System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于隧道内岩石矿物定性定量识别,尤其涉及协同多元光谱的隧道岩石矿物识别方法及系统。
技术介绍
1、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。
2、近些年,我国的隧道建设逐步向地质情况复杂的地区挺进。专利技术人发现,复杂的地质情况常导致断层、岩溶、蚀变带等不良地质的发育,若不加以及时判识,将极有可能导致地质灾害的产生,如突水突泥、塌方、围岩大变形等,严重影响现场施工安全和进度。
3、隧道围岩的矿物异常现象常被用作断层等不良地质识别的标志,并可以识别不良地质的性质,已在相关领域中得到广泛应用。然而现有的矿物测试方法主要有镜下薄片法、x射线衍射、红外光谱等方法,镜下薄片和x射线衍射方法需要复杂的样品制备(磨粉或切片),且镜下薄片测试对环境要求高,隧道内的灰尘和黑暗极大影响判识结果准确性。因此,上述方法无法适应现场快速施工要求。
4、红外光谱法测试速度快、环境适应性强,可在隧道恶劣环境中获取围岩的光谱信息,但现有光谱的解译方法精度低、效率差,无法通过围岩的光谱特征准确识别矿物种类和反演矿物含量,难以对实际工程施工提供技术指导。
技术实现思路
1、为克服上述现有技术的不足,本专利技术提供了协同多元光谱的隧道岩石矿物识别方法及系统,实现了多元光谱协同的矿物定性定量识别,对于提高隧道围岩矿物识别的效率和精度以及保障隧道快速安全施工具有重要意义。
2、为实现上述目的,本专利技术的一个或多个实施例提供了如下技
3、本专利技术第一方面提供了协同多元光谱的隧道岩石矿物识别方法。
4、协同多元光谱的隧道岩石矿物识别方法,包括以下步骤:
5、采集隧址区岩石样品,获取精确矿物识别结果,建立隧址区岩石光谱库和端元矿物光谱库,并获取岩石中不同矿物混合后的光谱变异特征;
6、沿隧道掘进方向获取隧道岩石光谱数据,将两个波段的光谱数据进行融合,利用融合后光谱数据的整体波形与隧址区岩石光谱库中的数据进行初步匹配,确定隧道岩石的大致矿物组合情况;
7、利用岩石光谱的特征峰谱带位置和特征峰精细特征与组合特征,基于端元矿物光谱库对矿物种类进行精细判识;
8、建立光谱变异特征与矿物种类的关联,对无法通过精细判识确定的隧道岩石矿物种类进行辅助判识,完成隧道岩石矿物的层级式定性;
9、对隧道岩石光谱解混,利用端元矿物的纯净光谱逆向反推,选取强相关性波段,利用强相关性波段重新进行解混迭代,直至强相关性波段数量不变,完成对矿物的定量识别。
10、本专利技术第二方面提供了协同多元光谱的隧道岩石矿物识别系统。
11、协同多元光谱的隧道岩石矿物识别系统,包括:
12、光谱库建立模块,被配置为:采集隧址区岩石样品,获取精确矿物识别结果,建立隧址区岩石光谱库和端元矿物光谱库,并获取岩石中不同矿物混合后的光谱变异特征;
13、定性识别模块,被配置为:沿隧道掘进方向获取隧道岩石光谱数据,将两个波段的光谱数据进行融合,利用融合后光谱数据的整体波形与隧址区岩石光谱库中的数据进行初步匹配,确定隧道岩石的大致矿物组合情况;
14、利用岩石光谱的特征峰谱带位置和特征峰精细特征与组合特征,基于端元矿物光谱库对矿物种类进行精细判识;
15、建立光谱变异特征与矿物种类的关联,对无法通过精细判识确定的隧道岩石矿物种类进行辅助判识,完成隧道岩石矿物的层级式定性;
16、定量识别模块,被配置为:对隧道岩石光谱解混,利用端元矿物的纯净光谱逆向反推,选取强相关性波段,利用强相关性波段重新进行解混迭代,直至强相关性波段数量不变,完成对矿物的定量识别。
17、本专利技术第三方面提供了计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本专利技术第一方面所述的协同多元光谱的隧道岩石矿物识别方法中的步骤。
18、本专利技术第四方面提供了电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本专利技术第一方面所述的协同多元光谱的隧道岩石矿物识别方法中的步骤。
19、以上一个或多个技术方案存在以下有益效果:
20、(1)本专利技术提供了一种协同多元光谱的隧道岩石矿物识别方法及系统,通过联合可见光-近红外波段与热红外波段实现了矿物识别种类的全覆盖,实现了多元光谱协同的矿物定性定量识别,为不良地质识别提供更丰富的矿物异常标志,提高了不良地质识别的准确性,提高了隧道内矿物识别的效率,并通过定量化的数据消除了主观因素对不良地质识别结果的影响。
21、(2)本专利技术通过充分挖掘围岩光谱特征,将多特征进行深层次联合进行矿物识别,矿物定性的光谱判据层层递进,各判据互相验证,将矿物光谱知识充分融入到识别过程中,并考虑了混合矿物光谱特征的变异性,有效避免光谱的多解性,提高了岩石光谱数据的可解性和准确性。
22、(3)本专利技术提出的定量方法基于逆向思维,推理过程具有扎实的理论基础,通过定量化的误差降低波段选取的主观性,保证模型的客观准确性,并通过解混的强相关波段的不断迭代达到最优的解混效果,实现了隧道内矿物的快速定量化识别以及不良地质识别由定性到定量的跨越。
23、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.协同多元光谱的隧道岩石矿物识别方法,其特征在于,包括以下步骤:
2.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于:
3.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于,沿隧道掘进方向获取隧道岩石光谱数据,具体为:
4.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于,所述特征峰精细特征包括特征峰形态、特征峰对称性、特征峰是否为双峰或多峰,所述特征峰组合特征为多个特征峰的组合形式。
5.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于,对矿物进行定量识别,具体为:
6.如权利要求5所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于,所述解混方法包括线性解混方法与非线性解混方法。
7.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于,在采集隧址区岩石样品之前,还包括:
8.协同多元光谱的隧道岩石矿物识别系统,其特征在于:包括:
9.计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时
10.电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的协同多元光谱的隧道岩石矿物识别方法中的步骤。
...【技术特征摘要】
1.协同多元光谱的隧道岩石矿物识别方法,其特征在于,包括以下步骤:
2.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于:
3.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于,沿隧道掘进方向获取隧道岩石光谱数据,具体为:
4.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于,所述特征峰精细特征包括特征峰形态、特征峰对称性、特征峰是否为双峰或多峰,所述特征峰组合特征为多个特征峰的组合形式。
5.如权利要求1所述的协同多元光谱的隧道岩石矿物识别方法,其特征在于,对矿物进行定量识别,具体为:
6.如权利要求5所述的协同多元光谱...
【专利技术属性】
技术研发人员:许振浩,韩涛,周振发,林鹏,余腾飞,刘福民,邵瑞琦,李珊,
申请(专利权)人:山东大学,
类型:发明
国别省市:
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。