CN113960667A - 围岩质量预测方法、预测系统、计算机设备、介质及终端 - Google Patents
围岩质量预测方法、预测系统、计算机设备、介质及终端 Download PDFInfo
- Publication number
- CN113960667A CN113960667A CN202110641025.XA CN202110641025A CN113960667A CN 113960667 A CN113960667 A CN 113960667A CN 202110641025 A CN202110641025 A CN 202110641025A CN 113960667 A CN113960667 A CN 113960667A
- Authority
- CN
- China
- Prior art keywords
- quality
- surrounding rock
- tsp
- rock
- indexes
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000012937 correction Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000009467 reduction Effects 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 15
- 238000012163 sequencing technique Methods 0.000 claims abstract description 12
- 239000003673 groundwater Substances 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 3
- 238000013441 quality evaluation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005445 natural material Substances 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/303—Analysis for determining velocity profiles or travel times
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/622—Velocity, density or impedance
- G01V2210/6222—Velocity; travel time
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/622—Velocity, density or impedance
- G01V2210/6224—Density
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6242—Elastic parameters, e.g. Young, Lamé or Poisson
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于安全施工技术领域,公开了一种围岩质量预测方法、预测系统、计算机设备、介质及终端,分别采用小波降噪对8个TSP物探指标进行数据降噪优化处理;并基于信噪比和均方差对降噪效果进行评价;基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算;并对地下水修正系数进行加权平均计算;将修正后的岩体基本质量指标值作为参考序列,8个TSP物探指标作为比较序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测。本发明能准确预测隧道围岩分级。
Description
技术领域
本发明属于安全施工技术领域,尤其涉及一种围岩质量预测方法、预测系统、 计算机设备、介质及终端。
背景技术
目前,岩体质量评价是隧道设计和施工中至关重要的环节。对隧道围岩体的 精确调查和解剖,进而进行合理的评价,是建立隧道地质模型的有效手段,广泛 应用于隧道结构设计和隧道开挖技术中。
对岩土体的质量评价方法仍局限于单一的针对岩体或针对土体,并没有针对 围岩的质量评价方法。
现有技术中,TSP203隧道地质超前预报工作原理:
利用人工激发的地震波在不均匀地质体中所产生的反射波特性来预报隧道 开挖工作面前方地质情况,用于划分地层界线、查找地质构造、探测不良地质体 的厚度和范围。
TSP和其它地震反射波方法一样,采用了回声测量原理。地震波在岩石中以 球面波形式传播,当地震波遇到岩石物性界面(即波阻抗差异界面,例如断层、 岩石破碎带和岩性变化等)时,一部分地震信号反射回来,一部分信号透射进入 前方介质。反射的地震信号将被一个或两个高灵敏度的地震检波器接收,根据反 射信号的传播时间和反射界面的距离成正比的原理,故而能提供一种直接的前方 不良地层的数据,再通过专用软件的分析处理,判读出前方的地质状况。
通过上述分析,现有技术存在的问题及缺陷为:现有技术主要都是用经验评 价围岩质量,带有一定的人为主观性。现场做TSP超前预报时有设备运行噪音, 会对获取得到的TSP物探指标偏离实际。
