CN104217124A - 以工程样本数据为依托的tbm施工围岩分级方法 - Google Patents
以工程样本数据为依托的tbm施工围岩分级方法 Download PDFInfo
- Publication number
- CN104217124A CN104217124A CN201410470188.6A CN201410470188A CN104217124A CN 104217124 A CN104217124 A CN 104217124A CN 201410470188 A CN201410470188 A CN 201410470188A CN 104217124 A CN104217124 A CN 104217124A
- Authority
- CN
- China
- Prior art keywords
- sample
- rock
- tbm
- class
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明公开了一种以工程样本数据为依托的TBM施工围岩分级方法,包括:确定岩体可掘进性的敏感参数Rc、Kv、α和渗水量;采用模糊聚类理论建立样本模糊聚类模型;对工程项目样本进行聚类分析,从而得到样本聚类结果;根据获得的样本聚类结果以及每个参数对ROP的影响,将样本可掘进性级别划分为Ⅰ、Ⅱ、Ⅲ级;进一步细化,最终得出TBM施工围岩可掘进性分级。本发明方法针对现有TBM施工领域缺乏系统完整的地质预测及性能预测实施方法这现状,提出依据施工样本数据,建立TBM施工条件下的隧洞围岩系统化分类方法,旨在准确预测特定地质条件下的TBM掘进性能,指导确立各项施工参数,并预期对TBM刀盘的设计提供定量依据。
Description
技术领域
本发明涉及对TBM掘进性能进行准确预测的方法,尤其涉及一种TBM可掘进性分级预测方法。
背景技术
在TBM(全断面隧道掘进机)设计、制造、施工应用过程中,施工效率的高低是决定工程成败和效益的关键,而千变万化的地质条件在很大程度上影响TBM的施工,使其掘进速率在1~1500m/月的大范围内变化。所以,系统、定量地研究TBM施工围岩的地质特征对于有效预测TBM施工速率具有重大意义。
目前,在TBM业界,尚缺乏完善的TBM施工围岩分类分级的统一标准。美国学者迪尔[1]在基于施工岩体质量方面提出了RQD分级法,但由于受钻孔机具、工艺水平等因素影响,同一岩体得出的RQD值有时存在较大差异,在实际应用中具有困难。南非学者宾尼维斯基博士[1]于1973年提出地质力学分级法(CSIR),该分级法根据岩体各项性质参数确定分级判据,实现了各项指标量化的目的,但是必须依赖有经验的地质人员,操作起来较为复杂。挪威学者Barton N[2-3]提出了岩体分类Q系统,它由RQD、节理组数Jn、节理面粗糙度Jr、节理蚀变程度Ja、裂隙水影响因素Jw以及地应力影响因素SRF等6项指标组成。在此基础上,Barton N又提出了适用于TBM施工的改进岩体分类系统——QTBM,该系统将许多TBM施工参数和机器参数包含于其中,并显示了与岩石之间的相互作用,但是由于该系统所涉及的参数指标过多,实用困难,且一些学者如Sapigni M等[4]利用意大利Maen隧道和Pieve隧道等的TBM施工资料研究发现QTBM并非对上述指标都敏感,在其应用中会引起误导。我国对于隧道围岩的分类也做了一定的研究,较为权威的有《工程岩体分级标准》[5],在此基础上,何发亮等[6]提出了一种新的TBM施工围岩分类,所涉及的岩石性质参数有岩石单轴抗压强度Rc、岩体完整性系数Kv、岩石耐磨性指数Ab、岩石凿碎比功a;张宁等[7]分析了影响隧洞稳定性的因素;李苍松等[8]等针对水工隧道围岩的等级划分进行了探讨。
综上所述:当今流行的隧道围岩分级或分类方法,主要针对单方面隧道围岩质量及其稳定性级别进行划分,而TBM施工条件下的隧道围岩分类方法应主要针对于工程岩体的可掘进性,即依据影响围岩可掘进性的主要地质因素与TBM工作效率的相互作用关系来划分。通过对国内外隧道围岩分类情况的了解,我们知道,影响围岩分类的因素很多,各种因素相互影响,十分复杂,且目前所存在的围岩分级分类系统的普适性较差,往往不能针对特定的项目工程进行分级预测。因此,建立起以工程样本数据为依托的TBM施工围岩分级方法显得尤为重要。
参考文献:
[1]王石春,何发亮,李苍松,隧道工程岩体分级[M].成都:西南交通大学出版社,2007:11-32.WANG Shichun,HE Faliang,LI Cangsong.Classification of surrounding rock massin tunneling engineering[M].Chengdu:Southwest Jiaotong University Press,2007:11-32。
