基于PSO-SVR与LSTM算法的复合地层下刀盘扭矩预测与分析

在盾构机实际施工过程中,对于刀盘扭矩的预估是盾构装备设计与施工调整的重要依据。地铁盾构施工区间往往穿越多个地层并历经复杂的地质环境,盾构机每掘进1环将会产生海量的地质参数与机械参数数据,对于庞大的数据体系,传统的统计分析方法已经无法满足数据量的需求。文章提出用机器学习算法结合数据预处理方法来对复合地层下的刀盘扭矩进行建模预测。鉴于盾构数据具有时间属性的特点,文章采用PSO-SVR与LSTM时序算法进行对比分析。首先采用数据预处理的方法进行数据清洗和特征筛选,之后将样本数据用于模型建立,最后对模型的适用性进行对比分析。分析结果表明,LSTM时序分析算法在盾构掘进参数预测方面具有更好的表现效果,平均误差率仅为5%左右,可以满足工程层面的需求。