基于LightGBM算法的盾构滚刀磨损预测模型

摘要

盾构掘进中刀具与岩土体接触产生的磨损现象严重影响着施工的效率与安全，预测刀具磨损情况有助于确定开仓换刀时机，保障工程的安全与高效。为实现滚刀磨损的准确高效预测，提出了结合LightGBM(Light Gradient Boosting Machine)算法和贝叶斯优化算法的滚刀磨损预测模型。通过改进Mask R-CNN算法及其后处理方法提取渣石图像几何特征，结合掘进参数、地质因素和均匀磨损值构建预测数据集，利用LightGBM算法构建磨损预测模型，并采用贝叶斯优化算法对模型进行超参数优化，实现滚刀磨损的预测。结果表明，所提模型预测结果与实测值接近，其预测精度较XGBoost(Extreme Gradient Boosting)算法、BP算法更高，证明了提出方法的有效性。通过对比实验可知，渣石几何特征对磨损预测模型有所贡献，能够辅助模型开展磨损预测并提升模型性能。

关键词

盾构隧道 / 盾构滚刀 / 磨损预测 / 渣石形态分布 / LightGBM算法