CN110805469A - 山岭隧道钻爆法施工掌子面稳定性分级方法 - Google Patents
山岭隧道钻爆法施工掌子面稳定性分级方法 Download PDFInfo
- Publication number
- CN110805469A CN110805469A CN201910466542.0A CN201910466542A CN110805469A CN 110805469 A CN110805469 A CN 110805469A CN 201910466542 A CN201910466542 A CN 201910466542A CN 110805469 A CN110805469 A CN 110805469A
- Authority
- CN
- China
- Prior art keywords
- stability
- drilling
- face
- grading
- tunnel
- 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.)
- Granted
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000010276 construction Methods 0.000 title claims abstract description 29
- 238000005422 blasting Methods 0.000 title claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 7
- 239000011435 rock Substances 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 description 7
- 238000012854 evaluation process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000009527 percussion Methods 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000005641 tunneling Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/006—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries by making use of blasting methods
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
- Earth Drilling (AREA)
Abstract
本申请提供了一种山岭隧道钻爆法施工掌子面稳定性分级方法，属于隧道工程领域。该山岭隧道钻爆法施工掌子面稳定分级方法包括构建样本库，该样本库包括钻进参数以及对应位置的掌子面稳定性级别；基于神经网络构建掌子面稳定性分级模型，将样本库代入所述掌子面稳定性分级模型进行训练；向训练后的掌子面稳定性分级模型输入钻进参数获得对应位置的掌子面稳定性级别。该山岭隧道钻爆法施工掌子面稳定分级方法利用神经网络技术构建掌子面稳定性分级模型，根据钻进过程中产生的钻进参数自动进行掌子面稳定性级别的判定，可以有效减少掌子面施工人员的投入，降低掌子面稳定性的分.级评价过程中潜在风险。
Description
技术领域
本申请涉及隧道工程领域，具体而言，涉及一种山岭隧道钻爆法施工掌子面稳定性分级方法。
背景技术
隧道工程本质上是一项地质工程，在隧道的修建过程中，会遇到各种不同的地层环境，同时在掘进过程中也不可避免面临各种地质灾害，常常导致隧道掌子面出现坍塌、掉块、落石等灾害；另一方面，对掌子面前方围岩的不确定性和变异性也会对隧道开挖产生影响。这些直接危及施工人员的人身安全。
目前，理论上进行掌子面稳定性的等级分类，首先要明确影响掌子面稳定性的因素指标，其次要明确隧道所在的岩性环境，然后再根据岩性环境选择适合的评价方法，最后根据所选的评价方法找出评价指标。主要有块体理论、RMR法、均质系数法、准弹性系数法，然而，在实际工程中，由于以上方法其指标往往需要进行室内试验才能获取。掌子面稳定性的分级评价过程依托施工人员现场采集样本并进行试验，无法确保施工人员的人身安全。
发明内容
有鉴于此，本申请实施例提供了一种山岭隧道钻爆法施工掌子面稳定性分级方法，旨在降低掌子面稳定性的分级评价过程中潜在风险。
本申请提供一种山岭隧道钻爆法施工掌子面稳定性分级方法，包括如下步骤：