解决以上问题及缺陷的难度为:
岩土体是天然材料,隧道的围岩稳定性受许多因素影响,很难用一个统一的 公式进行表达。
解决以上问题及缺陷的意义为:
本方法与历史数据对比评价新开挖段的围岩质量,大大的减少人为主观因素 的影响,依据工程实际对新开挖围岩进行质量评价使其更趋于合理。
本方法采用小波降噪能减少噪音的影响。
发明内容
针对现有技术存在的问题,本发明提供了一种围岩质量预测方法、预测系统、 计算机设备、介质及终端。
本发明是这样实现的,一种基于TSP物探指标的围岩质量预测方法,所述基 于TSP物探指标的围岩质量预测方法包括:
步骤一,分别采用小波降噪对多个TSP物探指标进行数据降噪优化处理;并 基于信噪比和均方差对降噪效果进行评价;
步骤二,基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算; 并对地下水修正系数进行加权平均计算;
步骤三,将修正后的岩体基本质量指标值作为参考序列,多个TSP物探指标 作为比较序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;
步骤四,基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预 测。
进一步,步骤一中,所述多个TSP物探指标包括:纵横波速比、泊松比、密 度、剪切模量、拉梅系数、体积模量、动态杨氏模量、静态杨氏模量。
进一步,步骤二中,所述岩体基本质量指标BQ计算公式如下:
[BQ]=BQ-100(K1+K2+K3);
其中,BQ为岩体基本质量指标,K1为地下水影响修正系数,K2为主要软弱结 构面产状影响修正系数,K3为初始应力状态影响修正系数。
进一步,步骤二中,所述对地下水修正系数进行加权平均计算如下:
其中,si为第i段围岩长度,ki为第i段围岩地下水修正系数,n为围岩总 段数。
进一步,步骤三中,所述确定影响围岩质量的主次因素包括:基于关联排序 结果,高关联度指标即为影响围岩质量的主要因素。
进一步,步骤四中,所述基于确定的围岩质量的主次因素采用灰色关联理论 进行围岩质量预测包括:
将新开挖得到的一组8个TSP物探指标作为参考序列,将之前的所有TSP物 探指标作为比较序列,计算比较序列对参考序列的关联度,从比较序列中取与参 考序列关联度最大的一组数据所对应的围岩基本质量指标值即作为参考序列的 预测围岩基本质量指标值。
本发明的另一目的在于提供一种实施所述基于TSP物探指标的围岩质量预 测方法的基于TSP物探指标的围岩质量预测系统,所述基于TSP物探指标的围 岩质量预测系统包括:
优化处理模块,用于分别采用小波降噪对多个TSP物探指标进行数据降噪优 化处理;
评价模块,用于基于信噪比和均方差对降噪效果进行评价;
指标计算模块,用于基于岩体基本质量指标BQ计算公式进行岩体基本质量 指标计算;
修正模块,用于对地下水修正系数进行加权平均计算;
主次因素确定模块,用于将修正后的岩体基本质量指标值作为参考序列,多 个TSP物探指标作为比较序列,进行关联度计算与关联排序;确定影响围岩质量 的主次因素;
预测模块,用于基于确定的围岩质量的主次因素采用灰色关联理论进行围岩 质量预测。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和 处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时, 使得所述处理器执行如下步骤:
分别采用小波降噪对多个TSP物探指标进行数据降噪优化处理;并基于信噪 比和均方差对降噪效果进行评价;
基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算;并对地下 水修正系数进行加权平均计算;
将修正后的岩体基本质量指标值作为参考序列,多个TSP物探指标作为比较 序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;
基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序, 所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
分别采用小波降噪对多个TSP物探指标进行数据降噪优化处理;并基于信噪 比和均方差对降噪效果进行评价;
基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算;并对地下 水修正系数进行加权平均计算;
将修正后的岩体基本质量指标值作为参考序列,多个TSP物探指标作为比较 序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;
基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测。
本发明的另一目的在于提供一种信息数据处理终端,其特征在于,所述信息 数据处理终端用于实现所述的基于TSP物探指标的围岩质量预测方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明利用 小波降噪和灰色关联分析理论,建立了以围岩加权修正BQ值作为围岩质量的依 据,纵横波速比、泊松比、密度、剪切模量、拉梅系数、体积模量、动态杨氏模 量、静态杨氏模量8个物探指标为影响因素,先用小波降噪对物探指标进行降噪 处理,再采用MATLAB软件对隧道围岩质量的影响因素进行关联排序,从而确 定影响围岩质量的主次因素,再选取高关联度的物探指标采用灰色关联理论进行 围岩质量预测。
结果表明,纵横波速比、泊松比、密度、动态杨氏模量为影响隧道围岩稳定 性的主控因素,剪切模量、拉梅系数、体积模量、静态杨氏模量为次要因素。围 岩质量预测采用纵横波速比、泊松比、密度、动态杨氏模量这4个高关联度的物 探指标能准确预测隧道围岩分级。
本发明预测结果如下表:
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需 要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一 些实施例,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的附图。
图1是本发明实施例提供的基于TSP物探指标的围岩质量预测方法流程图。
图2是本发明实施例提供的基于TSP物探指标的围岩质量预测系统结构示 意图;
图中:1、优化处理模块;2、评价模块;3、指标计算模块;4、修正模块; 5、主次因素确定模块;6、预测模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对 本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释 本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种围岩质量预测方法、预测系统、 计算机设备、介质及终端,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的基于TSP物探指标的围岩质量预测方法包 括以下步骤:
S101,分别采用小波降噪对8个TSP物探指标进行数据降噪优化处理;并基于 信噪比和均方差对降噪效果进行评价;
S102,基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算;并 对地下水修正系数进行加权平均计算;
S103,将修正后的岩体基本质量指标值作为参考序列,8个TSP物探指标作 为比较序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;
S104,基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测。
步骤S101中,本发明实施例提供的8个TSP物探指标包括:纵横波速比、 泊松比、密度、剪切模量、拉梅系数、体积模量、动态杨氏模量、静态杨氏模量。
步骤S102中,本发明实施例提供的岩体基本质量指标BQ计算公式如下:
[BQ]=BQ-100(K1+K2+K3);
其中,BQ为岩体基本质量指标,K1为地下水影响修正系数,K2为主要软弱结 构面产状影响修正系数,K3为初始应力状态影响修正系数。
步骤S102中,本发明实施例提供的对地下水修正系数进行加权平均计算如 下:
其中,si为第i段围岩长度,ki为第i段围岩地下水修正系数,n为围岩总 段数。
步骤S103中,本发明实施例提供的确定影响围岩质量的主次因素包括:基 于关联排序结果,高关联度指标即为影响围岩质量的主要因素。
步骤S104中,本发明实施例提供的基于确定的围岩质量的主次因素采用灰 色关联理论进行围岩质量预测包括:
将新开挖得到的8个TSP物探指标作为参考序列,将上一次的8个TSP物探 指标作为比较序列,计算比较序列对参考序列的关联度,从比较序列中取与参考 序列关联度最大的一组数据所对应的围岩基本质量指标值即作为参考序列的预 测围岩基本质量指标值。
如图2所示,本发明实施例提供的基于TSP物探指标的围岩质量预测系统 包括:
优化处理模块1,用于分别采用小波降噪对8个TSP物探指标进行数据降噪 优化处理;
评价模块2,用于基于信噪比和均方差对降噪效果进行评价;
指标计算模块3,用于基于岩体基本质量指标BQ计算公式进行岩体基本质量 指标计算;
修正模块4,用于对地下水修正系数进行加权平均计算;
主次因素确定模块5,用于将修正后的岩体基本质量指标值作为参考序列,8 个TSP物探指标作为比较序列,进行关联度计算与关联排序;确定影响围岩质量 的主次因素;
预测模块6,用于基于确定的围岩质量的主次因素采用灰色关联理论进行围 岩质量预测。
下面结合具体实施例对本发明的技术效果作进一步描述。
实施例1:
1.实现过程
1.1先对纵横波速比、泊松比、密度、剪切模量、拉梅系数、体积模量、动 态杨氏模量、静态杨氏模量这8个TSP物探指标分别采用小波降噪进行数据降噪 优化处理。
1.2采用matlab小波工具箱,通过信噪比(SNR)和均方差(RMSE)这两个 指标对降噪效果进行了评价,结果表明采用无偏风险估计阈值(rigrsure),硬 阈值,SCAL=sln,N=1,wname=db5这些参数取得的降噪效果最佳。
1.3依据《公路隧道设计规范》(JTG 3370.1-2018)里的岩体基本质量指标 BQ计算公式(见式1),由于东天山隧道干燥和涌水是交替存在的,故对地下水 修正系数(K1)进行加权平均法计算(见式2)。
