CN110852908A - 围岩分级方法 - Google Patents
围岩分级方法 Download PDFInfo
- Publication number
- CN110852908A CN110852908A CN201910466544.XA CN201910466544A CN110852908A CN 110852908 A CN110852908 A CN 110852908A CN 201910466544 A CN201910466544 A CN 201910466544A CN 110852908 A CN110852908 A CN 110852908A
- Authority
- CN
- China
- Prior art keywords
- surrounding rock
- grading
- drilling
- drilling parameters
- surrounding
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本申请提供了一种围岩分级方法,属于隧道工程领域。该围岩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围岩级别;基于神经网络构建围岩分级模型,将样本库代入所述围岩分级模型进行训练;向训练后的围岩分级模型输入钻进参数获得对应位置的围岩级别。该围岩分级方法利用神经网络技术构建围岩分级模型,根据钻进过程中产生的钻进参数自动进行围岩级别的判定,可以有效减少施工人员的投入,降低围岩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,涉及一种围岩分级方法。
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,正确的围岩分级有利于采取及时有效的支护措施进而保证施工安全与施工进度。
目前,围岩分级方法有很多,例如:模糊数学理论、灰色预测和分形几何等非线性围岩分级方法。然而,在实际工程中,由于以上方法其指标往往需要现场测试岩体强度等分级指标,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围岩分级方法,旨在降低围岩分级评价过程中潜在风险。
本申请提供一种围岩分级方法,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围岩级别;
S2:基于神经网络构建围岩分级模型,将样本库代入所述围岩分级模型进行训练;以及
S3:向训练后的围岩分级模型输入钻进参数获得对应位置的围岩级别。
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,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围岩级别。
本发明的有益效果是:本发明提供的围岩分级方法利用神经网络技术构建围岩分级模型,根据钻进过程中产生的钻进参数自动进行围岩级别的判定,可以有效减少施工人员的投入,降低围岩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围岩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围岩分级模型示意图;
图4是本发明实施例提供的围岩分级方法流程图;
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,正确的围岩分级有利于采取及时有效的支护措施进而保证施工安全与施工进度。
目前,围岩分级方法有很多,例如:模糊数学理论、灰色预测和分形几何等非线性围岩分级方法。然而,在实际工程中,由于以上方法其指标往往需要现场测试岩体强度等分级指标,由于支护措施需要根据围岩等级确定后才能开展,因此,若在支护措施尚未施工前在现场进行试验或者取样,过于危险。一旦围岩失稳,无法确保施工人员的人身安全,潜在风险大。
为此,本发明人经过长期的研究,提供一种岩分级方法,旨在降低现有的围岩分级评价过程中的潜在风险,保障人员安全。围岩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示出了一种围岩分级方法的步骤流程图,请参阅图2,该围岩分级方法,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围岩级别。
围岩分级样本库由钻进参数(简称,DP)和围岩级别两部分构成。
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。该特定深度的围岩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。围岩级别的判定可以采用人工地质素描法。根据《铁路隧道设计规范》(TB10003-2016)有关规定,围岩级别现场判断可根据掌子面地质素描结果确定,请结合表2。
表2掌子面地质信息记录表
S2:基于神经网络构建围岩分级模型,将样本库代入所述围岩分级模型进行训练。
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。
对于围岩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,而输出层对应围岩级别,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,即获得可用的围岩分级模型。
通过大量的样本库数据训练,且围岩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。掌子面稳定性和围岩级别紧密相关,因此样本采集应考虑不同围岩级别、不同岩性、不同地质特征进行,原则上,每种围岩级别的样本数量不应低于100份。例如:I、Ⅱ、Ⅲ、Ⅳ、Ⅴ级围岩100组。
需要说明的是,隧道围岩分级就是评定围岩性质、判断隧道围岩稳定性,作为选择隧道位置、支护类型的依据和指导安全施工。具体地,围岩级别有:I、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ六个级别。然而,Ⅵ级围岩在实际的隧道工程极为少见,原因在于,该级别围岩构造影响很严重多数为破碎带全强风化带破碎带交汇部位构造及风化节理密集节理面及其组合杂乱形成大量碎块体块体间多数为泥质充填甚至呈石夹土状或土夹石状,若进行开挖短时间内掌子面就会失稳,因此,在隧道选址时基本上排除了Ⅵ级围岩,故在本申请中不考虑Ⅵ级围岩。
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:向训练后的围岩分级模型输入钻进参数获得对应位置的围岩级别。
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。
为了精细化的评价围岩级别,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,并分别进行围岩分级判别。也就是说,将上断面和下断面的钻进参数输入到训练后的围岩分级模型获得上断面和下断面的围岩级别,从而指导隧道支护措施设计。
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)围岩分级。
与现有方法相比,本发明具有以下优点:
1、本发明提供的围岩分级方法利用神经网络技术构建围岩分级模型,实现根据钻进参数自动进行围岩级别的判定,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。当围岩分级模型训练结束后,无需现场施工人员参与即可判断围岩级别,降低了现有技术中的围岩分级的潜在风险,保障人员安全,减少施工风险。
2、本发明提供的围岩分级方法利用神经网络技术构建的围岩分级模型,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 (6)
1.一种围岩分级方法,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围岩级别;
S2:基于神经网络构建围岩分级模型,将样本库代入所述围岩分级模型进行训练;以及
S3:向训练后的围岩分级模型输入钻进参数获得对应位置的围岩级别。
2.根据权利要求1所述的围岩分级方法,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所述的围岩分级方法,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。
