CN116992694A - 一种隧道爆破质量评价及优化方法 - Google Patents

一种隧道爆破质量评价及优化方法 Download PDF

Info

Publication number
CN116992694A
CN116992694A CN202311223077.0A CN202311223077A CN116992694A CN 116992694 A CN116992694 A CN 116992694A CN 202311223077 A CN202311223077 A CN 202311223077A CN 116992694 A CN116992694 A CN 116992694A
Authority
CN
China
Prior art keywords
blasting
tunnel
data
area
model
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
Application number
CN202311223077.0A
Other languages
English (en)
Other versions
CN116992694B (zh
Inventor
徐代明
何晓勇
李明辉
李召辉
张学民
杨伟伟
沈韬
马亮亮
韩淼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
China Railway No 3 Engineering Group Co Ltd
China Railway Development Investment Group Co Ltd
Original Assignee
Central South University
China Railway No 3 Engineering Group Co Ltd
China Railway Development Investment Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University, China Railway No 3 Engineering Group Co Ltd, China Railway Development Investment Group Co Ltd filed Critical Central South University
Priority to CN202311223077.0A priority Critical patent/CN116992694B/zh
Publication of CN116992694A publication Critical patent/CN116992694A/zh
Application granted granted Critical
Publication of CN116992694B publication Critical patent/CN116992694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F42AMMUNITION; BLASTING
    • F42DBLASTING
    • F42D3/00Particular applications of blasting techniques
    • F42D3/04Particular applications of blasting techniques for rock blasting
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种隧道爆破质量评价及优化方法,属于隧道工程施工技术领域,用于解决现有爆破质量评估问题,选择各预设标准特征,基于各所述预设标准特征设置对应的预设标准方案;结合获得的爆破数据建立对应的优化爆破模型;建立隧道模型,并在每次爆破后进行相应的隧道模型更新;进行隧道岩层检测,将岩层检测数据在隧道模型中进行分布显示,并合并设置对应的爆破区;确定目标爆破区,识别目标爆破区的岩层特征,基于所述优化爆破模型进行分析,获得对应的爆破方案,按照所述爆破方案进行爆破;识别更新后的隧道模型,对爆破结果进行评估,获得对应的评估值;通过根据隧道岩层的实际分布情况,合并标记爆破区,便于后续进行针对性的爆破规划。