[BQ]=BQ-100(K1+K2+K3)式(1)
式中:BQ为岩体基本质量指标,K1为地下水影响修正系数,K2为主要软弱结 构面产状影响修正系数,K3为初始应力状态影响修正系数。
式中:si为第i段围岩长度,ki为第i段围岩地下水修正系数,n为围岩总 段数。
1.4将修正后的[BQ]值作为参考序列,纵横波速比、泊松比、密度、剪切模 量、拉梅系数、体积模量、动态杨氏模量、静态杨氏模量这8个TSP物探指标作 为比较序列,采用matlab编写灰色关联算法进行关联度计算,得出高关联度的 几个TSP物探指标,并选取学习率为0.65时的关联度区分性较好。
1.5将新开挖得到的一组8个TSP物探指标作为参考序列(序列a),之前所 有的8个TSP物探指标作为比较序列(序列b),计算序列b对序列a的关联度, 从序列b中取与序列a关联度最大的一组数据所对应的围岩[BQ]值即作为序列 a的预测围岩[BQ]值。
下面结合实验数据对本发明积极效果作进一步描述。
将文件1中4个excel文件中(每个文件包含3个工作表)的数据分别按列 一列一列的降噪(BQ这一列不用降噪),将降噪后的所有数据汇总至全部数 据.xls文件。小波降噪代码如下:
function[XD,SNR,RMSE]=dwave(x)
XD=wden(x,’heursure’,’h’,’one’,1,’db5’):
RMSE=sqrt((sum((XD-x).^2))/size(x,2)):
power=sum(x.^2)/size(x,2):
SNR=10*log10(power/RMSE^2):
end
其中:输出的XD代表降噪后的数据,RMSE为均方差误差,SNR为信噪比。RMSE 越小,SNR越大代表降噪效果越好。
将全部数据.xls文件里的数据进行关联度计算,BQ(I列)列作为参考序 列,A-H列作为比较序列,通过matlab代码计算得到各影响因素对BQ值关联度 大小:如下表:
灰色关联计算代码如下:
从全部数据.xls抽出6组数据作为参考序列(预测样本),剩下的所有数据作 为比较序列,从6组预测样本每次选一组,计算剩下数据对该组预测样本的关联 度大小,选取关联度最大那一组所对应的BQ值即为该组预测BQ值。依次计算剩 余5组预测样本。(所有数据只提取前三列:Vp/Vs,泊松比,密度这三 列,也就是采用关联度最高的三个因素作为关联度计算依据)。
预测结果如下表1:
再者,出口右洞物探数据如下表2:
出口左洞物探数据如下表3
进口右洞物探数据如表4
进口左洞物探数据如表5
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和 原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之 内。
Claims (9)
1.一种基于TSP物探指标的围岩质量预测方法,其特征在于,所述基于TSP物探指标的围岩质量预测方法包括:
分别采用小波降噪对多个TSP物探指标进行数据降噪优化处理;并基于信噪比和均方差对降噪效果进行评价;
基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算;并对地下水修正系数进行加权平均计算;
将修正后的岩体基本质量指标值作为参考序列,多个TSP物探指标作为比较序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;
基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测。
2.如权利要求1所述基于TSP物探指标的围岩质量预测方法,其特征在于,所述多个TSP物探指标包括:纵横波速比、泊松比、密度、剪切模量、拉梅系数、体积模量、动态杨氏模量、静态杨氏模量;
所述岩体基本质量指标BQ计算公式如下:
[BQ]=BQ-100(K1+K2+K3);
其中,BQ为岩体基本质量指标,K1为地下水影响修正系数,K2为主要软弱结构面产状影响修正系数,K3为初始应力状态影响修正系数。
4.如权利要求1所述基于TSP物探指标的围岩质量预测方法,其特征在于,所述确定影响围岩质量的主次因素包括:基于关联排序结果,高关联度指标即为影响围岩质量的主要因素。
5.如权利要求1所述基于TSP物探指标的围岩质量预测方法,其特征在于,所述基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测包括:
将新开挖得到的一组8个TSP物探指标作为参考序列,将之前所有的8个TSP物探指标作为比较序列,计算比较序列对参考序列的关联度,从比较序列中取与参考序列关联度最大的一组数据所对应的围岩基本质量指标值即作为参考序列的预测围岩基本质量指标值。
6.一种基于TSP物探指标的围岩质量预测系统,其特征在于,所述基于TSP物探指标的围岩质量预测系统包括:
优化处理模块,用于分别采用小波降噪对多个TSP物探指标进行数据降噪优化处理;
评价模块,用于基于信噪比和均方差对降噪效果进行评价;
指标计算模块,用于基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算;
修正模块,用于对地下水修正系数进行加权平均计算;
