一种基于超前钻探数据的隧道围岩二维质量评价方法

    公开(公告)号:CN113779880B

    公开(公告)日:2024-04-12

    申请号:CN202111040028.4

    申请日:2021-09-06

    摘要: 本发明涉及隧道工程技术领域,特别涉及一种基于超前钻探数据的隧道围岩二维质量评价方法,包括步骤一,通过超前钻探技术对待挖掘隧道进行随机采样,获取待挖掘隧道的钻探数据并进行预处理;钻探数据包括推进速度、推进力、扭矩和旋转速度四项指标;步骤二,将预处理后的钻探数据输入到预先搭建的CC‑GA‑XGBoost模型进行二维质量评价,输出二维质量评价结果,评价结果包括围岩完整程度和围岩等级两个维度,围岩完整程度的评价结果包括较完整、较破碎、破碎和泥质填充空腔,围岩等级的评价结果包括Ⅲ、Ⅳ与Ⅴ级;其中CC‑GA‑XGBoost模型是采用GA算法对XGBoost模型进行训练后调用CC算法进行多标签分类的模型。实现模型超参数自动寻优与多标签输出,降低建模难度,提高预测准确度。

    一种基于RS-XGBoost的隧道超前钻探定量解译方法及设备

    公开(公告)号:CN113326661A

    公开(公告)日:2021-08-31

    申请号:CN202110674747.5

    申请日:2021-06-17

    IPC分类号: G06F30/27 G06K9/62 G06N20/20

    摘要: 本发明涉及隧道工程领域,特别是一种基于RS‑XGBoost的隧道超前钻探定量解译方法及设备。本发明通过对待挖掘隧道进行随机采样,获取待挖掘隧道的钻探数据并进行初步处理后,将其输入到预先搭建的RS‑XGBoost模型进行定量解译,输出定量解译结果。通过结合XGBoost机器学习模型强大的非线性数据分析性能以及RS随机搜索高效的超参数寻优能力,在保证了隧道不良地质体识别与分类的准确度的前提下大大降低了模型建立的难度,也避开了人工调参的不良影响;同时提出以不良地质体类型作为机器学习模型解译结果,以对隧道较为常见、危害性较强的几类不良地质体作为定量智能解译结果,并根据解译结果及时调整开挖方式及支护措施,进而指导隧道现场施工。