[2]Barton N.TBM performance estimation in rock using QTBM[J].Tunnels and TunnelingInternational,1999,31(9):41-48。
[3]Barton N.Comments on a critique of QTBM[J].Tunnels and Tunneling International,2005,37(9):16-19。
[4]Sapigni M,Berti M,Bethaz E,et al.TBM performance estimation using rock massclassifications[J].International Journal of Rock Mechanics and Mining Sciences,2002,39(61):771-788。
[5]中华人民共和国国家标准编写组.GB50218-94工程岩体分级标准[S]。北京:中国计划出版社,1995.The National Standards Compilation Group of People’s Republic of China.GB50218-95 Standard of engineering classification of rock mass[S].Beijing:China PlanningPress,1995。
[6]何发亮,谷明成,王石春,TBM施工隧道围岩分级方法研究[J].岩石力学与工程学报2002,21(9):1350-1354..HE Faliang,GU Mingcheng,WANG Shichun.Study on surroundingrock mass classification of tunnel cut by TBM[J].Chinese Journal of Rock Mechanics andEngineering,2002,21(9):1350-1354。
[7]张宁,石豫川,童健刚,TBM施工深埋隧洞围岩分类方法初探[J].现代隧道技术,2010,47(5):11-14.ZHANG Ning,SHI Yuchuan,TONG Jiangang.Discussion on RockClassification of TBM Excavated Deep Tunnels[J].Modern Tunneling Technology,2010,47(5):11-14。
发明内容
针对特定工程项目的TBM施工领域,本发明以工程样本数据为依托的TBM施工围岩分级方法,以期对TBM掘进性能进行准确预测、对TBM施工提供科学指导。本发明采用模糊聚类理论的研究方法,克服了传统数学模型中的确定性表达形式,是以样本数据为基础,更符合TBM施工围岩分级的实际情况。本发明中建立了TBM施工围岩可掘进性分级预测模型,并以掘进速率ROP(m﹒h-1)将TBM施工围岩可掘进性分为三个等级:其中:Ⅰ级围岩是指为可掘进性好;Ⅱ级围岩是指可掘进性一般;Ⅲ级围岩代表可掘进性差。
本发明一种以工程样本数据为依托的TBM施工围岩分级方法,包括以下步骤:
步骤1、确定岩体可掘进性的敏感参数,包括:岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量;
步骤2、采用模糊聚类理论建立样本模糊聚类模型,包括:
1)建立数据矩阵U:设论域U={x1,x2,x3,…x100}为被分类域,其中xi为被分类对象,每个对象包括四个指标用以表示该对象的特征,即:xi={xi1,xi2,xi3,xi4},其中,xi表示数据矩阵中的第i个样本,xi1表示岩石单轴抗压强度Rc,xi2表示岩石完整性系数Kv,xi3表示岩体结构面与隧道轴线夹角α,xi4表示渗水量,得到原始数据矩阵为:
2)对原始数据矩阵进行标准化处理:运用平移极差变换将矩阵数据压缩至[0 1]的范围,其变换公式如下:
3)建立模糊相似矩阵:在上述步骤1)所建立的原始数据矩阵中选取样本xi和xj,并定义两者的相似程度为rij=R(xi,xj),其中:i,j=1,2,....100;采用直接距离法确定相似程度rij=1-c·d(xi,xj),其中,c为适当选取参数,且0<c<1,d(xi,xj)表示样本xi与样本xj的欧式距离:设0≤rij≤1,取c=0.1;所得的模糊相似矩阵如下:
该模糊相似矩阵为对角型矩阵;
4)运用直接聚类法实现样本数据的分类,即根据建立的模糊相似矩阵进行数据的逐次分类:
首先,定义λ1=1,λ为聚类指数,且范围是0≤λ≤1,λ1为λ最大值,对每一个xi样本作相似类,即将满足rij=1的xi和xj归为一类,构成相似类,在不同的相似类中将有公共元素的相似类合并,从而构成λ1=1水平上的等价类;
