System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 黑人无码精品又粗又大又长,亚洲AV无码专区亚洲AV桃,亚洲成AV人片在线观看无码
  • 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    一種基于天牛混合粒子群和XGBoost模型的盾構螺旋機轉速預測方法技術

    技術編號:44303733 閱讀:3 留言:0更新日期:2025-02-18 20:20
    本發明專利技術屬于盾構施工監測技術領域,特別涉及一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法。包括以下步驟:步驟1:刪除0值;步驟2:缺失值處理;步驟3:異常值處理;步驟4:特征選擇;步驟5:歸一化樣本數據,把原始數據集劃分為訓練集、驗證集和測試集;步驟6:構建用于盾構螺旋輸送機轉速預測的BAS?PSO?XGBoost的混合模型;步驟7,訓練BAS?PSO?XGBoost混合模型;步驟8,獲取盾構機實時狀態數據,使用獲得的預測模型進行盾構螺旋輸送機轉速控制。相比傳統粒子群優化算法,本方法提高了單個粒子的搜索隨機性;具有較好的模型預測精度。地質條件的適應范圍更廣、模型的泛化能力增強、響應速度更快、對盾構螺旋輸送機轉速的預測控制效果更加準確。

    【技術實現步驟摘要】

    本專利技術屬于盾構施工監測,特別涉及一種基于天牛混合粒子群和xgboost模型的盾構螺旋輸送機轉速預測方法。


    技術介紹

    1、盾構施工方法是隧道施工的主要方式,具有對土體擾動小,施工效率高等優點。由于盾構螺旋輸送機是盾構機調節土倉壓力的重要裝置,其轉速控制是盾構機掘進時的關鍵參數之一。合理地設定螺旋輸送機參數是保障隧道高效安全施工的關鍵。

    2、目前機器學習已逐漸成為盾構機掘進參數控制的主要方法。網格搜索,粒子群等優化算法常被用于調整機器學習模型中的超參數,但這些方法存在搜索效率低、隨機性差等問題。

    3、xgboost模型是一種基于gradient?boosting的機器學習算法,衍生于梯度提升樹。xgboost會構建多個弱評估器,例如決策樹模型,弱評估器在模型迭代計算過程中構建。然后xgboost匯總所有弱評估器的結果組成的強評估器。xgboost通過引入二階導數在損失函數求解中做泰勒展開,使得模型結果更加精確。


    技術實現思路

    1、針對現有技術存在的問題,本專利技術提出了一種基于天牛混合粒子群和xgboost(extreme?gradient?boosting)模型的盾構螺旋輸送機轉速預測方法,即綜合天牛混合粒子群和xgboost模型構建一種bas-pso-xgboost的混合模型,用于預測盾構螺旋輸送機轉速。具體的,在pso算法的基礎上,結合天牛混合粒子群搜索方法的理念,在單個粒子位置更新過程中增加局部搜索階段,提高單個粒子的隨機搜索能力,其中,盾構參數控制模型的超參數的每一種組合方式都代表了一種粒子;bas-pso方法可準確、有效的調整盾構參數控制xgboost模型的超參數,從而構建有效的機器學習模型,提高模型對盾構機關鍵參數的預測和控制精度。

    2、本專利技術技術方案:

    3、一種基于天牛混合粒子群和xgboost模型的盾構螺旋輸送機轉速預測方法,包括以下步驟:

    4、步驟1:刪除0值,從盾構機數據集中剔除掉盾構螺旋輸送機轉速等級為0的全部數據;

    5、步驟2:缺失值處理,使用線性插值法填充原始數據中的缺失值;

    6、步驟3:異常值處理,基于速度約束修復處理異常值;

    7、步驟4:特征選擇,通過施工經驗和卡方過濾方法選擇和標簽相關性最高的特征。

    8、步驟5:構建訓練樣本并歸一化樣本數據,把原始數據集劃分為訓練集、驗證集和測試集;

    9、步驟6:構建用于盾構螺旋輸送機轉速預測的bas-pso-xgboost的混合模型;

    10、步驟7,使用步驟5訓練樣本訓練bas-pso-xgboost混合模型;

