一种基于空地井综合勘探资料的隧道围岩分级方法及设备技术

本发明专利技术提供一种基于空地井综合勘探资料的隧道围岩分级方法及设备，包括：预先建立航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型；获取目标隧道围岩区域的航空物探数据、地面大地电磁数据以及钻探数据数据；将获取到的航空物探数据与地面大地电磁数据分别输入至所述航空物探围岩分级模型与所述大地电磁围岩分级模型，得到第一分级结果与第二分级结果；基于所述钻探数据数据生成第三分级结果；基于数据融合算法对所述第一分级结果与第二分级结果、第三分级结果进行融合，得到目标隧道围岩区域对应的最终围岩分级结果。本方法从多方法、多角度进行隧道围岩分级，大幅提高了隧道围岩分级结果的可靠度。幅提高了隧道围岩分级结果的可靠度。幅提高了隧道围岩分级结果的可靠度。

【技术实现步骤摘要】
一种基于空地井综合勘探资料的隧道围岩分级方法及设备


[0001]本专利技术涉及隧道勘察
，具体涉及一种基于空地井综合勘探资料的隧道围岩分级方法及设备。

技术介绍

[0002]近年来随着高速铁路的发展，尤其西南片区大瑞、渝昆、丽香、滇藏等复杂构造的铁路隧道建设越来越多，隧道设计工作越趋复杂。隧道整体围岩等级变更率较其他区域明显偏高，引起投资增加，给地质勘察工作带来很大压力。另外不同的围岩等级需要采取不同的施工工艺，围岩等级判断不准确将带来极大的施工风险。
[0003]现有成熟的隧道围岩分级方法通常通过综合测井以及钻探数据进行围岩分级，但钻探以及综合测井分级方法对专家经验依赖度较高、并且只对钻孔范围内的地质情况有清晰的判定，无法做到以点到面；另外一部分现有技术也提供了通过地面大地电磁数据进行围岩分级的方法，例如：申请公开号为CN110968840A的中国专利公开的一种基于大地电磁测深电阻率判定隧道围岩等级的方法，包括：(1)根据已知区域的隧道围岩等级与洞身电阻率数值样本，建立隧道围岩等级与电阻率区间的对应关系模型；(2)获取待分级区域的电阻率数值；(3)根据步骤2获得的待分级区域的电阻率以及步骤1建立的隧道围岩等级与电阻率区间的对应关系模型，得出待分级区域的隧道围岩等级该专利采用统计学方法利用隧道围岩等级与电阻率区间的对应关系模型对隧道围岩进行分级。
[0004]但是对于位于复杂艰险地带的隧道，隧道围岩等级会受到多因素的影响，单一因素的围岩分级方式可能会导致分级不准确、且复杂山区铁路隧道围岩变更率偏高的问题，同时围岩分级的不准确会极大影响工程造价的准确性，并对后期隧道施工带来安全风险。

