深挖细掘：隧道掘进研究中数据清洗技术的系统性文献综述

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》：Digging deeper: A systematic literature review on data cleaning techniques in tunneling research

　　

近年来，人工智能（AI）与机器学习（ML）在隧道工程中的应用显著增长。鉴于隧道掘进机（TBM）配备大量传感器，其数据有望用于掘进分析、地质分类及各类TBM参数预测。尽管ML方法在TBM传感器数据上的应用日益增多，数据预处理却常被视为次要或隐式步骤。研究人员通过开展系统性文献综述，分析了既有研究如何对TBM传感器数据进行预处理。综述揭示，大量研究依赖与TBM传感器数据时间性与非平稳性不相容的方法，如静态3σ或基于箱线图（boxplot）的异常值检测。通过系统分析现有预处理策略，本综述凸显了方法论缺陷，讨论了其对预测与分类任务的影响，并为选择与TBM数据特性一致的预处理技术提供指导。

研究背景与问题提出

隧道掘进机（TBM）单台配备多达3000个传感器，每数秒采集一次读数，月产数据量达数GB。近年人工智能（AI）与机器学习（ML）在掘进速率预测、控制参数决策与过程识别中应用激增，但数据质量常被忽视。隧道内粉尘、湿度、机体振动及刀具与岩土剧烈接触导致传感器短时失稳，若未经清洗直接入模，会引发错误预测、误判地质分类乃至不安全决策。更关键的是，TBM传感器流具有强非平稳性、与掘进物理机理深度耦合、且呈自由运转—加载—掘进—卸载等阶段交替的循环特征；而既有文献大量沿用通用表格数据科学中的静态3σ、箱线图阈值或移动平均滤波，这类假设独立同分布（i.i.d.）的方法易将物理合理的工况跃迁误判为异常，破坏信号完整性。已有综述（如Guo等2025）仅描述性罗列技术，缺乏领域适配性批判。因此，亟需从“描述目录”走向“评估性系统综述”。

研究目的与发表信息

研究人员在《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》发表上述系统性文献综述，旨在盘点47篇2020—2025年基于TBM传感器数据构建ML模型的研究，暴露其清洗流水线配置，对比传统统计法与先进时序/深度学习法的适用边界，并在真实双护盾硬岩TBM项目数据上实证盲目统计清洗的后果，推动从零散临时清洗转向标准化领域专用预处理框架。

主要关键技术方法

研究人员以Google Scholar为源，用(“Tunnel Boring Machine” OR “TBM”) AND (“Artificial Intelligence” OR “Machine Learning” OR “Deep Learning”) AND (“Sensor” OR “Sensors” OR “Sensor Data”) AND (“Data Cleaning” OR “Data Preprocessing” OR “Noise Reduction” OR “Data Filtering” OR “Data Processing”)检索828篇，按相关性取前250篇做两步筛选：先筛标题摘要保ML+TBM传感器+清洗述及，再读全文排除未给清洗参数者，得47篇纳入。提取目标、样本量、传感器类型、清洗步骤（异常值/缺失/噪声/归一化/特征选择）、模型与评估入表。同时取某硬岩双护盾TBM真实遥测集（贯入度等），严格按文献报道参数复现3σ、箱线图、孤立森林（Isolation Forest）、K近邻（KNN, k=5）、滚动均值（窗50）、LSTM自编码器（滑窗20，隐单元64）等算法，做实证对照。

研究结果

3.1 隧道研究任务与应用场景

47项研究聚为三类：TBM性能与参数预测（推力、刀盘扭矩、贯入度、转速、土压）、地质识别与状态监测（围岩分级、刀盘结泥饼检测、滚刀剩余寿命）、姿态控制与运维优化（盾构姿态轨迹偏差、管片顶力与收敛变形）。

3.2 异常值检测

25篇涉此步。3σ法（基于正态假定）在真实数据上将启动段整体标异，稳定段则把约4分钟低贯入度判异；若不做Box–Cox变换而直接套用，误删物理有效瞬态。多元正态（马氏距离D_mi，Sebbeh-Newton等2024取90分位界）可捕跨维异常但要求多元正态与低共线性。箱线图/Tukey法（Q₁?1.5×IQR至Q₃+1.5×IQR）对偏态与时序依赖敏感，Hu和Peng 2025按环（ringwise）施用以缓局部方差仍难避误删。模型法中孤立森林（Zhou等2024用于去停滞后推力/贯入度/扭矩）在全段把低速期大部标异；KNN（k=5，Cao等2024）稳段少标、全段不标。时序法里突变检测（Zhang等2022删20k kN→0 kN跳变）、滚动均值（窗50，Philipson等2025）、LSTM自编码器（Qin等2023b，窗20隐64，优于孤立森林与LOF）能保周期结构，但需正常行为训练集干净。

3.3 缺失数据处理

14篇处理缺失。线性插值（Yang等2025、Qin等2023b、Pan等2024）居首，宜小隙时空序列与稀疏钻孔地质推值；整行删除（Qin等2023a、Zhang等2025）损有效信息；前值填充（Pan等2022）假设无大隙；全局均值填（Li等2022）向启动段注入人工阶跃，畸变周期；反距离权重（IDW，Hu和Peng 2025）适空间散点地质属性推算，不捕突变。

3.4 噪声抑制

12篇显式降噪。指数移动平均（EMA，Shan等2024取α=0.67）比定窗移动平均相位滞后小，但仍模糊加卸载斜坡；低频通滤（Liu等2025施于总推力/扭矩/转速但未报截止频ω_c与阶数n，致物理窗不可复现）；Butterworth滤波通带最平，文内未完述。Savitzky–Golay与Kalman滤波在47篇中未被充分利用。

3.5 归一化与3.6 特征选择

原文在用户给定节选至3.4.2 Butterworth处止，未展开3.5、3.6细节，故不臆补。

讨论与结论翻译

研究人员指出，有效清洗须匹配数据非平稳性、异常成因与工况上下文；错用静态法劣于不清洗。系统性贡献有三：建47文分类图谱、评传统统计vs先进流水线、用真实遥测证盲目3σ/箱线图删启动瞬态之害。结论指向——TBM数据清洗应弃“全局i.i.d.阈值”，转“分阶段（去停滞后分自由运转/加载/掘进/卸载）、时序感知（滚动/LSTM-AE/突变）、物理约束（传感器量程+工况知识）”的领域专用范式；未来标准框架须把周期分割、相位保护、可复现参数（ω_c、n、α、窗长）报告写入审稿基线。该研究填补了隧道ML流水线中“数据centric瓶颈”的评估空白，为Data-Centric AI在工程岩土领域的落地提供方法论锚点。