基于两级信息融合的隧道掘进机拆装装置作业安全预警模型

为了能对隧道掘进机(tunnel boring machine,TBM)拆装装置作业时的安全做出有效预警,通过研究两级信息融合建立最优的安全预警模型,为TBM拆装装置吊装作业提供安全保障。一级融合将数据通过层次分析法-熵权法算法融合得出安全状态系数;二级融合建立灰色模型(grey model,GM)、差分自回归移动平均(autoregressive integrated moving average model,ARIMA)、长短期记忆网络(long short-term memory,LSTM)模型,通过3个单项预测模型构建4个简单平均组合模型和4个最优加权组合模型,对拆装装置作业时的安全状态系数进行预测分析,通过相关系数R、平均绝对误差(mean absolute error,MAE)、平均相对误差(mean absolute percentage error,MAPE)、均方根误差(root mean square error,RMSE)4个评价指标以及后期预测数据的相对误差对预测模型精度进行比较,选出最优组合模型。结果表明:最优加权组合模型的评价指标、后期数据相对误差、模型拟合效果明显优于单项与简单平均模型;通过两级信息融合,构建了权重为(0.21,0.10,0.69)的TBM拆装装置作业时的最优加权组合预警模型GM-ARIMA-LSTM。可见创建的二级信息融合安全预警模型在TBM拆装装置作业时能有效判断装置的安全状态,对危险做出及时预警。