然后,定义λ2为次大值,且0≤λ2<λ1,依据上述方法,即对每一个xi样本作相似类,即将满足rij=1的xi和xj归为一类,构成相似类,在不同的相似类中将有公共元素的相似类合并,得到λ2水平上的等价类;以此类推,直至合并到X为一类为止;
至此,已将样本数据进行了模糊分类,建立了模糊聚类模型;
步骤3、对工程项目样本进行聚类分析,从而得到样本聚类结果:
基于上述模糊聚类理论,将一工程项目中的100个样本进行聚类分析,并以Euclidean距离模型表示最终聚类结果,以聚类树状图显示样本聚类的动态过程,经过逐次分类最终合并为一类;
步骤4、初步划定岩体可掘进性分级:
根据步骤3获得的样本聚类结果以及步骤1确定的岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量对掘进速率ROP的影响,将样本可掘进性级别划分为三个级别,包括Ⅰ级、Ⅱ级和Ⅲ级,并确定每一级岩体岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量的范围值以及所对应的掘进速率ROP值,初步划定围岩可掘进性分级如表1所示:
表1 岩体可掘进性分级
其中,可掘进性Ⅰ级指可掘进性较好,可掘进性Ⅱ级指可掘进性一般,可掘进性Ⅲ级指可掘进性较差,岩石单轴抗压强度Rc的单位为Mpa,岩体结构面与隧道轴线夹角α的单位为°,渗水量的单位为L/min﹒10m,掘进速率ROP的单位为m﹒h-1。
步骤5、确定TBM施工围岩可掘进性分级:
根据步骤4初步划定的岩体可掘进性分级,利用SPSS(Statistical Product and ServiceSolutions)软件对各级岩体的性质参数进行敏感性分析,得出TBM施工围岩可掘进性分级,如表2所示:
表2 TBM施工围岩可掘进性分级
与现有技术相比,本发明的有益效果是:
本发明方法针对现有TBM施工领域缺乏系统完整的地质预测及性能预测实施方法这一行业应用现状,提出依据施工样本数据,建立TBM施工条件下的隧洞围岩系统化分类方法,旨在准确预测特定地质条件下的TBM掘进性能,指导确立各项施工参数,并预期对TBM刀盘的设计提供定量依据。
附图说明
图1是样本岩石的岩石单轴抗压强度Rc与掘进速率ROP之间的关系示意图;
图2是样本岩石的岩石完整性系数Kv与掘进速率ROP之间的关系示意图;
图3是样本岩石的岩体结构面与隧道轴线夹角α与掘进速率ROP之间的关系示意图;
图4是样本岩石的渗水量与掘进速率ROP之间的关系示意图;
图5是本发明中对一工程项目中100个样本进行聚类分析后获得的聚类树状图;
图6是本发明中表示最终聚类结果的Euclidean距离模型,其中,横纵坐标均分别表示区域范围。
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步详细描述。
本发明以工程样本数据为依托的TBM施工围岩分级方法方究中,其工程样本的概况是:兰渝铁路西秦岭特长隧道,该隧道位于甘肃省陇南市武都区境内,隧道走行于秦岭高中山区,地势总体趋势西高东低,山体陡峻,沟谷深切多呈“V”字形,隧道最大埋深约1400m,为双洞单线隧道。隧道起讫里程左线DIK395+116~DIK423+352,长28236m;右线DIyK395+116.582~DIyK423+351.422,长28236.582m,洞身段线间距40m。其中,在上述隧道中选取100个工程样本数据作为研究基础。
该TBM施工围岩分级方法,包括以下步骤:
步骤1、确定岩体可掘进性的敏感参数,包括:岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量;
图1是样本岩石的岩石单轴抗压强度Rc与掘进速率ROP之间的关系,图2是样本岩石的岩石完整性系数Kv与掘进速率ROP之间的关系,图3样本岩石的岩体结构面与隧道轴线夹角α与掘进速率ROP之间的关系,图4是样本岩石的渗水量与掘进速率ROP之间的关系。
如图1到图4所示:通过样本数据分析拟合,影响TBM掘进速率ROP(TBM性能预测指标)的地质参数分别为:岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量均具有较大程度的敏感性,上述四项参数分别涵盖了岩石物理力学特性、岩体的结构面发育程度和岩体所依附的地下环境这三个重要方面。因此,本发明中选用这四个参数作为TBM可掘进性的评价指标。
步骤2、采用模糊聚类理论建立样本模糊聚类模型,
模糊聚类分析是统计学中研究“物以类聚”问题的一种有效方法,它的实质是在没有先验知识的前提下将一批样本数据按照它们在某种性质上的亲密程度自动进行分类。本发明中采用模糊聚类理论建立样本模糊聚类模型包括如下四个步骤:
1)建立数据矩阵U:设论域U={x1,x2,x3,…x100}为被分类域,其中xi为被分类对象,每个对象包括四个指标用以表示该对象的特征,即:xi={xi1,xi2,xi3,xi4},其中,xi表示数据矩阵中的第i个样本,xi1表示岩石单轴抗压强度Rc,xi2表示岩石完整性系数Kv,xi3表示岩体结构面与隧道轴线夹角α,xi4表示渗水量,得到原始数据矩阵为:
2)对原始数据矩阵进行标准化处理:运用平移极差变换将矩阵数据压缩至[0 1]的范围,其变换公式如下:
3)建立模糊相似矩阵:在上述步骤1)所建立的原始数据矩阵中选取样本xi和xj,并定义两者的相似程度为rij=R(xi,xj),其中:i,j=1,2,....100;采用直接距离法确定相似程度rij=1-c·d(xi,xj),其中,c为适当选取参数,且0<c<1,d(xi,xj)表示样本xi与样本xj的欧式距离:设0≤rij≤1,取c=0.1;所得的模糊相似矩阵如下:
该模糊相似矩阵为对角型矩阵;
4)运用直接聚类法实现样本数据的分类,即根据建立的模糊相似矩阵进行数据的逐次分类:
首先,定义λ1=1,λ为聚类指数,且范围是0≤λ≤1,λ1为λ最大值,对每一个xi样本作相似类,即将满足rij=1的xi和xj归为一类,构成相似类,在不同的相似类中将有公共元素的相似类合并,从而构成λ1=1水平上的等价类;
然后,定义λ2为次大值,且0≤λ2<λ1,依据上述方法,即对每一个xi样本作相似类,即将满足rij=1的xi和xj归为一类,构成相似类,在不同的相似类中将有公共元素的相似类合并,得到λ2水平上的等价类;以此类推,直至合并到X为一类为止;
至此,已将样本数据进行了模糊分类,建立了模糊聚类模型;
步骤3、对工程项目样本进行聚类分析,从而得到样本聚类结果:
基于上述模糊聚类理论,将本工程项目中的100个样本进行聚类分析,并以Euclidean距离模型表示最终聚类结果,以聚类树状图显示样本聚类的动态过程,经过逐次分类最终合并为一类;图5聚类树状图显示了样本聚类的动态过程,图6 Euclidean距离模型显示了100个样本数据的最终聚类结果。
步骤4、初步划定岩体可掘进性分级:
根据步骤3获得的样本聚类结果以及步骤1确定的岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量对掘进速率ROP的影响,通过分析以上聚类结果以及岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量中单个因素对掘进速率ROP的影响,将样本可掘进性级别划分为三个级别,包括Ⅰ级、Ⅱ级和Ⅲ级,并确定每一级岩体岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量的范围值以及所对应的掘进速率ROP值,进而根据掘进速率ROP的大小初步确定围岩可掘进性分级结果如表1所示:
表1 岩体可掘进性分级
其中,可掘进性Ⅰ级指可掘进性较好,可掘进性Ⅱ级指可掘进性一般,可掘进性Ⅲ级指可掘进性较差,岩石单轴抗压强度Rc的单位为Mpa,岩体结构面与隧道轴线夹角α的单位为°,渗水量的单位为L/min﹒10m,掘进速率ROP的单位为m﹒h-1。
步骤5、确定TBM施工围岩可掘进性分级:
根据步骤4初步划定的岩体可掘进性分级,利用SPSS(Statistical Product and ServiceSolutions)软件对各级岩体的性质参数进行敏感性分析,将上述初步划定的岩体可掘进性分级进一步细化,得出TBM施工围岩可掘进性分级,如表2所示:
表2 TBM施工围岩可掘进性分级
本发明实验材料:
通过2个工程实例——西秦岭隧道DIyK410+225~DIyK410+050工程项目段和大伙房水库输水隧道工程TBM3标段对本发明建立的TBM施工岩体可掘进性分级预测模型进行验证。
西秦岭隧道DIyK410+225~DIyK410+050工程项目段的基本情况是:该工程标段地质条件为下元古界千枚岩夹变砂岩,岩层产状:N82°E/75°N,节理较发育,完整程度较完整。单位体积节理数5.7-13.51条。。
大伙房水库输水隧道工程TBM3标段的基本情况是:该工程标段地质大部分为凝灰质砂岩、混合岩,埋深370m。
这两个项目工程均采用了Robbins公司设计生产的全断面隧道掘进机TBM,滚刀尺寸均为19英寸,承受推力大,使用寿命长,破岩量大,掘进速率较高。如表3所示。
表3 TBM施工工程实例验证
续表3
通过表3和续表3的内容可得,实际工程的掘进速率与由本发明TBM施工围岩分级方法确定的TBM掘进速率基本相吻合,证明采用本发明TBM施工围岩分级方法确定的TBM施工围岩可掘进性等级具有可行性、有效性和通用性。
尽管上面结合附图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨的情况下,还可以做出很多变形,这些均属于本发明的保护之内。
Claims (1)
1.一种以工程样本数据为依托的TBM施工围岩分级方法,其特征在于,包括以下步骤:
步骤1、确定岩体可掘进性的敏感参数,包括:岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量;