技术实现思路

[0005]本专利技术的目的在于克服现有围岩分级方法分级维度单一、准确度不高的问题，提供一种基于空地井综合勘探资料的隧道围岩分级方法及设备，本方法结合钻探以及空地井综合物探，从多方法、多角度对隧道围岩进行智能分级，提高对复杂构造影响的山区隧道围岩认识，降低复杂山区铁路隧道围岩变更率。
[0006]为了实现上述专利技术目的，本专利技术提供了以下技术方案：
[0007]一种基于空地井综合勘探资料的隧道围岩分级方法，包括：
[0008]预先建立航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型；
[0009]获取目标隧道围岩区域的航空物探数据、地面大地电磁数据以及钻探数据数据；
[0010]将获取到的航空物探数据与地面大地电磁数据分别输入至所述航空物探围岩分级模型与所述大地电磁围岩分级模型，得到第一分级结果与第二分级结果；基于所述钻探数据数据生成第三分级结果；
[0011]基于数据融合算法对所述第一分级结果与第二分级结果、第三分级结果进行融合，得到目标隧道围岩区域对应的最终围岩分级结果。
[0012]根据一种具体的实施方式，上述基于空地井综合勘探资料的隧道围岩分级方法中，基于改进型卷积神经网络模型预先建立所述航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型；
[0013]其中，所述改进型卷积神经网络模型为：残差块采用两路并行卷积层的卷积神经网络。
[0014]根据一种具体的实施方式，上述基于空地井综合勘探资料的隧道围岩分级方法中，所述两路并行的卷积层的滤波器形状尺寸分别为(2,8)和(4,4)。
[0015]根据一种具体的实施方式，上述基于空地井综合勘探资料的隧道围岩分级方法中，所述基于改进型卷积神经网络模型预先建立所述航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型，包括：
[0016]获取不少于预设数量的航空物探分级样本数据与大地电磁分级样本数据，
[0017]基于改进型卷积神经网络模型构建两个初始网络，分别利用航空物探分级样本数据与大地电磁分级样本数据对两个初始网络进行训练，得到训练完成的航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型。
[0018]根据一种具体的实施方式，上述基于空地井综合勘探资料的隧道围岩分级方法中，基于数据融合算法对所述第一分级结果与第二分级结果、第三分级结果进行融合，包括：
[0019]构建数据融合模型，
[0020]设置所述第一分级结果与第二分级结果、第三分级结果的初始权重，其中，所述第三分级结果的初始权重大于第二分级结果的权重大于第三分级结果的权重；
[0021]将第一分级结果与第二分级结果、第三分级结果及其初始权重输入至所述数据融合模型，得到分级融合结果。
[0022]根据一种具体的实施方式，上述基于空地井综合勘探资料的隧道围岩分级方法中，所述预设数量为1000。
[0023]根据一种具体的实施方式，上述基于空地井综合勘探资料的隧道围岩分级方法中，所述数据融合算法采用改进型D
‑
S证据理论模型，
[0024]其中，所述改进型D
‑
S证据理论模型为支持模糊支持度加权的D
‑
S证据理论模型。
[0025]本专利技术的另一方面，提供一种电子设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述基于空地井综合勘探资料的隧道围岩分级方法。
[0026]与现有技术相比，本专利技术的有益效果：
[0027]本专利技术实施例所提供的隧道围岩分级方法，通过预先建立航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型；在实际工程应用时，通过预先建立的模型获取目标隧道围岩区域的航空物探分级结果与地面大地电磁分级结果，同时结合该区域的钻探数据分级结果，基于数据融合算法对三种分级结果进行融合，得到目标隧道围岩区域对应的最终围岩分级结果，本方法通过数据融合，提供一种了结合空、地、井综合物探的围岩分级方法，有效解决现有单一分级存在的“一孔之见”或者多解性等问题；同时在对航空电磁法和地面大地电磁法进行围岩分级时，通过构建神经网络模型，实现了快速、智能化围岩
识别，降低了经验依赖性，大幅提高了工作效率。
附图说明
[0028]图1为本专利技术实施例1所述的基于空地井综合勘探资料的隧道围岩分级方法流程图；
[0029]图2a为本专利技术实施例所述的改进型卷积神经网络结构示意图；
[0030]图2b为本专利技术实施例所述的改进型卷积神经网络中每个残差块的结构示意图；
[0031]图3为本专利技术实施例2所述的基于空地井综合勘探资料的隧道围岩分级方法流程图；
[0032]图4a为本专利技术实施例所述的对某目标隧道围岩区域的航空物探分级结果示意图；
[0033]图4b为本专利技术实施例所述的对某目标隧道围岩区域的大地电磁分级结果示意图；
[0034]图4c为本专利技术实施例所述的对某目标隧道围岩区域的钻探数据分级结果示意图；
[0035]图4d为本专利技术实施例所述的对某目标隧道围岩区域的融合分级结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空地井综合勘探资料的隧道围岩分级方法，其特征在于，包括：预先建立航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型；获取目标隧道围岩区域的航空物探数据、地面大地电磁数据以及钻探数据数据；将获取到的航空物探数据与地面大地电磁数据分别输入至所述航空物探围岩分级模型与所述大地电磁围岩分级模型，得到第一分级结果与第二分级结果；基于所述钻探数据数据生成第三分级结果；基于数据融合算法对所述第一分级结果与第二分级结果、第三分级结果进行融合，得到目标隧道围岩区域对应的最终围岩分级结果。2.根据权利要求1所述的基于空地井综合勘探资料的隧道围岩分级方法，其特征在于，基于改进型卷积神经网络模型预先建立所述航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型；其中，所述改进型卷积神经网络模型为：残差块采用两路并行卷积层的卷积神经网络。3.根据权利要求2所述的一种方法，其特征在于，所述两路并行的卷积层的滤波器形状尺寸分别为(2,8)和(4,4)。4.根据权利要求2所述的基于空地井综合勘探资料的隧道围岩分级方法，其特征在于，所述基于改进型卷积神经网络模型预先建立所述航空物探围岩分级神经网络模型与大地电磁围岩分级神经模型模型，包括：获取不少于预设数量的航空物探样本数据与大地电磁样本数据，基于改进型卷积神经网络模型构建两个初始网络，分别利用航空物探样本数据与大地电磁样本数据对...

【专利技术属性】
技术研发人员：张广泽，赵思为，罗威，尹小康，冯涛，徐正宣，魏栋华，王哲威，宋章，林之恒，
申请(专利权)人：中铁二院工程集团有限责任公司，
类型：发明
国别省市：