The invention discloses a data mining-based classification method for excavatability of surrounding rock in TBM construction, which includes: taking safety and efficiency as the principle, establishing penetration prediction model by stepwise regression method and considering the main driver's operation experience; regression analysis of Engineering projects, establishing speed prediction model; summarizing domestic and foreign engineering cases, and establishing TBM construction excavation utilization based on data mining. Rate prediction model; Taking TBM tunneling speed as evaluation index, the surrounding rock excavatability classification model based on TBM construction is finally established. In view of the fact that the traditional method of surrounding rock classification based on the stability of surrounding rock can not well adapt to the current situation of TBM construction, the method of systematized classification of surrounding rock under TBM construction conditions is put forward according to data mining method, aiming at accurately predicting the tunneling performance of TBM under various surrounding rock grades, providing decision-making basis for TBM construction cost and time limit prediction, and realizing the prediction of TBM construction cost and time limit. The optimization and adjustment of BM tunneling parameters.
【技术实现步骤摘要】
一种基于数据挖掘的TBM施工围岩可掘性分级方法
本专利技术涉及对TBM施工的围岩可掘性分级方法,尤其涉及一种考虑到围岩可掘性与设备适应性的TBM围岩可掘性分级方法。
技术介绍
与传统的隧道施工方法相比,TBM法施工速度快,通常掘进速率是传统钻爆法的3~10倍,然而TBM对地质条件的适应性很差,如果在掘进时没有采取很好的掘进参数与之匹配,那么可能会导致TBM无法发挥其掘进速度快的优势,进而造成工期延误。传统隧道施工方法一般是通过围岩分类方法来设计隧道支护和指导施工,并据此进行成本和工期预算。但是当前的隧道围岩分级法大多针对隧道围岩稳定性评价和支护结构的设计提出,越来越难以满足TBM隧道的施工需要。TBM施工条件下的隧道围岩分级应该以工程岩体的可掘性为基础,充分考虑影响TBM掘进效率的主要工程地质因素。目前,尚没有公认的TBM施工隧道的围岩分类统一标准。现阶段比较常用的围岩分类方法有挪威学者学者N.Barton的Q系统分类法、南非学者Bieniawski的地质力学分类法(RMR)以及迪尔的RQD分类法等。N.Barton于1999年在Q系统分类法的基础上提出了QTBM系统,该系统虽然考虑了岩体与TBM之间的相互作用,但是如果隧道围岩岩性差别较大,利用该模型预测得到的误差将会很大,且该系统涉及的参数指标太多,实用困难,无法满足TBM施工隧道的围岩分级要求。因此目前所存在的围岩分级分类系统的普适性较差,往往不能针对特定的项目工程进行合理的分级预测。
技术实现思路
针对上述现有技术中描述的不足,本专利技术提供一种基于数据挖掘的TBM施工围岩可掘性分级方法,以期能够对TB ...
【技术保护点】
1.一种基于数据挖掘的TBM施工围岩可掘性分级方法,其特征在于,步骤如下:S1,建立贯入度预测模型;S2,建立转速预测模型;S3,建立TBM施工掘进工时利用率预测模型;TBM施工的工时利用率是TBM净掘进时间与总施工时间的比值,它是衡量TBM的使用及管理水平的重要指标;S4,结合步骤S1‑S3计算TBM掘进速度AR,并以TBM掘进速度AR为评价指标,进行TBM施工围岩可掘性分级。
【技术特征摘要】
1.一种基于数据挖掘的TBM施工围岩可掘性分级方法,其特征在于,步骤如下:S1,建立贯入度预测模型;S2,建立转速预测模型;S3,建立TBM施工掘进工时利用率预测模型;TBM施工的工时利用率是TBM净掘进时间与总施工时间的比值,它是衡量TBM的使用及管理水平的重要指标;S4,结合步骤S1-S3计算TBM掘进速度AR,并以TBM掘进速度AR为评价指标,进行TBM施工围岩可掘性分级。2.根据权利要求1所述的基于数据挖掘的TBM施工围岩可掘性分级方法,其特征在于,在步骤S1中,具体步骤为:S1.1,建立不同岩体条件下TBM掘进参数上升段的设备运行参数单刀推力与控制参数贯入度之间的关系模型:F=a×P+b;其中,a表示贯入度对单刀推力影响系数,b为滚刀破岩门槛值,P表示贯入度;S1.2,建立岩体状态参数与贯入度的关系模型;S1.2.1,建立贯入度对单刀推力影响系数a与单位体积节理数Jv之间的函数逐步回归拟合公式:a=f(Jv)=p0×Jv2+p1×Jv+p2,0<Jv<35;式中,p0、p1、p2为拟合常数,f为函数;S1.2.2,建立贯入度为1时,抗压强度指标UCS与单位体积节理数Jv之间的函数逐步回归拟合公式:a+b=g(UCS,Jv)=p3×UCS+p4×Jv+p5;其中,p3、p4、p5为拟合常数,g为回归函数;S1.3,计算岩体基本质量指标BQ:BQ=100+3UCS+250Kv;其中,UCS为抗压强度指标;Kv为岩体的完整性系数;且当UCS≥90Kv+30时,UCS=90Kv+30;当Kv≥0.04UCS+0.4时,Kv=0.04UCS+0.4;S1.4,确定岩体的传统围岩等级;按照岩体基本质量指标BQ与传统围岩等级的关系确定岩体的传统围岩等级;S1.5,计算岩体的传统围岩等级下滚刀的单刀推力值;Fn=Fmax×Fs;其中,Fs为传统围岩等级下滚刀单刀推力系数;Fmax为最大单刀推力;S1.6,根据步骤S1.1和步骤S1.2以及滚刀的单刀推力值,...
【专利技术属性】
技术研发人员:谭顺辉,陈帅,荆留杰,杨晨,张娜,简鹏,
申请(专利权)人:中铁工程装备集团有限公司,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。