Description

一种隧道爆破质量评价及优化方法
技术领域
本发明属于隧道工程施工技术领域,具体是一种隧道爆破质量评价及优化方法。
背景技术
隧道钻爆法施工作业通过凿岩台车在掌子面钻孔,随后在钻孔中装填炸药起爆,形成岩渣,最终通过装载车运出岩渣,至此完成隧道一环的爆破开挖作业。当前,钻爆法在隧道爆破施工过程中面临着爆破超欠挖、爆破进尺不足、爆破断面不平整等严峻问题。其中,超欠挖导致爆破开挖的经济性大大降低;爆破进尺不足影响爆破开挖的进度;当前爆破断面的不平整导致后续布孔、开挖困难等问题。因而,爆破质量的准确评价对于提高开挖质量、指导后续开挖作业、加快工程建设进度、提高建设质量和经济性具有至关重要的意义。
然而,在钻爆法施工作业中,各个工序衔接紧密,且由于不同施工人员之间操作习惯不一致,导致爆破质量评价存在极大的难度。现有爆破质量评价方法采用抽样测量超欠挖量的方式进行评价,这种评价方法一方面难以达到准确的评价效果,另一方面未考虑爆破断面的不平整度、爆破进尺对爆破质量的影响,故而不能形成有效的爆破质量评价体系用于指导钻爆法施工作业。
因此,爆破质量的准确评价需要全面考虑影响爆破质量的各个评价因素,通过运用现代测绘技术、人工智能、大数据处理等技术手段,形成一种准确量化的爆破质量评价方法,从而提高开挖质量、优化指导后续开挖作业。
发明内容
为了解决上述方案存在的问题,本发明提供了一种隧道爆破质量评价及优化方法,通过综合考虑超欠挖量、爆破进尺及爆破断面的不平整度对爆破质量评价的影响,实现了爆破质量的全面量化准确评估。
本发明的目的可以通过以下技术方案实现:
一种隧道爆破质量评价及优化方法,方法包括:
步骤S1:选择各预设标准特征,基于各所述预设标准特征设置对应的预设标准方案;结合获得的爆破数据建立对应的优化爆破模型;
步骤S2:建立隧道模型,并在每次爆破后进行相应的隧道模型更新;
步骤S3:进行隧道岩层检测,将岩层检测数据在隧道模型中进行分布显示,并合并设置对应的爆破区;
进一步地,每次爆破后进行隧道岩层检测的重新检测,并对隧道模型中的爆破区进行更新。
进一步地,设置爆破区的方法包括:
评估各相连位置检测数据之间的差异数据,设置对应的差异区间,将获得的差异数据与差异区间进行比较,当差异数据在差异区间内时,进行相连区域的合并,并计算合并后该区域的平均检测数据;当差异数据不在差异区间内时,不进行合并;
将合并完成后的各个合并区域标记为初始区域,识别各初始区域区域特征,根据区域特征进行各初始区域的合并,将合并后剩余的初始区域标记为爆破区。
进一步地,爆破区内显示对应的各初始区域以及对应的检测数据。
进一步地,判断初始区域是否需要进行合并的方法包括:
设置合并条件,将合并条件与各区域特征进行比较,基于比较结果判断是否需要进行初始区域的合并。
进一步地,当判断需要进行初始区域的合并时,将初始区域与相邻差异数据最小的初始区域进行合并。
进一步地,评估各相连位置检测数据之间的差异数据的方法包括:
对相邻的检测数据进行转化,对转化后的检测数据进行差异性分析,获得各检测项对应的单项差异值,将获得的单项差异值标记为对应的CYi,其中i=1、2、……、n,n为正整数;获取对于各检测项预设的权重系数,标记为ci;根据差异评估公式CPF=∑(ci×CYi)计算对应的综合差异值,标记为差异数据。
步骤S4:确定目标爆破区,识别目标爆破区的岩层特征,基于所述优化爆破模型进行分析,获得对应的爆破方案,按照所述爆破方案进行爆破;
步骤S5:识别更新后的隧道模型,对爆破结果进行评估,获得对应的评估值。
进一步地,当评估值低于阈值X1时,根据爆破结果进行对应爆破方案的调整,形成学习数据对优化爆破模型进行再学习。
进一步地,评估值的评估方法包括:
