盾构机异常检测残差网络

地质过渡精度98.5%

同时捕捉突发异常与缓变退化，对地质过渡与曲线过渡工况的检测效果优于现有方法。

Yuntian, Bai · 赵红华 · Haotian, Tang · Zhi, Jia · Yang, Liu · Zhi, Jia

Measurement: Journal of the International Measurement Confederation 2026

参数信息

准确率（地质过渡）

98.5 %

F1分数（地质过渡）

93.1 %

准确率（曲线过渡）

96.8 %

F1分数（曲线过渡）

94.1 %

降维率

88.5-89.3 %

技术优势

两类异常都能抓

并行多尺度时间编码结合BiGRU与注意力机制，同时捕捉突发异常和缓变退化模式。

数据维度大幅压缩

分层混合降维实现88.5–89.3%的降维率，且保留95%方差，降低计算开销。

复杂工况下表现强

在地质过渡和曲线过渡场景中分别取得98.5%和96.8%的准确率，优于现有模型。

应用场景

• 隧道掘进监测：实时识别盾构机停机前兆，减少非计划停机。
• 智能建造：用数据驱动的异常检测替代人工经验判断。
• 工业物联网：处理盾构机高维传感器数据，实现边缘端预测。