步骤2、采用模糊聚类理论建立样本模糊聚类模型,包括:
1)建立数据矩阵U:设论域U={x1,x2,x3,…x100}为被分类域,其中xi为被分类对象,每个对象包括四个指标用以表示该对象的特征,即:xi={xi1,xi2,xi3,xi4},其中,xi表示数据矩阵中的第i个样本,xi1表示岩石单轴抗压强度Rc,xi2表示岩石完整性系数Kv,xi3表示岩体结构面与隧道轴线夹角α,xi4表示渗水量,得到原始数据矩阵为:
2)对原始数据矩阵行标准化处理:运用平移极差变换将矩阵数据压缩至[0 1]的范围,其变换公式如下:
3)建立模糊相似矩阵:在上述步骤1)所建立的原始数据矩阵中选取样本xi和xj,并定义两者的相似程度为rij=R(xi,xj),其中:i,j=1,2,....100;采用直接距离法确定相似程度rij=1-c·d(xi,xj),其中,c为适当选取参数,且0<c<1,d(xi,xj)表示样本xi与样本xj的欧式距离:设0≤rij≤1,取c=0.1;所得的模糊相似矩阵如下:
该模糊相似矩阵为对角型矩阵;
4)运用直接聚类法实现样本数据的分类,即根据建立的模糊相似矩阵进行数据的逐次分类:
首先,定义λ1=1,λ为聚类指数,且范围是0≤λ≤1,λ1为λ最大值,对每一个xi样本作相似类,即将满足rij=1的xi和xj归为一类,构成相似类,在不同的相似类中将有公共元素的相似类合并,从而构成λ1=1水平上的等价类;
然后,定义λ2为次大值,且0≤λ2<λ1,依据上述方法,即对每一个xi样本作相似类,即将满足rij=1的xi和xj归为一类,构成相似类,在不同的相似类中将有公共元素的相似类合并,得到λ2水平上的等价类;以此类推,直至合并到X为一类为止;
至此,已将样本数据进行了模糊分类,建立了模糊聚类模型;
步骤3、对工程项目样本进行聚类分析,从而得到样本聚类结果:
基于上述模糊聚类理论,将一工程项目中的100个样本进行聚类分析,并以Euclidean距离模型表示最终聚类结果,以聚类树状图显示样本聚类的动态过程,经过逐次分类最终合并为一类;
步骤4、岩体可掘进性分级的初步划定:
根据步骤3获得的样本聚类结果以及步骤1确定的岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量对掘进速率ROP的影响,将样本可掘进性级别划分为三个级别,包括Ⅰ级、Ⅱ级和Ⅲ级,并确定每一级岩体岩石单轴抗压强度Rc、岩石完整性系数Kv、岩体结构面与隧道轴线夹角α和渗水量的范围值以及所对应的掘进速率ROP值,初步划定围岩可掘进性分级如下:
步骤5、岩体可掘进性分级的进一步精简划定
根据步骤4初步划定的岩体可掘进性分级,利用SPSS软件对各级岩体的性质参数进行敏感性分析,得出TBM施工围岩可掘进性分级如下:
该TBM施工围岩分级方法中,岩石单轴抗压强度Rc的单位为Mpa,岩体结构面与隧道轴线夹角α的单位为°,渗水量的单位为L/min﹒10m,掘进速率ROP的单位为m﹒h-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410470188.6A CN104217124A (zh) | 2014-09-15 | 2014-09-15 | 以工程样本数据为依托的tbm施工围岩分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410470188.6A CN104217124A (zh) | 2014-09-15 | 2014-09-15 | 以工程样本数据为依托的tbm施工围岩分级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104217124A true CN104217124A (zh) | 2014-12-17 |
Family
ID=52098606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410470188.6A Pending CN104217124A (zh) | 2014-09-15 | 2014-09-15 | 以工程样本数据为依托的tbm施工围岩分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104217124A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105911256A (zh) * | 2016-06-17 | 2016-08-31 | 清华大学 | 量化围岩等级的测试方法 |
CN106682416A (zh) * | 2016-12-24 | 2017-05-17 | 合肥城市云数据中心股份有限公司 | 基于多指标评价算法的污水企业水污染来源评估方法 |