通过预设单一评估模型对爆破结果进行分析,获得对应的超欠挖单一值、进尺单一值和断面单一值,分别标记为CQ、JC和DM,根据评估公式PGK=CQ+JC+DM计算对应的评估值。
与现有技术相比,本发明的有益效果是:
通过根据隧道岩层的实际分布情况,合并标记对应的爆破区,便于后续进行针对性的爆破规划,实现爆破优化,进行更加精准的隧道爆破;避免直接按照现场施工人员的经验进行爆破,尤其是当软弱夹层等不良地质情况出现的时候,极易导致爆破精度大降;而本发明通过根据各爆破区进行爆破方案的优化调整,实现更加精准的爆破控制;结合爆破结果、预计结果和隧道模型进行综合分析,获得三个角度方向的超欠挖单一值、进尺单一值和断面单一值,进而综合评估对应的评估值,直观的显示本次爆破的质量情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种隧道爆破质量评价及优化方法,方法包括:
步骤S1:根据隧道爆破过程中经常出现的岩层情况,选择具有明显差异性的岩层情况,以岩层特征进行表示,即岩层情况的特征数据,如岩层种类、孔隙、断层、软弱夹层等特征数据;具有明显差异性是为了降低数量,避免设置大量的差异性较小的岩层情况对应的爆破方案,基于现有的爆破经验和方法模拟设置对应的爆破方案,并采用实地模拟实验的方式对各爆破方案进行模拟实验,获得各爆破方案的实验结果,进行筛选后,选择各岩层特征对应的爆破方案;并在后续的爆破施工过程中,实时获取对应的爆破数据,包括岩层特征、爆破方案和爆破结果,因为在后续的实际包括过程中,因为岩层特征的变化,将会有一部分与预设的岩层特征具有差异,基于获得的爆破数据进行相应的爆破方式优化,以最接近预设的岩层特征进行扩充素材集,即后续根据获得的爆破数据形成对应的素材数据;如岩层特征差异不大,进行相应的钻孔角度和火药量的调整,形成一个素材数据,因为各实地岩层特征与其最接近的预设的岩层特征之间的差异并不会很大,因此进行相应的爆破参数调整即可;结合各预设岩层特征对应的素材集,通过人工的方式整理设置对应的训练集,基于现有的神经网络,如CNN网络或DNN网络,建立对应的优化爆破模型,通过建立的训练集进行训练,通过训练成功后的优化爆破模型对获得的岩层特征进行分析,输出对应的爆破方案,因为神经网络为本领域的现有技术,因此具体的建立和训练过程在本发明中不进行详细叙述;将为了进行区分,将预设的岩层特征标记为预设标准特征,将对应的爆破方案标记为预设标准方案。
步骤S2:结合现有的激光技术进行隧道的扫描建模,建立隧道模型;如利用多线激光和双目视觉技术等快速扫描建立当前隧道的三维模型,每当爆破过后,进行相应的隧道模型更新。
步骤S3:进行隧道岩层检测,获得对应的岩层检测数据,将获得的岩层检测数据在隧道模型中进行分布显示,结合对应的检测数据进行区域划分,获得若干个对应的特征区,将获得的特征区在隧道模型中进行相应的标记。
具体的一般是结合现有的地质雷达等检测技术进行隧道待爆破区的岩层检测,获得的检测数据按照岩层特征的形式进行统计,还以检测数据进行表示,根据检测数据对应的位置分布在隧道模型中进行相应的标记,实现隧道外侧岩层的特征数据补充;将检测数据连续相近的区域进行合并,获得对应的爆破区;通过根据隧道岩层的实际分布情况,合并标记对应的爆破区,便于后续进行针对性的爆破规划,实现爆破优化,进行更加精准的隧道爆破;避免直接按照现场施工人员的经验进行爆破,尤其是当软弱夹层等不良地质情况出现的时候,极易导致爆破精度大降;而本发明通过根据各爆破区进行爆破方案的优化调整,实现更加精准的爆破控制。
其中,爆破区的合并方法包括:
因为检测数据分布后并不是以区域的形式进行显示的,因此将相连且数据相同或差异较小的检测数据分布的区域视为一个区域,差异较小指的是对于实际岩层检测,因为正常岩层细微变化导致检测数据具有细微改变导致数据不一致的,视为相同,即同一区域,以平均数据为该区域的检测数据;