S1：构建样本库，该样本库包括钻进参数以及对应位置的掌子面稳定性级别；
S2：基于神经网络构建掌子面稳定性分级模型，将样本库代入所述掌子面稳定性分级模型进行训练。
S3：向训练后的掌子面稳定性分级模型输入钻进参数获得对应位置的掌子面稳定性级别。
在一种具体的实施方案中，所述钻进参数包括推进速度、冲击压力、推进压力、回转压力、水压力以及水流量。
在一种具体的实施方案中，根据掌子面的围岩级别和地质情况将所述掌子面稳定性级别划分为A、B、C以及D四个级别。
在一种具体的实施方案中，采集钻进参数具体包括如下步骤：
将掌子面分块并分别选取特征钻孔位置；
在钻进过程中每钻进预设深度，采集一次特征钻孔的钻进参数。
在一种具体的实施方案中，根据围岩的软硬地层的分布将掌子面分为上断面和下断面。
在一种具体的实施方案中，上断面布置3个特征钻孔，下断面布置2个特征钻孔。
在一种具体的实施方案中，在步骤S1中，采用地质素描法确定掌子面稳定性级别。
在一种具体的实施方案中，在步骤S1中，采用RMR法确定掌子面稳定性级别。
在一种具体的实施方案中，在步骤S1中，采用均质系数法确定掌子面稳定性级别。
在一种具体的实施方案中，在步骤S1中，采用准弹性系数法确定掌子面稳定性级别。
本发明的有益效果是：本发明提供的山岭隧道钻爆法施工掌子面稳定性分级方法利用神经网络技术构建掌子面稳定性分级模型，根据钻进过程中产生的钻进参数自动进行掌子面稳定性级别的判定，可以有效减少掌子面施工人员的投入，降低掌子面稳定性的分级评价过程中潜在风险。
附图说明
为了更清楚地说明本申请实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的凿岩台车钻孔工作示意图；
图2是本发明实施例提供的山岭隧道钻爆法施工掌子面稳定性分级方法的步骤流程图；
图3是本发明实施例提供的基于神经网络的掌子面稳定性分级模型示意图；
图4是本发明实施例提供的掌子面稳定性分级方法流程图；
图5是本发明实施例提供的特征钻孔选取图；
图6是本发明实施例提供的钻进参数采集示意图。
具体实施方式
为使本申请实施方式的目的、技术方案和优点更加清楚，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
因此，以下对在附图中提供的本申请的实施方式的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
实施例
隧道工程本质上是一项地质工程，在隧道的修建过程中，会遇到各种不同的地层环境，同时在掘进过程中也不可避免面临各种地质灾害，常常导致隧道掌子面出现坍塌、掉块、落石等灾害；另一方面，对掌子面前方围岩的不确定性和变异性也会对隧道开挖产生影响。这些直接危及施工人员的人身安全。另外，也会造成了施工困难，毁坏施工设备，拖延工期，造成重大经济损失。
目前，理论上进行掌子面稳定性的等级分类，首先要明确影响掌子面稳定性的因素指标，其次要明确隧道所在的岩性环境，然后再根据岩性环境选择适合的评价方法，最后根据所选的评价方法找出评价指标。主要有块体理论、RMR法、均质系数法、准弹性系数法，然而，在实际工程中，由于以上方法其指标往往需要进行室内试验才能获取。掌子面稳定性的分级评价过程依托施工人员现场采集样本并进行试验，无法确保施工人员的人身安全。
为此，本发明人经过长期的研究，提供一种掌子面稳定性分级方法，旨在降低现有的掌子面稳定性分级评价过程中的潜在风险，保障人员安全。该掌子面稳定性分级方法适用于凿岩台车(也称全电脑三臂凿岩台车)隧道开挖工程。
图1示出了凿岩台车钻孔工作示意图，请参阅图1。凿岩台车钻孔工作可分为以下四部分：
①冲击：钻杆冲击前方岩体以破碎岩石；
②回转：钻头回转切削岩石；
③推进：钻臂施加推进压力使钻杆保持推进；
④冲刷：形成的岩石碎屑和粉末用水冲刷至孔外。
该凿岩台车的传感器能够自动记录推进速度Vp(Penetration，简称，Vp)、冲击压力Ph(Hammer pressure，简称，Ph)、推进压力Pf(Feeder pressure，简称，Pf)、回转压力Pr(Rotapressure，简称，Pr)、水压力Pw(Water pressure，简称，Pw)、水流量Qw(Water flow，简称，Qw)等。在本申请中，将推进速度、冲击压力、推进压力、回转压力、水压力以及水流量定义为钻进参数，钻进参数的具体含义见表1。
表1钻进参数含义
图2示出了一种山岭隧道钻爆法施工掌子面稳定性分级方法的步骤流程图，请参阅图2，该山岭隧道钻爆法施工掌子面稳定分级方，包括如下步骤：
S1：构建样本库，该样本库包括钻进参数以及对应位置的掌子面稳定性级别。