CN107478803A (zh) * | 2017-08-01 | 2017-12-15 | 贵阳市城市轨道交通有限公司 | 一种隧道悬臂掘进机施工适应性分级方法 |
CN107577862A (zh) * | 2017-08-30 | 2018-01-12 | 中铁工程装备集团有限公司 | 一种tbm在掘岩体状态实时感知系统和方法 |
CN109374456A (zh) * | 2018-09-03 | 2019-02-22 | 山东大学 | 适用于隧道围岩质量分级及风化程度判别装置及方法 |
WO2019063024A1 (zh) * | 2017-09-30 | 2019-04-04 | 中铁工程装备集团有限公司 | 硬岩tbm掘进控制参数智能决策方法及系统 |
CN109685378A (zh) * | 2018-12-27 | 2019-04-26 | 中铁工程装备集团有限公司 | 一种基于数据挖掘的tbm施工围岩可掘性分级方法 |
CN109725129A (zh) * | 2019-01-25 | 2019-05-07 | 黄河勘测规划设计有限公司 | Tbm隧洞岩体分级方法 |
CN110109895A (zh) * | 2019-03-29 | 2019-08-09 | 山东大学 | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 |
CN110130883A (zh) * | 2019-04-01 | 2019-08-16 | 中国矿业大学 | 岩层参数的确定方法及装置 |
CN110516730A (zh) * | 2019-08-20 | 2019-11-29 | 中铁工程装备集团有限公司 | 基于pso-svm算法和图像识别的围岩质量在线分级方法 |
CN110989366A (zh) * | 2020-03-04 | 2020-04-10 | 中国铁建重工集团股份有限公司 | 掘进机的控制方法、掘进机与计算机可读存储介质 |
CN112733432A (zh) * | 2020-12-22 | 2021-04-30 | 山东大学 | 一种tbm极端复杂地质条件下掘进控制方法及系统 |
CN113312433A (zh) * | 2021-06-18 | 2021-08-27 | 苏柏瑞 | 一种围岩分类方法及分类系统 |
CN113570722A (zh) * | 2021-07-22 | 2021-10-29 | 中铁二十局集团有限公司 | 一种围岩裂缝信息提取及完整性系数快速测定方法 |
CN113657515A (zh) * | 2021-08-20 | 2021-11-16 | 盾构及掘进技术国家重点实验室 | 一种基于岩机敏感参量判识和改进fmc模型隧道围岩等级的分类方法 |
-
2014
- 2014-09-15 CN CN201410470188.6A patent/CN104217124A/zh active Pending
Non-Patent Citations (8)
Title |
---|
M. SAPIGNI等: ""TBM Performance Estimation Using Rock Mass Classifications"", 《INTERNATIONAL JOURNAL OF ROCK MECHANICS AND MINING SCIENCES》 * |
SAFFET YAGIZ: ""Utilizing Rock Mass Properties for Predicting TBM Performance in Hard Rock Condition"", 《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》 * |
何发亮等: ""TBM施工隧道围岩分级方法研究"", 《岩石力学与工程学报》 * |
张宁等: ""TBM施工深埋隧洞围岩分类方法初探"", 《现代隧道技术》 * |
李洁等: ""基于特征加权的模糊聚类新算法"", 《电子学报》 * |
李苍松等: ""TBM施工隧洞围岩级别划分探讨"", 《工程地质学报》 * |
祁生文等: ""基于模糊数学的TBM施工岩体质量分级研究"", 《岩石力学与工程学报》 * |
闫长斌等: ""基于改进的距离判别分析法的南水北调西线工程TBM施工围岩分级"", 《岩石力学与工程学报》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105911256B (zh) * | 2016-06-17 | 2017-12-19 | 清华大学 | 量化围岩等级的测试方法 |
CN105911256A (zh) * | 2016-06-17 | 2016-08-31 | 清华大学 | 量化围岩等级的测试方法 |