评估各相连位置检测数据之间的差异数据,通过人工的方式根据实际爆破角度考虑,设置可以列为一个爆破区内的检测数据差异区间,即只要差异数据在差异区间内均可,将获得的差异数据与差异区间进行比较,当差异数据在差异区间内时,进行相连区域的合并,并计算合并后该区域的平均检测数据,即以平均数据代表该合并区的检测数据;当差异数据不在差异区间内时,不进行合并;直到没有可以合并的区域位置;将合并完成后的各个合并区域标记为初始区域,识别各初始区域的体积、分布位置和检测数据,作为区域特征,根据区域特征进行各初始区域的合并,即考虑到有的初始区域较小或者位置关系,导致不合适进行单独分析,一般合并到相邻的初始区域内进行综合分析;具体的是根据区域特征和相邻初始区域之间的差异数据进行合并的,当判断该初始区域需要进行合并时,将该初始区域合并到差异数据最小的初始区域内;将合并后剩余的初始区域标记为爆破区;且爆破区内依旧显示对应的各初始区域以及对应的检测数据。
其中对于判断初始区域是否需要进行合并的方法为:
根据检测数据设置不能进行合并的区域种类,如较大空腔、内部区域积水等特殊情况,再根据体积位置设置对应的限制条件,整理为合并条件,将合并条件与各区域特征进行比较,进而判断是否需要进行合并,可以结合现有的人工智能建立对应的判断模型,根据判断模型进行智能判断。
在一个实施例中,评估各相连位置检测数据之间的差异数据,可以直接根据检测数据进行评估,根据检测数据的形式设置对应表现形式的差异区间,根据检测数据之间的差异确定各检测项的差异数据,进行逐一比较即可。
在另一个实施例中,因为直接使用检测数据进行比较,不够直观,因此,可以采用数值转化的方式进行表示,即将非数值的检测数据进行数值转化,基于现有的数值转化规则,利用人工的方式设置适合各检测项数据的转化方式,按照对应的数据进行转化,如以(1,2,3,4,5)的形式表示转化后的检测数据,其中1、2、3、4、5分别表示各检测项数据对应的转化后的数值;基于现有的神经网络建立对应的差异分析模型,通过人工的方式模拟建立对应的训练集进行训练,通过训练成功后的差异分析模型对相邻的两个转化后的检测数据进行分析,获得各检测项对应的单项差异值,将获得的单项差异值标记为对应的CYi,其中i=1、2、……、n,n为正整数,i表示对应的检测项;获取对于各检测项预设的权重系数,即根据各检测项对应的检测内容对于爆破的影响程度设置的权重系数,标记为ci;根据差异评估公式CPF=∑(ci×CYi)计算对应的综合差异值,标记为差异数据。
步骤S4:将接下来进行爆破的爆破区标记为目标爆破区,识别目标爆破区的岩层特征,即检测数据;将岩层特征输入到优化爆破模型中,获得对应的爆破方案,先确定最接近的预设标准特征,基于预设标准特征对应的预设标准方案进行相应的爆破参数调整;获得对应的爆破方案,按照获得的爆破方案进行爆破。
步骤S5:识别更新后的隧道模型,对爆破结果进行评估,获得对应的评估值。
当评估值低于阈值X1时,视为该次爆破效果不理想,根据结果进行对应爆破方案的调整,形成学习数据对优化爆破模型进行再学习。
对爆破结果进行评估的方法包括:
从爆破超欠挖、爆破进尺不足、爆破断面不平整三个方面进行综合评估,先单一评估对应的单一值,再进行三个单一值的累加,获得评估值;
爆破超欠挖和爆破进尺不足的单一值是根据当前爆破后的爆破结果与预计爆破结果进行比较评估的,爆破断面不平整的单一值是根据平整情况进行评估的;具体的基于现有的神经网络建立对应的单一评估模型,通过人工的方式建立对应的训练集进行训练,通过训练成功后的单一评估模型进行分析,获得对应的超欠挖单一值、进尺单一值和断面单一值,分别标记为CQ、JC和DM,根据评估公式PGK=CQ+JC+DM计算对应的评估值。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。