4.根据权利要求1所述的围岩分级方法,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。
5.根据权利要求4所述的围岩分级方法,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。
6.根据权利要求1所述的围岩分级方法,其特征在于,在步骤S1中,采用地质素描法确定围岩级别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910466544.XA CN110852908A (zh) | 2019-05-31 | 2019-05-31 | 围岩分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910466544.XA CN110852908A (zh) | 2019-05-31 | 2019-05-31 | 围岩分级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110852908A true CN110852908A (zh) | 2020-02-28 |
Family
ID=69594622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910466544.XA Pending CN110852908A (zh) | 2019-05-31 | 2019-05-31 | 围岩分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852908A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112664174A (zh) * | 2020-12-21 | 2021-04-16 | 中铁四局集团第五工程有限公司 | 一种基于多钻孔的隧道围岩等级判定方法及系统 |
CN112950771A (zh) * | 2021-04-02 | 2021-06-11 | 中国铁建重工集团股份有限公司 | 一种围岩结构的检测方法、系统及相关组件 |
CN112990227A (zh) * | 2021-02-08 | 2021-06-18 | 中国铁建重工集团股份有限公司 | 掌子面地质检测方法 |
CN113553763A (zh) * | 2021-07-12 | 2021-10-26 | 中铁二十局集团有限公司 | 一种隧道围岩快速分级方法和系统 |
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 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635461A (zh) * | 2018-12-18 | 2019-04-16 | 中国铁建重工集团有限公司 | 一种应用随钻参数来自动识别围岩级别的方法和系统 |
-
2019
- 2019-05-31 CN CN201910466544.XA patent/CN110852908A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635461A (zh) * | 2018-12-18 | 2019-04-16 | 中国铁建重工集团有限公司 | 一种应用随钻参数来自动识别围岩级别的方法和系统 |
Non-Patent Citations (1)
Title |
---|
隋颖等: "基于神经网络的公路隧道围岩分级", 《中国科技纵横》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112664174A (zh) * | 2020-12-21 | 2021-04-16 | 中铁四局集团第五工程有限公司 | 一种基于多钻孔的隧道围岩等级判定方法及系统 |
CN112990227A (zh) * | 2021-02-08 | 2021-06-18 | 中国铁建重工集团股份有限公司 | 掌子面地质检测方法 |
CN112990227B (zh) * | 2021-02-08 | 2022-12-27 | 中国铁建重工集团股份有限公司 | 掌子面地质检测方法 |
CN112950771A (zh) * | 2021-04-02 | 2021-06-11 | 中国铁建重工集团股份有限公司 | 一种围岩结构的检测方法、系统及相关组件 |
CN113553763A (zh) * | 2021-07-12 | 2021-10-26 | 中铁二十局集团有限公司 | 一种隧道围岩快速分级方法和系统 |
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 |
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 | |
CN110500034B (zh) | 建立神经网络模型、确定扭摆钻柱参数和定向钻井的方法 | |
Mahmoud et al. | Artificial neural networks model for prediction of the rate of penetration while horizontally drilling carbonate formations | |
CN103472484A (zh) | 基于rs三维敏感地震属性分析的水平井轨迹优化方法 | |
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 | |
KR102294384B1 (ko) | 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법 및 이를 이용한 굴진율 예측시스템 | |
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 | |
CN105389451B (zh) | 一种用于无人化采掘工作面的适时精准建模方法 | |
CN107861917A (zh) | 水平井中多元数据联合计算井眼到地层边界距离的方法 | |
CN111695790A (zh) | 一种保安矿柱开采方法 | |
CN112948924B (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 | |
Li et al. | Exploring deep-rock mechanics through mechanical analysis of hard-rock in situ coring system | |
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 | |
CN113742962B (zh) | 一种基于水平井的页岩储层属性三维建模方法 | |
Lee et al. | Development of a trip time for bit exchange simulator for drilling time estimation | |
CN104268785A (zh) | 一种用于深井底板突水风险的分析方法 | |
CN108825204A (zh) | 基于随钻工程参数的钻时校正方法 | |
Niu et al. | An intelligent prediction method of the karst curtain grouting volume based on support vector machine | |
CN115130268A (zh) | 油藏注采方案设计方法、系统、存储介质及电子设备 | |
CN114077861A (zh) | 一种钻井过程中实时识别岩性的方法和系统 | |
CN116975623B (zh) | 钻爆法隧道施工阶段大变形等级预测方法、装置及介质 | |
Liu et al. | High Efficiency Drilling Control Technology for Shale Oil in Jiyang Depression | |
Li | Research on the identification method of lithology drilling with PDC bit |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |