基于随钻测试与TBM岩渣图像的围岩完整性识别方法及系统技术方案

本发明专利技术公开了一种基于随钻测试与TBM岩渣图像的围岩完整性识别方法及系统，包括：获取随钻参数数据并进行数据预处理；将预处理后的数据输入至训练好的围岩完整程度预测模型，得到第一围岩完整程度预测结果；获取岩渣图像信息并进行预处理；分别获取岩渣的形状特征和岩渣的粒径特征，将所述特征输入至分类器，得到第二围岩完整程度预测结果；将第一围岩完整程度预测结果和第二围岩完整程度预测结果进行加权表决的决策级融合，得到最终的围岩完整性识别结果。本发明专利技术实现了隧道围岩完整性识别的智能化，提高了识别的安全性和精准性。提高了识别的安全性和精准性。提高了识别的安全性和精准性。

【技术实现步骤摘要】
基于随钻测试与TBM岩渣图像的围岩完整性识别方法及系统


[0001]本专利技术涉及隧道施工中地质勘察
，尤其涉及一种基于随钻测试与TBM岩渣图像的围岩完整性识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前，隧道施工主要以TBM施工和盾构机施工为主，在勘察设计过程中不可避免地会遇到一系列技术难题，如存在围岩破碎等不良地质现象时，在隧道施工过程中会产生安全隐患问题，容易造成TBM或者盾构机卡机、损坏甚至造成人员伤亡等重大事故；
[0004]现有技术通常采用随钻参数和掌子面图像等对围岩进行分级。但由于随钻参数指标测量有限，且单一数据源存在随机性，一孔或多孔量测都不足以完全代表围岩的完整性。因此，容易出现结果准确率偏低，模型泛化性能差等问题。而隧道掌子面图像识别的目标是对掌子面的节理和裂隙进行识别。但是掌子面节理裂隙较为复杂，且掌子面图像经过处理后，会存在许多杂质区域，对隧道掌子面识别造成一定的难度。
[0005]在TBM掘进过程中，岩渣本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随钻测试与TBM岩渣图像的围岩完整性识别方法，其特征在于，包括：获取随钻参数数据并进行数据预处理；将预处理后的数据输入至训练好的围岩完整程度预测模型，得到第一围岩完整程度预测结果；其中，所述围岩完整程度预测模型使用模型融合策略对至少两个深度神经网络进行融合；获取岩渣图像信息并进行预处理；分别获取岩渣的形状特征和岩渣的粒径特征，将所述特征输入至分类器，得到第二围岩完整程度预测结果；将所述第一围岩完整程度预测结果和第二围岩完整程度预测结果进行加权表决的决策级融合，得到最终的围岩完整性识别结果。2.如权利要求1所述的一种基于随钻测试与TBM岩渣图像的围岩完整性识别方法，其特征在于，获取随钻参数数据包括：钻进速度、钻进推力、钻头转速、钻进扭矩和钻进深度。3.如权利要求1所述的一种基于随钻测试与TBM岩渣图像的围岩完整性识别方法，其特征在于，获取随钻参数数据并进行数据预处理，包括：对所述随钻参数数据进行缺失数据补偿、异常数据剔除和数据标准化处理。4.如权利要求1所述的一种基于随钻测试与TBM岩渣图像的围岩完整性识别方法，其特征在于，所述围岩完整程度预测模型使用模型融合策略对至少两个深度神经网络基模型进行融合，具体包括：将样本数据划分为训练集T和测试集W；先将训练集T按设定的百分比划分为T1和T2两部分；创建包含基模型A和基模型B的第一层模型，使用T1对基模型A和基模型B进行训练；训练后的基模型A和基模型B对T2进行测试得到新的训练集T
’
；训练后的基模型A和基模型B对测试集W进行测试得到新的测试集W
’
；创建包含模型C的第二层模型，使用新的训练集T
’
训练模型C，用训练后的C模型对新的测试集W
’
进行测试得到结果；最终得到训练好的围岩完整程度预测模型。5.如权利要求1所述的一种基于随钻测试与TBM岩渣图像的围岩完整性识别方法，其特征在于，获取岩渣图像信息并进行预处理，具体包括：利用高斯滤波器对岩渣图像进行处理，以抑制图像中的噪声；利用生成对抗网络...

【专利技术属性】
技术研发人员：林鹏，李珊，马文，华一磊，邵瑞琦，韩涛，许振浩，
申请(专利权)人：山东大学，
类型：发明
国别省市：