    11、步驟8,獲取盾構機實時狀態數據,使用步驟7獲得的預測模型,求得螺旋輸送機轉速預測數據,用于盾構螺旋輸送機轉速控制。

    12、有益效果

    13、1相比傳統粒子群優化算法,本方法提高了單個粒子的搜索隨機性。

    14、2相比于其他混合機器學習模型,本方法具有較好的模型預測精度。

    15、3同傳統的盾構螺旋輸送機轉速預測方法相比,該方法地質條件的適應范圍更廣、模型的泛化能力增強、響應速度更快、對盾構螺旋輸送機轉速的預測控制效果更加準確等。

    本文檔來自技高網...

    【技術保護點】

    1.一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,包括以下步驟:

    2.根據權利要求1所述一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟2中,

    3.根據權利要求1所述一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟3中,

    4.根據權利要求1所述一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟4中,

    5.根據權利要求4所述一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟4中,選擇的特征如下:

    6.根據權利要求1所述一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟6中,選擇5個XGBoost模型超參數作為BAS-PSO算法的優化目標,如下:

    7.根據權利要求1所述一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟7包括以下步驟:

    8.根據權利要求7所述一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,粒子數N取50,常數c1和常數c2選取為2,慣性系數w選取為0.9,迭代比例μ選取為0.9,迭代步長step選取為1.3。

    9.根據權利要求7所述一種基于天牛混合粒子群和XGBoost模型的盾構螺旋輸送機轉速預測方法,其特征在于,k取為50。

    ...

    【技術特征摘要】

    1.一種基于天牛混合粒子群和xgboost模型的盾構螺旋輸送機轉速預測方法,其特征在于,包括以下步驟:

    2.根據權利要求1所述一種基于天牛混合粒子群和xgboost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟2中,

    3.根據權利要求1所述一種基于天牛混合粒子群和xgboost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟3中,

    4.根據權利要求1所述一種基于天牛混合粒子群和xgboost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟4中,

    5.根據權利要求4所述一種基于天牛混合粒子群和xgboost模型的盾構螺旋輸送機轉速預測方法,其特征在于,步驟4中,選擇的特征如下:

    6.根據權利要求1所述一種...

    【專利技術屬性】
    技術研發人員:張恒毛健杜津平葉俊楊偉清王迦杰蔣云飛曾輝楊立偉趙天健
    申請(專利權)人:上海地鐵盾構設備工程有限公司
    類型:發明
    國別省市:

    網友詢問留言 已有0條評論
    • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

    1
    主站蜘蛛池模板: 深夜a级毛片免费无码| 成人免费无码大片a毛片| 亚洲成AV人在线播放无码| 亚洲av无码片在线播放| 无码aⅴ精品一区二区三区| 自慰无码一区二区三区| 精品人妻无码一区二区色欲产成人| 色视频综合无码一区二区三区| 麻豆国产精品无码视频| 成人无码视频97免费| 无码永久免费AV网站| 无码人妻品一区二区三区精99| 国产免费AV片无码永久免费| 无码人妻一区二区三区免费n鬼沢 无码人妻一区二区三区免费看 | 久久久久亚洲av无码尤物| 青春草无码精品视频在线观| 无码AV片在线观看免费| 国产亚洲?V无码?V男人的天堂| 日韩av无码成人无码免费| 久久无码专区国产精品s| 国产精品一级毛片无码视频| 亚洲国产成人精品无码区二本 | 日韩av无码一区二区三区| 国模无码视频一区| 无码亚洲成a人在线观看| 久久精品中文字幕无码绿巨人| 国产精品VA在线观看无码不卡| 久久av无码专区亚洲av桃花岛| 久久精品无码一区二区三区日韩 | 久久无码av三级| 高清无码视频直接看| 成人无码WWW免费视频| 国产成人无码一区二区三区在线| 亚洲日韩VA无码中文字幕| 亚洲无码高清在线观看 | 成人无码区免费视频观看| 日韩av无码久久精品免费| 亚洲av无码乱码国产精品| 夜夜添无码试看一区二区三区| 97无码人妻福利免费公开在线视频 | 精品无码一级毛片免费视频观看|