一种岩石可钻性分级综合预测模型构建方法技术

本发明专利技术公开了一种岩石可钻性分级综合预测模型构建方法，包括以下步骤：基于历史施工数据获取各个影响因素的变量参数值，组合形成样本集；对第一神经网络模型进行训练；第一神经网络模型的输入为各个影响因素的变量参数值，输出为各个影响因素的变量参数值；由训练完毕的第一神经网络模型构建各影响因素的整体交互作用强度矩阵，用于定量描述各个影响因素之间的交互作用强度大小和方向；根据整体交互作用强度矩阵计算得到各影响因素对岩石可钻性权值；基于样本集数据和各影响因素对岩石可钻性权值计算矿岩可钻性分类指标值。本发明专利技术建立了岩石可钻性分级综合预测模型，揭示了各个影响因素之间复杂关系以及对岩石可钻性的影响程度。影响程度。影响程度。

【技术实现步骤摘要】
一种岩石可钻性分级综合预测模型构建方法


[0001]本专利技术属于矿产资源开采
，具体涉及一种岩石可钻性分级综合预测模型构建方法。

技术介绍

[0002]在矿产资源的开采过程中，凿岩钻孔是井巷掘进和开采工序的重要环节，也是矿山经济学最重要的参数之一。一般而言，岩石可钻性级值表征了矿岩对钻具破坏的相对抗程阻度，通常选取平均穿孔速度这一指标来评价。
[0003]岩石可钻性的研究方法大致可以分为两类：各项岩石物理力学参数和各类统计分析方法。前者通过测试岩石的各项物理力学性能，如肖式硬度值、抗压强度值、抗拉强度值、研磨性、岩石结构参数等，来分析各项指标与可钻性级值的相关关系。后者采用凿碎能量法、岩屑分形法、声波分析法、化学组分分析法及模糊数学理论等，建立数据模型来评价岩石的可钻性级值。由于岩石结构、矿物组分及凿岩机工作参数的差异均可能使得岩石可钻性级值的预测产生偏差，导致单一研究方法无法综合和客观地反映岩石的可钻性。
[0004]国内外学者运用RES(Rock Engineer System)理论研究成功解决了许多岩石系统工程问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种岩石可钻性分级综合预测模型构建方法，其特征在于：包括以下步骤：S1，基于岩石力学性质和凿岩施工参数获取岩石可钻性的影响因素；S2，基于历史施工数据获取各个影响因素的变量参数值，组合形成第一样本集；S3，通过第一样本集对第一神经网络模型进行训练；第一神经网络模型的输入为各个影响因素的变量参数值，输出为各个影响因素的变量参数值；S4，由训练完毕的第一神经网络模型构建各影响因素的整体交互作用强度矩阵，用于定量描述各个影响因素之间的交互作用强度大小和方向；S5，根据整体交互作用强度矩阵计算得到各影响因素对岩石可钻性权值；S6，基于历史施工数据获取各个影响因素的变量参数值及对应平均穿孔速度，组合形成第二样本集；通过第二样本集对第二神经网络模型进行训练；第二神经网络模型的输入为各个影响因素的变量参数值，输出为平均穿孔速度；基于第二样本集数据和各影响因素对岩石可钻性权值计算矿岩可钻性分类指标值；S7，定义矿岩可钻性分类指标值的数值范围对应的矿岩可钻难易度，矿岩可钻难易度作为岩石可钻性分级综合预测模型的输出。2.根据权利要求1所述的一种岩石可钻性分级综合预测模型构建方法，其特征在于：步骤S1中，影响因素包括：岩石物理力学性质参数：抗压强度、抗拉强度、岩石质量指标；凿岩机工作参数：推进压力、冲击压力、旋转速度；主要矿物组分含量：石膏含量、等效石英含量、铁矿石品位。3.根据权利要求1所述的一种岩石可钻性分级综合预测模型构建方法，其特征在于：步骤S4中，训练完毕的第一神经网络模型获取网络权值，基于网络权值对GRSE矩阵进行编码，生成各影响因素的整体交互作用强度矩阵。4.根据权利要求1所述的一种岩石可钻性分级综合预测模型构建方法，其特征在于：步骤S6中，定义第二样本集L，L＝{l1，l2，l3…
l
r
}，其中l
r
＝{X
r
，Y
r
}；l
r
为第r个样本的影响因素参数变量；X
r
表示第r个样本的各个影响因素的变量参数值...

【专利技术属性】
技术研发人员：兰建强，王平，胡彦，刘红阳，王西兵，
申请(专利权)人：武钢资源集团程潮矿业有限公司，
类型：发明
国别省市：