CN106682416A (zh) * | 2016-12-24 | 2017-05-17 | 合肥城市云数据中心股份有限公司 | 基于多指标评价算法的污水企业水污染来源评估方法 |
CN107478803B (zh) * | 2017-08-01 | 2023-07-04 | 贵阳市城市轨道交通有限公司 | 一种隧道悬臂掘进机施工适应性分级方法 |
CN107478803A (zh) * | 2017-08-01 | 2017-12-15 | 贵阳市城市轨道交通有限公司 | 一种隧道悬臂掘进机施工适应性分级方法 |
CN107577862A (zh) * | 2017-08-30 | 2018-01-12 | 中铁工程装备集团有限公司 | 一种tbm在掘岩体状态实时感知系统和方法 |
CN107577862B (zh) * | 2017-08-30 | 2019-12-03 | 中铁工程装备集团有限公司 | 一种tbm在掘岩体状态实时感知系统和方法 |
WO2019042483A3 (zh) * | 2017-08-30 | 2019-04-25 | 中铁工程装备集团有限公司 | 一种tbm在掘岩体状态实时感知系统和方法 |
WO2019063024A1 (zh) * | 2017-09-30 | 2019-04-04 | 中铁工程装备集团有限公司 | 硬岩tbm掘进控制参数智能决策方法及系统 |
CN109374456A (zh) * | 2018-09-03 | 2019-02-22 | 山东大学 | 适用于隧道围岩质量分级及风化程度判别装置及方法 |
CN109685378A (zh) * | 2018-12-27 | 2019-04-26 | 中铁工程装备集团有限公司 | 一种基于数据挖掘的tbm施工围岩可掘性分级方法 |
CN109685378B (zh) * | 2018-12-27 | 2020-04-24 | 中铁工程装备集团有限公司 | 一种基于数据挖掘的tbm施工围岩可掘性分级方法 |
CN109725129A (zh) * | 2019-01-25 | 2019-05-07 | 黄河勘测规划设计有限公司 | Tbm隧洞岩体分级方法 |
CN109725129B (zh) * | 2019-01-25 | 2021-03-23 | 黄河勘测规划设计研究院有限公司 | Tbm隧洞岩体分级方法 |
CN110109895B (zh) * | 2019-03-29 | 2021-05-28 | 山东大学 | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 |
CN110109895A (zh) * | 2019-03-29 | 2019-08-09 | 山东大学 | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 |
CN110130883A (zh) * | 2019-04-01 | 2019-08-16 | 中国矿业大学 | 岩层参数的确定方法及装置 |
CN110516730A (zh) * | 2019-08-20 | 2019-11-29 | 中铁工程装备集团有限公司 | 基于pso-svm算法和图像识别的围岩质量在线分级方法 |
CN110516730B (zh) * | 2019-08-20 | 2022-09-23 | 中铁工程装备集团有限公司 | 基于pso-svm算法和图像识别的围岩质量在线分级方法 |
CN110989366A (zh) * | 2020-03-04 | 2020-04-10 | 中国铁建重工集团股份有限公司 | 掘进机的控制方法、掘进机与计算机可读存储介质 |
CN112733432A (zh) * | 2020-12-22 | 2021-04-30 | 山东大学 | 一种tbm极端复杂地质条件下掘进控制方法及系统 |
CN112733432B (zh) * | 2020-12-22 | 2023-02-03 | 山东大学 | 一种tbm极端复杂地质条件下掘进控制方法及系统 |
CN113312433A (zh) * | 2021-06-18 | 2021-08-27 | 苏柏瑞 | 一种围岩分类方法及分类系统 |
CN113570722A (zh) * | 2021-07-22 | 2021-10-29 | 中铁二十局集团有限公司 | 一种围岩裂缝信息提取及完整性系数快速测定方法 |
CN113657515A (zh) * | 2021-08-20 | 2021-11-16 | 盾构及掘进技术国家重点实验室 | 一种基于岩机敏感参量判识和改进fmc模型隧道围岩等级的分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104217124A (zh) | 以工程样本数据为依托的tbm施工围岩分级方法 | |