主次因素确定模块,用于将修正后的岩体基本质量指标值作为参考序列,8个TSP物探指标作为比较序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;
预测模块,用于基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测。
7.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
分别采用小波降噪对多个TSP物探指标进行数据降噪优化处理;并基于信噪比和均方差对降噪效果进行评价;
基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算;并对地下水修正系数进行加权平均计算;
将修正后的岩体基本质量指标值作为参考序列,多个TSP物探指标作为比较序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;
基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测。
8.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
分别采用小波降噪对多个TSP物探指标进行数据降噪优化处理;并基于信噪比和均方差对降噪效果进行评价;
基于岩体基本质量指标BQ计算公式进行岩体基本质量指标计算;并对地下水修正系数进行加权平均计算;
将修正后的岩体基本质量指标值作为参考序列,多个TSP物探指标作为比较序列,进行关联度计算与关联排序;确定影响围岩质量的主次因素;
基于确定的围岩质量的主次因素采用灰色关联理论进行围岩质量预测。
9.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现权利要求1~5任意一项所述的基于TSP物探指标的围岩质量预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110641025.XA CN113960667A (zh) | 2021-06-09 | 2021-06-09 | 围岩质量预测方法、预测系统、计算机设备、介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110641025.XA CN113960667A (zh) | 2021-06-09 | 2021-06-09 | 围岩质量预测方法、预测系统、计算机设备、介质及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113960667A true CN113960667A (zh) | 2022-01-21 |
Family
ID=79460336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110641025.XA Pending CN113960667A (zh) | 2021-06-09 | 2021-06-09 | 围岩质量预测方法、预测系统、计算机设备、介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113960667A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114544920A (zh) * | 2022-02-18 | 2022-05-27 | 北京好运达智创科技有限公司 | 盖梁施工用的振捣检测装置及方法 |
CN117514353A (zh) * | 2023-11-21 | 2024-02-06 | 中国水利水电第七工程局有限公司 | 基于灰色关联理论的景区隧道水力联系分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709609A (zh) * | 2018-12-14 | 2019-05-03 | 上海勘测设计研究院有限公司 | 基于岩体质量指标的水泥固结灌浆质量检查与评价方法 |
CN109886534A (zh) * | 2019-01-09 | 2019-06-14 | 中国铁建重工集团有限公司 | 用于隧道围岩分级的辨识方法及装置 |
WO2020125668A1 (zh) * | 2018-12-18 | 2020-06-25 | 中国铁建重工集团股份有限公司 | 一种应用随钻参数来自动识别围岩级别的方法和系统 |
WO2021043308A1 (zh) * | 2019-09-06 | 2021-03-11 | 山东大学 | 基于图像识别与分析的隧道内围岩石英含量预测系统与方法 |
-
2021
- 2021-06-09 CN CN202110641025.XA patent/CN113960667A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709609A (zh) * | 2018-12-14 | 2019-05-03 | 上海勘测设计研究院有限公司 | 基于岩体质量指标的水泥固结灌浆质量检查与评价方法 |
WO2020125668A1 (zh) * | 2018-12-18 | 2020-06-25 | 中国铁建重工集团股份有限公司 | 一种应用随钻参数来自动识别围岩级别的方法和系统 |
