摘要
本申请涉及隧道工程自动化与智能控制技术领域，公开了基于LSTM网络的TBM掘进参数智能优化决策系统，包括：数据采集与预处理模块，获取外界数据并输出掘进参数序列；概率性掘进趋势预测模块，用于输出预测期望值和预测不确定性；前瞻性地质前兆感知模块，用于匹配识别已知风险并输出告警事件；动态风险规避决策矩阵确定最优掘进模式。当预测不确定性过高时，不确定性驱动的前瞻模板被激活后以挖掘新前兆模板并更新模板库；同时，决策‑效能关联性评估与策略自优化引擎根据实际掘进效能对决策规则进行优化。本发明通过量化预测风险、融合多源信息进行决策，并建立知识发现与策略优化的双重学习闭环，显著提升了系统决策的可靠性、自适应性和长期效能。