掌子面稳定性分级样本库由钻进参数(简称，DP)和掌子面稳定性级别两部分构成。
在一些具体的实施方案中，钻进参数包括推进速度、冲击压力、推进压力、回转压力、水压力以及水流量。
每组钻进参数包括特定钻进深度的推进速度、冲击压力、推进压力、水压力以及水流量。该特定深度的掌子面稳定性级别与该组钻进参数呈一一对应关系。
其中，钻进参数可以由凿岩台车的传感器采集。掌子面稳定性级别可以采用块体理论、RMR法、均质系数法、准弹性系数法，然而，在实际工程应用中，由于以上方法其指标往往需要进行室内试验才能获取，应用性不强，因此工程现场往往还是采用人工地质素描的方法进行掌子面稳定性的判定。
本发明人对大量的国内外隧道掌子面的稳定性状态进行调研，结合掌子面的围岩级别和地质情况将掌子面稳定性级别划分为整体稳定(A级)、局部不稳定(B级)、上半断面不稳定(C级)以及全断面不稳定(D级)四个级别。A、B、C、D四个级别涵盖了所有不稳定情况，适用于掌子面稳定性分级。
另外，发明人提供了一种掌子面稳定性分级指标对应表(见表2)，以指导本领域技术人员采用地质素描法进行掌子面稳定性分级。
表2掌子面稳定性分级指标对应表
表2中：“——”表示无对应地质情况。
S2：基于神经网络构建掌子面稳定性分级模型，将样本库代入所述掌子面稳定性分级模型进行训练。
为了便于理解，首先对神经网络的原理予以简述，具体如下：
人工神经网络是计算机大面积普及后的一门新兴学科，它是模拟人脑神经元及神经元连接结构的一种复杂的计算方法，人工神经网络技术主要以人神经的工作流程为设计的范本，利用人神经处理相关内容的方式进行计算。人工神经网络无需事先确定输入输出之间映射关系的数学方程，仅通过自身的训练，学习某种规则，在给定的输入值时得到最接近期望输出值的结果。
神经网络通常由输入层、隐含层和输出层组成，层与层之间全互连，每层节点之间不相连，隐含层可以有多个，其通过不断自我反复推演重塑神经网络，然后得到最终结果，请参阅图3。
对于掌子面稳定性分级模型的深度神经网络，设置其网络层数为5层，即输入层，3层隐含层和输出层。其中输入层对应6个钻进参数，故有6个节点，而输出层对应掌子面稳定性级别，故有1个节点，隐含层节点数通过研究确定。选用正切函数或者对数函数作为传递函数(隐含层的激活函数)，请参阅图4。
神经网络建立后，输入大量的样本库对其进行训练，当目标值和实际值的平方误差小于预期时，即获得可用的掌子面稳定性分级模型。
通过大量的样本库数据训练，且掌子面稳定性分级模型具有自学习功能，随着施工过程中产生的样本库数据的增多，准确率不断提高，具有准确性高、智能化程度高的特点。在具体实施时，样本库的数据不少于500组。
在记录样本库数据时，可以按照表3进行填写。
表3样本库数据统计表
S3：向训练后的掌子面稳定性分级模型输入钻进参数获得对应位置的掌子面稳定性级别。
其中，采集钻进参数具体包括如下步骤：
S31：将掌子面分块并各自选取特征钻孔。
发明人发现，掌子面的围岩有的呈上软下硬、上硬下软的状态。前面已经提到了整体稳定(A级)、局部不稳定(B级)、上半断面不稳定(C级)以及全断面不稳定(D级)四个级别。而掌子面上断面的不稳定与掌子面的围岩状态存在相关性。为了精细化的评价掌子面稳定性，根据掌子面围岩的软硬地层界限将掌子面分块形成上断面和下断面，并分别进行稳定性分级。也就是说，将上断面和下断面的钻进参数输入到训练后的掌子面稳定性分级模型获得上断面和下断面的掌子面稳定性分级，从而指导隧道支护设计。
示例性地，掌子面上半断面选择3个特征钻孔，掌子面下半断面选择2个特征钻孔，请参阅图5。
采集到的钻孔1～钻孔5五组钻进参数中，可以取钻孔1～钻孔3钻进参数的平均值作为表征上半断面的钻孔参数，钻孔4和钻孔5的钻进参数的值作为表征下半断面的钻孔参数。
S32：在钻进过程(采用凿岩台车钻孔)中每钻进预设深度，采集一次特征钻孔的钻进参数。例如，凿岩台车在钻进过程中，每隔0.02m采集一次钻进参数，请参阅图6。
以3m长的钻孔为例，钻进过程中将产生150组钻进参数。考虑掌子面稳定性或围岩级别在3m的范围内变化不大，故可以取上述150组钻进参数的平均数作为钻进参数输入到训练后的掌子面稳定性分级模型获得此段(3m)掌子面稳定性分级。
与现有方法相比，本发明具有以下优点：
1、本发明提供的山岭隧道钻爆法施工掌子面稳定分级方利用神经网络技术构建掌子面稳定性分级模型，实现根据钻进参数自动进行掌子面稳定性级别的判定，可以有效减少掌子面施工人员的投入，具有安全性高、自动化程度高的特点。当掌子面稳定性分级模型训练结束后，无需现场施工人员参与即可判断掌子面稳定性级别，降低了现有技术中的掌子面稳定性评价的潜在风险，保障人员安全，减少施工风险。