Claims (9)

1.一种隧道爆破质量评价及优化方法,其特征在于,方法包括:
选择各预设标准特征,所述预设标准特征为预设岩层特征;基于各所述预设标准特征设置对应的预设标准方案;结合获得的爆破数据建立对应的优化爆破模型;爆破数据包括岩层特征、爆破方案和爆破结果;
建立隧道模型,并在每次爆破后更新隧道模型;
进行隧道岩层检测,将岩层检测数据分布显示在隧道模型中,根据相连检测数据之间的差异数据设置爆破区;
确定目标爆破区,识别目标爆破区的岩层特征,基于所述优化爆破模型进行分析,获得对应的爆破方案,按照所述爆破方案进行爆破;
调用更新后的隧道模型,对爆破结果进行评估,获得对应的评估值。
2.根据权利要求1所述的一种隧道爆破质量评价及优化方法,其特征在于,每次爆破后进行隧道岩层检测的重新检测,并对隧道模型中的爆破区进行更新。
3.根据权利要求1所述的一种隧道爆破质量评价及优化方法,其特征在于,设置爆破区的方法包括:
评估各相连位置检测数据之间的差异数据,设置对应的差异区间,将获得的差异数据与差异区间进行比较,当差异数据在差异区间内时,进行相连区域的合并,并计算合并后该区域的平均检测数据;当差异数据不在差异区间内时,不进行合并;
将合并完成后的各个合并区域标记为初始区域,识别各初始区域的区域特征,根据区域特征进行各初始区域的合并,将合并后剩余的初始区域标记为爆破区。
4.根据权利要求3所述的一种隧道爆破质量评价及优化方法,其特征在于,爆破区内显示对应的各初始区域以及对应的检测数据。
5.根据权利要求3所述的一种隧道爆破质量评价及优化方法,其特征在于,判断初始区域是否需要进行合并的方法包括:
设置合并条件,将合并条件与各区域特征进行比较,基于比较结果判断是否需要进行初始区域的合并。
6.根据权利要求5所述的一种隧道爆破质量评价及优化方法,其特征在于,当判断需要进行初始区域的合并时,将初始区域与相邻差异数据最小的初始区域进行合并。
7.根据权利要求3所述的一种隧道爆破质量评价及优化方法,其特征在于,评估各相连位置检测数据之间的差异数据的方法包括:
对相邻的检测数据进行转化,对转化后的检测数据进行差异性分析,获得各检测项对应的单项差异值,将获得的单项差异值标记为对应的CYi,其中i=1、2、……、n,n为正整数;获取对于各检测项预设的权重系数,标记为ci;根据差异评估公式CPF=∑(ci×CYi)计算对应的综合差异值,标记为差异数据。
8.根据权利要求1所述的一种隧道爆破质量评价及优化方法,其特征在于,当评估值低于阈值X1时,根据爆破结果进行对应爆破方案的调整,形成学习数据对优化爆破模型进行再学习。
9.根据权利要求1所述的一种隧道爆破质量评价及优化方法,其特征在于,评估值的评估方法包括:
通过预设单一评估模型对爆破结果进行分析,获得对应的超欠挖单一值、进尺单一值和断面单一值,分别标记为CQ、JC和DM,根据评估公式PGK=CQ+JC+DM计算对应的评估值。
CN202311223077.0A 2023-09-21 2023-09-21 一种隧道爆破质量评价及优化方法 Active CN116992694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311223077.0A CN116992694B (zh) 2023-09-21 2023-09-21 一种隧道爆破质量评价及优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311223077.0A CN116992694B (zh) 2023-09-21 2023-09-21 一种隧道爆破质量评价及优化方法

Publications (2)

Publication Number Publication Date
CN116992694A true CN116992694A (zh) 2023-11-03
CN116992694B CN116992694B (zh) 2024-03-08

Family

ID=88523406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311223077.0A Active CN116992694B (zh) 2023-09-21 2023-09-21 一种隧道爆破质量评价及优化方法

Country Status (1)

Country Link
CN (1) CN116992694B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117606946A (zh) * 2024-01-24 2024-02-27 中铁开发投资集团有限公司 一种爆破数据测试系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104594913A (zh) * 2015-01-16 2015-05-06 中交一公局第一工程有限公司 隧道纵向通风联络风道与正洞零净距立体交叉结构及施工方法
KR101550159B1 (ko) * 2014-12-24 2015-09-04 강릉건설 주식회사 이종(異種) 쉴드 조합에 의한 복합 쉴드 tbm 터널 시공방법 및 그 시공방법에 이용되는 이종(異種) 쉴드 조합용 결합장치
CN112066830A (zh) * 2020-08-27 2020-12-11 中铁三局集团广东建设工程有限公司 一种砂质板岩隧道施工方法
CN112966369A (zh) * 2021-02-06 2021-06-15 中铁工程装备集团有限公司 一种隧道爆破质量评价及优化方法
CN113821977A (zh) * 2021-09-28 2021-12-21 成都理工大学 一种用于tbm隧道施工的岩爆风险评估系统及方法
CN115596451A (zh) * 2022-10-08 2023-01-13 中铁七局集团有限公司(Cn) 隧道施工爆破方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101550159B1 (ko) * 2014-12-24 2015-09-04 강릉건설 주식회사 이종(異種) 쉴드 조합에 의한 복합 쉴드 tbm 터널 시공방법 및 그 시공방법에 이용되는 이종(異種) 쉴드 조합용 결합장치
CN104594913A (zh) * 2015-01-16 2015-05-06 中交一公局第一工程有限公司 隧道纵向通风联络风道与正洞零净距立体交叉结构及施工方法
CN112066830A (zh) * 2020-08-27 2020-12-11 中铁三局集团广东建设工程有限公司 一种砂质板岩隧道施工方法
CN112966369A (zh) * 2021-02-06 2021-06-15 中铁工程装备集团有限公司 一种隧道爆破质量评价及优化方法
CN113821977A (zh) * 2021-09-28 2021-12-21 成都理工大学 一种用于tbm隧道施工的岩爆风险评估系统及方法
CN115596451A (zh) * 2022-10-08 2023-01-13 中铁七局集团有限公司(Cn) 隧道施工爆破方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孟栋 等: "铁路立体交叉隧道施工爆破震动响应研究", 《合肥工业大学学报(自然科学版)》, vol. 38, no. 03, pages 363 - 368 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117606946A (zh) * 2024-01-24 2024-02-27 中铁开发投资集团有限公司 一种爆破数据测试系统
CN117606946B (zh) * 2024-01-24 2024-03-26 中铁开发投资集团有限公司 一种爆破数据测试系统

