隧洞掘进机掘进数据预处理方法及工程案例验证

来源：水资源与水工程学报杂志2024年第5期北京时间：

作者：聂其坦，肖浩汉，刘飞，刘立鹏，牛瑞强

单位：1.广东粤海粤西供水有限公司,2.中国水利水电科学研究院

摘要：全断面硬岩隧洞掘进机(TBM)在施工过程中自动获取了海量的掘进数据，适当筛选与清理掘进数据能够提高数据质量，对隧洞工程的智能化施工具有重要意义。因此，根据引绰济辽工程TBM掘进数据的特征，提出了集成的TBM掘进数据预处理方法，包括完整掘进段提取、内部掘进段分割以及掘进参数降噪。此外，采用时序预测更强的长短期记忆网络(LSTM)算法建立了扭矩切深指数(TPI)预测模型，以验证数据预处理方法的有效性。结果表明：所提出的数据预处理方法能够显著改善数据质量，提高深度学习模型的预测精度，验证集的拟合优度R2由0.503提升至0.721，相关系数R′由0.809提升至0.900，平均相对误差MRE由3.107下降至0.096。研究成果对于提高TBM掘进数据的准确性和可靠性具有重要意义，也可为相关领域的研究提供参考。

关键词：隧洞掘进机(TBM),数据预处理,核密度估计,巴特沃斯滤波,长短期记忆网络(LSTM)

基金资助：中国水利水电科学研究院基本科研业务费专项项目（GE0145B012021）；国家自然科学基金项目（52179121）；流域水循环模拟与调控国家重点实验室自主研究课题（SKL2022ZD05）