2、本发明提供的山岭隧道钻爆法施工掌子面稳定分级方法利用神经网络技术构建的掌子面稳定性分级模型，是根据现场大量的样本训练而来，并具有自学习功能，随着施工过程中产生的样本的增多，准确率不断提高，具有准确性高、智能化程度高的特点。
以上所述仅为本申请的优选实施方式而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，包括
S1：构建样本库，所述样本库包括钻进参数以及对应位置的掌子面稳定性级别；
S2：基于神经网络构建掌子面稳定性分级模型，将样本库代入所述掌子面稳定性分级模型进行训练；以及
S3：向训练后的掌子面稳定性分级模型输入钻进参数获得对应位置的掌子面稳定分级。
2.根据权利要求1所述的山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，所述钻进参数包括推进速度、冲击压力、推进压力、回转压力、水压力以及水流量。
3.根据权利要求2所述的山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，根据掌子面的围岩级别和地质情况将所述掌子面稳定性级别划分为整体稳定、局部不稳定、上半断面不稳定以及全断面不稳定四个级别。
4.根据权利要求3所述的山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，采集钻进参数具体包括如下步骤：
将掌子面分块并分别选取特征钻孔位置；
在钻进过程中每钻进预设深度，采集一次特征钻孔的钻进参数。
5.根据权利要求1所述的山岭隧道钻爆法施工掌子面稳定分级方法，其特征在于，根据围岩的软硬地层的分布将掌子面分为上断面和下断面。
6.根据权利要求5所述的山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，上断面布置3个特征钻孔，下断面布置2个特征钻孔。
7.根据权利要求1所述的山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，在步骤S1中，采用地质素描法确定掌子面稳定性级别。
8.根据权利要求1所述的山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，在步骤S1中，采用RMR法确定掌子面稳定性级别。
9.根据权利要求1所述的山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，在步骤S1中，采用均质系数法确定掌子面稳定性级别。
10.根据权利要求1所述的山岭隧道钻爆法施工掌子面稳定性分级方法，其特征在于，在步骤S1中，采用准弹性系数法确定掌子面稳定性级别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910466542.0A CN110805469B (zh) | 2019-05-31 | 2019-05-31 | 山岭隧道钻爆法施工掌子面稳定性分级方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910466542.0A CN110805469B (zh) | 2019-05-31 | 2019-05-31 | 山岭隧道钻爆法施工掌子面稳定性分级方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110805469A true CN110805469A (zh) | 2020-02-18 |
| CN110805469B CN110805469B (zh) | 2022-07-05 |
Family
ID=69487353
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910466542.0A Active CN110805469B (zh) | 2019-05-31 | 2019-05-31 | 山岭隧道钻爆法施工掌子面稳定性分级方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110805469B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553000A (zh) * | 2020-03-23 | 2020-08-18 | 西南交通大学 | 钻爆法隧道智能建造方法 |
| CN112098120A (zh) * | 2020-08-04 | 2020-12-18 | 中国铁建股份有限公司 | 一种测量劈裂注浆对掌子面稳定性影响的实验方法与装置 |