Also Published As

Publication number Publication date
CN116992694B (zh) 2024-03-08

Similar Documents

Publication Publication Date Title
CN116992694B (zh) 一种隧道爆破质量评价及优化方法
CN110400006B (zh) 基于深度学习算法的油井产量预测方法
CN107992536B (zh) 基于张量分解的城市交通缺失数据填补方法
AU2019312330B2 (en) Method for predicting mine strata pressure behavior data of stoping tunnel
CN109635461A (zh) 一种应用随钻参数来自动识别围岩级别的方法和系统
CN110298503A (zh) 基于微震信息和深度卷积神经网络的隧洞岩爆预警方法
CN108614944A (zh) 一种盾构轨迹轴线纠偏参数预测方法
CN114358427B (zh) 一种预测页岩气井最终可采储量的方法
US20170146690A1 (en) Method for generating secondary data in geostatistics using observed data
CN108595803A (zh) 基于递归神经网络的页岩气井生产压力预测方法
CN108960334A (zh) 一种多传感器数据加权融合方法
CN115878603A (zh) 基于k近邻算法与gan网络的水质缺失数据插补算法
CN109781044A (zh) 边坡失稳的综合逐渐逼近预警方法
CN111144001A (zh) 一种基于bp神经网络的矿山井筒工程tbm控制方法
CN117786794A (zh) 一种盾构下穿既有隧道变形优化控制方法及系统
CN111079783A (zh) 一种基于多核集成学习识别地层岩性参数的方法
CN114897007A (zh) 一种复合信息分层卷积神经网络的钻机健康状况评估方法
KR20200058258A (ko) 지반 층상정보 예측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 저장 매체
CN113886989A (zh) 一种基于机器学习的石油钻井的参数优化方法及系统
CN115481565A (zh) 一种基于lstm和蚁群算法的土压平衡盾构机掘进参数预测方法
CN115757604A (zh) 一种基于夜光影像数据的gdp时空演变分析方法
CN114580940A (zh) 基于灰色关联度分析法的注浆效果模糊综合评价方法
CN107330587B (zh) 一种基于ais的近岸航道水深利用率计算方法
CN113077091A (zh) 一种基于机器学习的漏速概率分布预测方法和系统
CN114488297A (zh) 一种断层识别方法及装置

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
CB03 Change of inventor or designer information

Inventor after: Xu Daiming

Inventor after: He Xiaoyong

Inventor after: Li Minghui

Inventor after: Li Chaohui

Inventor after: Zhang Xuemin

Inventor after: Yang Weiwei

Inventor after: Shen Tao

Inventor after: Ma Liangliang

Inventor after: Han Miao

Inventor before: Xu Daiming

Inventor before: He Xiaoyong

Inventor before: Li Minghui

Inventor before: Li Zhaohui

Inventor before: Zhang Xuemin

Inventor before: Yang Weiwei

Inventor before: Shen Tao

Inventor before: Ma Liangliang

Inventor before: Han Miao

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Xu Daiming

Inventor after: He Xiaoyong

Inventor after: Li Minghui

Inventor after: Li Chaohui

Inventor after: Zhang Xuemin

Inventor after: Yang Weiwei

Inventor after: Shen Tao

Inventor after: Ma Liangliang

Inventor after: Han Miao

Inventor before: Xu Daiming

Inventor before: He Xiaoyong

Inventor before: Li Minghui

Inventor before: Li Chaohui

Inventor before: Zhang Xuemin

Inventor before: Yang Weiwei

Inventor before: Shen Tao

Inventor before: Ma Liangliang

Inventor before: Han Miao

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant