基于多尺度钻探模型融合的隧道岩体质量识别方法及系统技术方案

本发明专利技术涉及超前地质预报技术领域，特别是基于多尺度钻探模型融合的隧道岩体质量识别方法及系统，具体包括以下步骤：S1，对现场钻探数据进行收集与预处理，得到测试集；S2，将所述测试集输入到多尺度融合模型后，得到隧道岩体质量识别结果，所述隧道岩体质量识别结果为预测标签中的一种，所述预测标签包括较完整、较破碎、破碎和裂隙；所述多尺度融合模型的训练过程中，对现场钻探数据进行收集、预处理以及多种尺度进行数据分割，还在训练过程中用误差倒数加权平均方法进行多尺度模型融合。起到了削弱各尺度模型缺点、优化预报效果、增强技术工程实用性的效果。工程实用性的效果。工程实用性的效果。

【技术实现步骤摘要】
基于多尺度钻探模型融合的隧道岩体质量识别方法及系统


[0001]本专利技术涉及超前地质预报
，特别是涉及基于多尺度钻探模型融合的隧道岩体质量识别方法及系统。

技术介绍

[0002]超前地质预报是保障隧道施工安全的重要手段之一，它可以探明掌子面前方未开挖岩体的地质构造、不良地质体类型、特殊岩土体性质等，为隧道开挖工法与支护措施提供重要参考。根据工作原理，隧道超前地质预报大体可分为地球物理法与地质分析法两类。前者如地质雷达、地震波等通过探测未开挖岩体的物理性质变化来进行相应地质预报，缺点是具有显著多解性；超前钻探属于地质分析法，其用钻探设备向掌子面前方岩体钻进，直接揭露未开挖岩体的强度、完整性等资料及地下水、岩溶、软弱夹层等地质体及其性质，是最直接有效、可靠的超前地质预报方法之一，在工程实践中应用广泛。
[0003]随着数字钻探技术的发展，20世纪70年代后，开始出现携带多种传感器的多功能钻机，可以对钻进过程中的钻进速率、转速、扭矩、推进力等随钻参数进行实时记录与监测，这为钻探解译技术的发展奠定了重要的数据基础。这段时间的研究成果以国外为主，研究领域覆盖完整性评价、岩体质量评价、软弱面识别、溶洞发育探测等。但上述研究大多只考虑少量(1～2个)钻进参数的作用，使得解译的可靠度不足，且在原始钻探数据的降噪方面缺乏相应研究。
[0004]进入21世纪后，超前钻探预报在国内外隧道岩溶探测等领域越来越得到重视，钻探数据解译成为学者与工程师们关注的焦点。针对常规钻探解译存在的依赖技术人员经验判断、评判标准不统一、数据利用不充分以及解译效率低等问题，目前对钻探数据解译的研究，即现有技术方案大体可分为以下三类：
[0005]一是基于破岩机理分析，此类解译多以钻进过程的能量分析与力学平衡为切入点。如基于PDC钻头破岩机理，采用能量分析方法推导随钻参数与岩石单轴抗压强度、抗剪强度的定量关系模型；
[0006]二是从淡化原理分析角度出发，利用传统数理统计为工具进行钻探解译分析。如通过对钻探数据进行统计分析，构造可以对岩体进行定量质量评价的指标；利用聚类分析、线性回归等方法，建立了地层中钻进速率与完整程度的拟合方程等；
[0007]此外，随着大数据、人工智能等信息化技术的发展，机器学习的理念已逐步渗入各个领域，为数据分析提供了新的思路，因此近些年开始有研究者将机器学习的方法引入隧道钻探数据解译中，即第三种方法。如基于神经网络的钻探测试数据智能分析和地层识别方法，对不同地层进行准确识别；用支持向量机(SVM)对Ⅲ～
Ⅴ
级围岩超前分类进行研究；利用机器学习对隧道掌子面前方岩体的空洞、塌方及破碎带进行预测等。
[0008]总体来说，第三种方法，即利用机器学习模型来进行超前钻探数据解译可较好的考虑各类数字钻探指标对解译结果的非线性影响，且具备较高的解译效率，是目前的主流发展技术。但主要存在采用单一尺度解译模型，实际解译效果不佳的问题，即通过某一特定
分割间距对钻探数据进行分割，并以此形成的数据集训练构成的单一尺度模型容易受数据异常值的影响以及数据集样本规模的局限，从而造成在后续实际钻探数据应用时解译效果不佳的问题。

技术实现思路

[0009]针对上述采用单一尺度解译模型，实际解译效果不佳的问题，本专利技术构建了多尺度钻探解译模型，并基于多尺度钻探解译模型，提出了基于多尺度钻探模型融合的隧道岩体质量识别方法及系统。
[0010]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：
[0011]基于多尺度钻探模型融合的隧道岩体质量识别方法，具体包括以下步骤：
[0012]S1，对现场钻探数据进行收集与预处理，得到测试集；
[0013]S2，将所述测试集输入到多尺度融合模型，得到隧道岩体质量识别结果，所述隧道岩体质量识别结果为预测标签中的一种，所述预测标签包括较完整、较破碎、破碎和裂隙；
[0014]所述多尺度融合模型的训练过程包括：
[0015]S21，对现场钻探数据进行收集与预处理，得到训练集，所述训练集采用多种尺度进行数据分割；
[0016]S22，以XGBoost分类器为基础，基于所述训练集训练得到多个单一尺度解译模型，并对多个单一尺度解译模型进行评估，得到各单一尺度解译模型的权重；
[0017]S23，基于各单一尺度解译模型的权重，采用误差倒数加权平均方法进行多尺度模型融合，得到多尺度融合模型。
[0018]作为本专利技术的优选方案，步骤S21具体包括以下步骤：
[0019]S211，获取原始钻探数据；
[0020]S212，对所述原始钻探数据进行异常值分析，并剔除异常值，获得优化原始钻探数据；
[0021]S213，对所述优化原始钻探数据进行多种尺度分割，得到不同分割尺度下的数据集；
[0022]S214，对所述不同分割尺度下的数据集进行特征相关性分析，剔除相关性高的参数，得到测试集，所述测试集包括的特征参数为RMT、DRM、TPM、TM、以及DRV。
[0023]作为本专利技术的优选方案，步骤S213中对所述优化原始钻探数据进行多种尺度分割是将优化原始钻探数据按照钻探岩体的深度进行等距分割，等距分割的尺度分别为0.5m、1m与2m。
[0024]作为本专利技术的优选方案，步骤S23中所述多尺度融合模型输出的预测标签用公式表示为：
[0025]L＝ω1L
0.5
+ω2L1+ω3L2[0026]其中，L
0.5
、L1与L2代表各尺度模型的预测标签取值；ω1、ω2、与ω3代表各尺度模型的权重，L是所述多尺度融合模型输出的预测标签。
[0027]作为本专利技术的优选方案，尺度模型的权重ω1、ω2、与ω3的计算公式为：
[0028]ω1＝(ε2+ε3)/2(ε1+ε2+ε3)
[0029]ω2＝(ε1+ε3)/2(ε1+ε2+ε3)
[0030]ω3＝(ε1+ε2)/2(ε1+ε2+ε3)
[0031]式中，ω1、ω2、与ω3代表三种分割间距下各尺度模型的权重；ε1，ε2与ε3代表三种分割间距下各尺度模型误差。
[0032]作为本专利技术的优选方案，ω1、ω2、与ω3的取值分别为0.41、0.34、0.25。
[0033]作为本专利技术的优选方案，步骤S22中，对多个单一尺度解译模型进行评估，评估参数包括：准确率、精确率、召回率与调和平均数；
[0034]准确率计算公式为：
[0035]精确率计算公式为：
[0036]召回率计算公式为：
[0037]调和平均数计算公式为：
[0038]式中：TP、TN、FP、FN分别代表预测混淆矩阵中被模型预测为正的正样本数量、被模型预测为负的负样本数量、被模型预测为正的负样本数量和被模型预测为负的正样本数量。
[0039]基于相同的构思，还提出了基于多尺度钻探模型融合的隧道岩体质量识别系统，包括：
[0040]钻探数据采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多尺度钻探模型融合的隧道岩体质量识别方法，其特征在于，具体包括以下步骤：S1，对现场钻探数据进行收集与预处理，得到测试集；S2，将所述测试集输入到多尺度融合模型，得到隧道岩体质量识别结果，所述隧道岩体质量识别结果为预测标签中的一种，所述预测标签包括较完整、较破碎、破碎和裂隙；所述多尺度融合模型的训练过程包括：S21，对现场钻探数据进行收集与预处理，得到训练集，所述训练集采用多种尺度进行数据分割；S22，以XGBoost分类器为基础，基于所述训练集训练得到多个单一尺度解译模型，并对多个单一尺度解译模型进行评估，得到各单一尺度解译模型的权重；S23，基于各单一尺度解译模型的权重，采用误差倒数加权平均方法进行多尺度模型融合，得到多尺度融合模型。2.如权利要求1所述的基于多尺度钻探模型融合的隧道岩体质量识别方法，其特征在于，步骤S21具体包括以下步骤：S211，获取原始钻探数据；S212，对所述原始钻探数据进行异常值分析，并剔除异常值，获得优化原始钻探数据；S213，对所述优化原始钻探数据进行多种尺度分割，得到不同分割尺度下的数据集；S214，对所述不同分割尺度下的数据集进行特征相关性分析，剔除相关性高的参数，得到训练集，所述训练集包括的特征参数为RMT、DRM、TPM、TM、以及DRV。3.如权利要求2所述的基于多尺度钻探模型融合的隧道岩体质量识别方法，其特征在于，步骤S213中对所述优化原始钻探数据进行多种尺度分割是将优化原始钻探数据按照钻探岩体的深度进行等距分割，等距分割的尺度分别为0.5m、1m与2m。4.如权利要求3所述的基于多尺度钻探模型融合的隧道岩体质量识别方法，其特征在于，步骤S23中所述多尺度融合模型输出的预测标签用公式表示为：L＝ω1L
0.5
+ω2L1+ω3L2其中，L
0.5
、L1与L2代表各尺度模型的预测标签取值；ω1、ω2、与ω3代表各尺度模型的权重，L是所述多尺度融合模型输出的预测标签。5.如权利要求4所述的基于多尺度钻探模型融合的隧道岩体质量识别方法，尺度模型的权重ω1、ω2、与ω3的计算公式为：ω1＝(ε2+ε3)/2(ε1+ε2+ε3)ω2＝(ε1+ε3)/2(ε1+ε2...

【专利技术属性】
技术研发人员：彭浩，梁铭，宋冠先，朱孟龙，黄能豪，韩玉，解威威，吕中玉，赵婷婷，
申请(专利权)人：广西路桥工程集团有限公司，
类型：发明
国别省市：