

1.一种基于Xgboost的盾构施工不良地质类型预测方法，其特征在于，包括如下步骤：(1)对盾构机的PDV历史数据进行预处理：从盾构机PDV数据采集系统中获取包括地质特征数据和多个不同掘进参数数据的PDV历史数据，并对多个不同掘进参数数据进行预处理，得到包含多个预处理后的掘进参数数据的掘进参数数据集；(2)获取预处理后的多个掘进参数数据的关键特征：建立随机森林算法特征提取模型，并利用地质特征数据和掘进参数数据集对随机森林算法特征提取模型进行训练，得到包含多个表征地层变化的掘进参数关键数据特征的掘进参数关键数据特征集；(3)构建不良地质预测数据包：提取掘进参数数据集中与掘进参数关键数据特征集中所有特征对应的数据，组成掘进参数特征数据集，并将其与地质特征数据合并为不良地质预测数据包；(4)建立Xgboost算法不良地质预测模型：将不良地质预测数据包中80％的特征数据作为训练集，其余的特征数据作为测试集，并利用训练集对Xgboost算法不良地质预测模型进行训练，得到Xgboost算法不良地质预测模型；(5)对Xgboost算法不良地质预测模型进行评估：(5a)利用测试集对Xgboost算法不良地质预测模型进行测试，并将测试得到的不良地质类型预测值与测试集中的不良地质类型真实值进行对比，得到Xgboost算法不良地质预测模型预测结果的正确率accuracy；(5b)判断正确率accuracy是否小于预先设置阈值，若是，执行步骤(2)，否则保存Xgboost算法不良地质预测模型。(6)对盾构施工过程中不良地质类型进行预测：从盾构机PDV数据采集系统采集到的盾构施工过程中PDV实时数据中提取掘进参数关键数据特征集中所有特征对应的数据，并将其输入到Xgboost算法不良地质预测模型中，得到盾构施工过程中不良地质类型的预测值。