Gao et al. | The risk assessment of tunnels based on grey correlation and entropy weight method | |
CN111259486B (zh) | 一种超大跨岩石隧道整体稳定性评价方法 | |
CN105156103A (zh) | 一种岩屑-岩心-井眼-储层多尺度的页岩储层三维可压裂性评价方法 | |
CN113820750B (zh) | 基于弹塑性力学定量预测泥岩构造裂缝的方法 | |
CN110130883A (zh) | 岩层参数的确定方法及装置 | |
CN110595887B (zh) | 一种浅埋硬岩大型地下洞室成洞条件量化评价方法 | |
CN106157181B (zh) | 一种基于随钻参数对土质围岩快速实时分级的方法 | |
Lai et al. | Simulation of asymmetric destabilization of mine-void rock masses using a large 3D physical model | |
Chen et al. | Study on the application of a comprehensive technique for geological prediction in tunneling | |
Liu et al. | Measurement and analysis of penetration rate and vibration on a roof bolter for identification rock interface of roadway roof | |
CN105426620A (zh) | 一种油层剩余油主控因素定量分析方法及装置 | |
Hassanpour et al. | Actual performance analysis of a double shield TBM through sedimentary and low to medium grade metamorphic rocks of Ghomrood water conveyance tunnel project (lots 3 and 4) | |
CN114818451A (zh) | 一种机械钻速预测方法、装置、存储介质以及设备 | |
WO2019091134A1 (zh) | 煤层顶板砂岩富水性等级预测方法 | |
CN105204081B (zh) | 一种预测页岩气储层粘土矿物及其组分含量的方法 | |
CN116522692B (zh) | 地下工程围岩结构特征原位探测与分级方法 | |
LIANG et al. | Stratum identification based on multiple drilling parameters and probability classification | |
CN113326661A (zh) | 一种基于RS-XGBoost的隧道超前钻探定量解译方法及设备 | |
Unterlass et al. | Identifying rock loads on TBM shields during standstills (non-advance-periods) | |
Khosravi et al. | Effects of joint orientation and spacing on the boreability of jointed rock mass using tunnel boring machines | |
CN112069682A (zh) | 一种基于三维建模的成矿预测方法 | |
Chandra et al. | Predicting excavation methods and rock support: a case study from the Himalayan region of India | |
Yu et al. | Three-dimensional classification and zoning method of surrounding rock and its application based on big data geomechanical information | |
CN111063028A (zh) | 适用于铀矿深部有利成矿空间的地质识别及定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141217 |
|
WD01 | Invention patent application deemed withdrawn after publication |