CN109886534A (zh) * | 2019-01-09 | 2019-06-14 | 中国铁建重工集团有限公司 | 用于隧道围岩分级的辨识方法及装置 |
WO2021043308A1 (zh) * | 2019-09-06 | 2021-03-11 | 山东大学 | 基于图像识别与分析的隧道内围岩石英含量预测系统与方法 |
Non-Patent Citations (1)
Title |
---|
秦拥军 等: "基于TSP物探指标的围岩质量预测研究", 《水力发电》, vol. 47, no. 5, 31 May 2021 (2021-05-31), pages 41 - 45 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114544920A (zh) * | 2022-02-18 | 2022-05-27 | 北京好运达智创科技有限公司 | 盖梁施工用的振捣检测装置及方法 |
CN117514353A (zh) * | 2023-11-21 | 2024-02-06 | 中国水利水电第七工程局有限公司 | 基于灰色关联理论的景区隧道水力联系分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109709603B (zh) | 地震层位识别与追踪方法、系统 | |
CN107356966B (zh) | 基于去压实作用深层河道砂体油气检测方法 | |
Guerriero | Power law distribution: Method of multi-scale inferential statistics | |
CN105277982B (zh) | 一种泥页岩总有机碳含量地震预测方法 | |
CN113960667A (zh) | 围岩质量预测方法、预测系统、计算机设备、介质及终端 | |
US10087723B2 (en) | Methodology for building realistic numerical forward stratigraphic models in data sparse environment | |
Lu et al. | Monte Carlo simulation (MCS)-based uncertainty analysis of rock mass quality Q in underground construction | |
CN107817520A (zh) | 海相泥页岩地层的压力系数预测方法及系统 | |
CN106033124A (zh) | 一种基于随机最优化的多震源粘声最小二乘逆时偏移方法 | |
CN103760600A (zh) | 一种含气饱和度反演方法 | |
CN104570066A (zh) | 地震反演低频模型的构建方法 | |
Han et al. | Copula-based simulating and analyzing methods of rock mass fractures | |
Song et al. | Prediction and analysis of geomechanical properties of jimusaer shale using a machine learning approach | |
CN110441815B (zh) | 基于差分进化及块坐标下降的模拟退火瑞雷波反演方法 | |
Kashnikov et al. | Solving the problems of exploitation safety of potassium salt deposit based on joint application of geophysical and geomechanical studies | |
CN112198552B (zh) | 断褶系统的宽度确定方法和装置 | |
CN111897004B (zh) | 一种基于大数据分析技术的测井预测方法 | |
CN105527648A (zh) | 用于各向异性参数反演的敏感度矩阵的计算方法及系统 | |
CN111025393B (zh) | 针对含薄煤层地层的储层预测方法、装置、设备及介质 | |
CN114624779A (zh) | 平衡模型约束的叠前多参数反演方法 | |
CN113806674A (zh) | 古河道纵向尺度的量化方法、装置、电子设备及存储介质 | |
Decker et al. | Determining size and shape of fractures from trace data using a differential evolution algorithm | |
Yang et al. | Questioning the use of RQD in rock engineering and its implications for rock engineering design | |
CN113138412A (zh) | 深层页岩气孔隙度地震预测方法及装置 | |
CN111077573A (zh) | 一种确定地层弹性参数的方法、装置及系统 |
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 |