摘要
本发明公开了一种基于多模态集成学习的TBM卡机智能预测方法，涉及TBM掘进施工技术领域，包括：采集TBM掘进多源数据；对TBM掘进多源数据进行数据融合处理，形成融合特征向量；基于融合特征向量构建掘进参数预测模型和集成算法预测模型，并分别通过掘进参数预测模型和集成算法预测模型获取掘进参数预测值和掘进参数权重值；对掘进参数预测模型和集成算法预测模型的预测数据进行准确性评价，并基于掘进参数预测值和掘进参数权重值生成TBM卡机预警数据。本发明通过多模态数据的分析与集成减少TBM掘进过程中发生的卡机现象，为现代隧道工程提供高效、精准的智能预测与决策支持，提升了施工安全性与经济效益。
