本发明提供一种基于神经网络优化的盾构机掘进速度预测方法,其中包括:S100,收集地质参数;S200,收集每一环盾构施工参数,并对地质参数和施工参数进行标准化处理,将处理后的数据划分为训练集与测试集;S300,确定模型的输入变量,并将盾构施工参数集中的盾构掘进速度作为输出变量,利用划分的训练集建立深度学习神经网络模型;S400,基于深度学习神经网络模型对盾构机在测试集上的掘进速度进行预测,并使用分层粒子群算法对神经网络预测模型进行动态优化。本发明预测结果与实际施工中的盾构机掘进速度吻合,预测结果准确可靠。
声明:
“基于神经网络优化的盾构机掘进速度预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)