| CN113268808A (zh) * | 2021-07-21 | 2021-08-17 | 中铁大桥科学研究院有限公司 | 一种极软弱破碎围岩门式系统挑顶施工数字化检测方法 |
| CN113311478A (zh) * | 2021-05-28 | 2021-08-27 | 山东大学 | 一种基于风枪震源的地质检测方法及系统 |
| CN116484457A (zh) * | 2023-03-15 | 2023-07-25 | 西南交通大学 | 钻爆法隧道掌子面围岩三维精细化分级方法、装置及介质 |
| CN116975623A (zh) * | 2023-05-04 | 2023-10-31 | 西南交通大学 | 钻爆法隧道施工阶段大变形等级预测方法、装置及介质 |
| CN117113614A (zh) * | 2023-03-15 | 2023-11-24 | 西南交通大学 | 钻爆法隧道掌子面围岩Rb、Eb精细化解析方法及系统 |
| CN117112999A (zh) * | 2023-07-24 | 2023-11-24 | 西南交通大学 | 基于动态线性分段表示的钻进参数标准化清洗方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1752356A (zh) * | 2005-08-11 | 2006-03-29 | 西安理工大学 | 洞室围岩稳定性分析智能模型的构建方法 |
| KR20090064882A (ko) * | 2007-12-17 | 2009-06-22 | 한국건설기술연구원 | 천공데이터분석시스템 |
| CN102496059A (zh) * | 2011-11-25 | 2012-06-13 | 中冶集团武汉勘察研究院有限公司 | 矿山竖井工程围岩人工智能分级方法 |
| CN103308946A (zh) * | 2013-05-14 | 2013-09-18 | 中国科学院武汉岩土力学研究所 | 一种基于炮孔钻进信息的隧道超前地质预报方法 |
-
2019
- 2019-05-31 CN CN201910466542.0A patent/CN110805469B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1752356A (zh) * | 2005-08-11 | 2006-03-29 | 西安理工大学 | 洞室围岩稳定性分析智能模型的构建方法 |
| KR20090064882A (ko) * | 2007-12-17 | 2009-06-22 | 한국건설기술연구원 | 천공데이터분석시스템 |
| CN102496059A (zh) * | 2011-11-25 | 2012-06-13 | 中冶集团武汉勘察研究院有限公司 | 矿山竖井工程围岩人工智能分级方法 |
| CN103308946A (zh) * | 2013-05-14 | 2013-09-18 | 中国科学院武汉岩土力学研究所 | 一种基于炮孔钻进信息的隧道超前地质预报方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553000A (zh) * | 2020-03-23 | 2020-08-18 | 西南交通大学 | 钻爆法隧道智能建造方法 |
| CN112098120A (zh) * | 2020-08-04 | 2020-12-18 | 中国铁建股份有限公司 | 一种测量劈裂注浆对掌子面稳定性影响的实验方法与装置 |
| CN113311478A (zh) * | 2021-05-28 | 2021-08-27 | 山东大学 | 一种基于风枪震源的地质检测方法及系统 |
| CN113268808A (zh) * | 2021-07-21 | 2021-08-17 | 中铁大桥科学研究院有限公司 | 一种极软弱破碎围岩门式系统挑顶施工数字化检测方法 |
| CN116484457A (zh) * | 2023-03-15 | 2023-07-25 | 西南交通大学 | 钻爆法隧道掌子面围岩三维精细化分级方法、装置及介质 |
| CN117113614A (zh) * | 2023-03-15 | 2023-11-24 | 西南交通大学 | 钻爆法隧道掌子面围岩Rb、Eb精细化解析方法及系统 |
| CN116484457B (zh) * | 2023-03-15 | 2024-02-23 | 西南交通大学 | 钻爆法隧道掌子面围岩三维精细化分级方法、装置及介质 |
| CN117113614B (zh) * | 2023-03-15 | 2024-04-02 | 西南交通大学 | 钻爆法隧道掌子面围岩Rb、Eb精细化解析方法及系统 |
