基于超前钻探测试的隧道地层智能识别方法     

房昱纬  吴振君  盛谦  汤华  梁栋才 《岩土力学》2020,41(7):2494-2503

可靠地识别掌子面前方地层是保证隧道工程稳定与安全的重要因素之一。传统的超前地质预报方法不能同时保证有高识别精度、低实施成本和占用少的施工时间，对于不同地质情况的地层识别通用性不强。在传统超前钻孔的同时获取掌子面前方围岩钻探测试数据，实时获取不同深度岩层情况，将大大提高超前预报效率，方便快捷，不影响施工，但目前缺乏客观、准确的地层识别方法。提出了一种基于神经网络的钻探测试数据智能分析和地层识别方法，对楚大高速公路九顶山隧道超前钻探测试数据进行了深入分析，通过隧道开挖后所揭示地层对分析方法进行了验证。结果表明：单一钻进参数用于地层识别的错误率在35%左右，打击能和打击数、送水压力和送水流量的参数组合不能显著提升地层识别准确率；钻进速度、扭矩、回转数、推进力的参数组合可降低地层识别错误率至22%。在神经网络模型中引入钻进参数的标准差，可大幅降低错误率，可使地层划分错误率下降9%～12%；多参数组合下的神经网络钻探测试神经网络模型对随机抽样的地层识别错误率小于10%，对单个钻孔的地层识别错误率小于14%。  相似文献   

基于多钻进参数和概率分类方法的地层识别研究     

梁栋才  汤华  吴振君  张勇慧  房昱纬 《岩土力学》2022,43(4):1123-1134

传统的超前钻探地质预报常以某个钻进参数的变化率作为地层识别的主要依据。钻头破岩是一个复杂的力学过程,应考虑多个参数的协同作用,仅采用单钻进参数识别地层的不确定性较大。首先,对超前钻探数据进行预处理,包括标准化、频数分布分析和敏感性分析,筛选出对地层变化敏感的关键钻进参数;其次,基于能量守恒、二元无序逻辑回归分析和多参数变异性分析原理分别建立了破岩能量、逻辑回归概率和地层硬度3种地层识别综合指标;最后,采用基于贝叶斯原理的概率分类方法建立地层识别模型,利用ROC分析方法得到模型参数,实现基于多钻进参数和概率分类方法的地层识别。以地质条件复杂的隧道工程为例,介绍了该地层识别方法的应用,结果表明：3种地层识别综合指标均具有较好的跨孔地层识别能力,识别准确率超过80%;破岩能量和逻辑回归概率指标适用于较近距离的跨孔地层识别,平均识别准确率分别为86.3%和84.1%;逻辑回归概率指标对软弱夹层识别能力较强,准确率达到94.2%;地层硬度指标适用于较远距离的跨孔地层识别;灰岩识别准确率最大达到93.2%。  相似文献