自适应混合推力预测网络

区间预测覆盖率达98%

融合自适应分解与深度混合网络，能同时捕捉长程依赖和局部特征，并对残差进行概率建模，为盾构推力提供可靠的区间预测。

Yuntian, Bai · 赵红华 · Cheng, Wenchieh · Kai, Jian · Haowei, Yu · Xiangjin, Wang

Measurement Science and Technology 2025

参数信息

子序列预测准确率

99.83 %

残差序列置信区间覆盖率

98.64 %

技术优势

预测更准

自适应分解与双向长短期记忆-卷积神经网络混合网络共同提取多尺度时间频率特征，捕捉长程依赖和局部模式，从而提升预测准确率。

量化不确定性

对难以确定建模的残差序列引入高斯过程回归，输出概率区间，为决策提供可靠的区间估计。

工况适应性强

在两个不同采样频率的工程数据集上均取得优秀性能，表明框架能适应不同的监测条件。

应用场景

• 盾构机推力预测：实时预测推力区间，辅助操作参数调整，保障掘进安全。
• 隧道施工智能决策：输出概率区间为施工决策提供不确定性量化依据。
• 工程监测与测量：整合多源数据，提升监测系统对推力序列的建模能力。
• 施工安全预警：通过置信区间覆盖率98.64%的区间预测实现可靠风险预警。