| CN116975623A (zh) * | 2023-05-04 | 2023-10-31 | 西南交通大学 | 钻爆法隧道施工阶段大变形等级预测方法、装置及介质 |
| CN116975623B (zh) * | 2023-05-04 | 2024-01-30 | 西南交通大学 | 钻爆法隧道施工阶段大变形等级预测方法、装置及介质 |
| CN117112999A (zh) * | 2023-07-24 | 2023-11-24 | 西南交通大学 | 基于动态线性分段表示的钻进参数标准化清洗方法及装置 |
| CN117112999B (zh) * | 2023-07-24 | 2024-03-29 | 西南交通大学 | 基于动态线性分段表示的钻进参数标准化清洗方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110805469B (zh) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110805469B (zh) | 山岭隧道钻爆法施工掌子面稳定性分级方法 | |
| CN110852908A (zh) | 围岩分级方法 | |
| CN111553000A (zh) | 钻爆法隧道智能建造方法 | |
| Salimi et al. | Evaluating the suitability of existing rock mass classification systems for TBM performance prediction by using a regression tree | |
| MX2007007192A (es) | Metodo, sistema y dispositivo de almacenamiento de programa para optimizacion de ajustes de valvula en pozos instrumentados usando tecnologia de gradiente adjunto y simulacion de yacimientos. | |
| CN110397402B (zh) | 钻井方法及装置 | |
| CN105653811B (zh) | 高压变电站深回填区旋挖钻进中的入岩深度确定方法 | |
| CN113034001B (zh) | 一种基于井下工程参数的评价数据处理方法及系统 | |
| CN103065051A (zh) | 一种对岩体自动进行分级分区的方法 | |
| CN112765791B (zh) | 一种基于数值样本和随机森林的tbm卡机风险预测方法 | |
| CN114547721A (zh) | 深埋隧道局部区域差异定向断裂控制爆破方法 | |
| CN115238861B (zh) | 一种基于井壁垮塌程度约束的安全钻井液密度确定方法 | |
| CN112664174A (zh) | 一种基于多钻孔的隧道围岩等级判定方法及系统 | |
| CN114818451A (zh) | 一种机械钻速预测方法、装置、存储介质以及设备 | |
| CN115267905A (zh) | 一种复杂构造区钻井工程中裂缝性井漏预测方法 | |
| CN112069646A (zh) | 一种精确预测机械钻速的方法 | |
| LIANG et al. | Stratum identification based on multiple drilling parameters and probability classification | |
| CN112948924A (zh) | 基于覆岩结构的近松散层开采导水裂隙带高度确定方法 | |
| CN111622752A (zh) | 一种三维井筒系统的提速评价方法 | |
| CN116628492A (zh) | 一种钻爆法隧道施工阶段岩爆等级精细化预测方法及系统 | |
| CN113742962B (zh) | 一种基于水平井的页岩储层属性三维建模方法 | |
| CN111176113A (zh) | 一种基于长短时记忆神经网络的钻具受力优化控制方法 | |
| CN108825204A (zh) | 基于随钻工程参数的钻时校正方法 | |
| CN117313508A (zh) | 一种砂砾岩水平井地层可钻性分析方法 | |
| CN114971177A (zh) | 一种围岩分级数字化方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |