JP2002133391A - 地層判別方法及び地層判別システム - Google Patents
地層判別方法及び地層判別システムInfo
- Publication number
- JP2002133391A JP2002133391A JP2000325911A JP2000325911A JP2002133391A JP 2002133391 A JP2002133391 A JP 2002133391A JP 2000325911 A JP2000325911 A JP 2000325911A JP 2000325911 A JP2000325911 A JP 2000325911A JP 2002133391 A JP2002133391 A JP 2002133391A
- Authority
- JP
- Japan
- Prior art keywords
- drilling
- teacher
- data
- output
- input
- 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
Landscapes
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
(57)【要約】
【課題】 地層構成に拘わらず、地層構成を連続的にし
かも短時間で且つ低コストで判別することができ、さら
には地層判別の信頼性を向上させることができるように
する。 【解決手段】 削孔データを収集するとともに所定進度
毎に記録し、その記録した所定進度毎の削孔データから
抽出した複数のサンプル削孔データを基に作成した教師
用入力パターンと、これら各入力パターンに対応した地
質区分を教示するための教師用出力パターンとからなる
教師データを生成し、階層型ニューラルネットワークの
入力層に教師データの各教師用入力パターンを入力し、
その出力層に教師用入力パターンに対応した教師用出力
パターンが出力されるようにニューラルネットワークを
学習させ、その学習させたニューラルネットワークの入
力層に削孔データを基に作成した入力パターンを入力と
したときに、その出力層から出力される出力パターンに
基づき地層判別を行うようにする。
かも短時間で且つ低コストで判別することができ、さら
には地層判別の信頼性を向上させることができるように
する。 【解決手段】 削孔データを収集するとともに所定進度
毎に記録し、その記録した所定進度毎の削孔データから
抽出した複数のサンプル削孔データを基に作成した教師
用入力パターンと、これら各入力パターンに対応した地
質区分を教示するための教師用出力パターンとからなる
教師データを生成し、階層型ニューラルネットワークの
入力層に教師データの各教師用入力パターンを入力し、
その出力層に教師用入力パターンに対応した教師用出力
パターンが出力されるようにニューラルネットワークを
学習させ、その学習させたニューラルネットワークの入
力層に削孔データを基に作成した入力パターンを入力と
したときに、その出力層から出力される出力パターンに
基づき地層判別を行うようにする。
Description
【０００１】
【発明の属する技術分野】本発明は、回転ビットを有し
た削孔機により対象地盤を削孔し、その削孔中に収集及
び記録した複数のパラメータからなる削孔データに基づ
き地層を判別する地層判別方法及び地層判別システムに
関する。
た削孔機により対象地盤を削孔し、その削孔中に収集及
び記録した複数のパラメータからなる削孔データに基づ
き地層を判別する地層判別方法及び地層判別システムに
関する。
【０００２】
【従来の技術】従来、地層構成の調査方法として、たと
えば標準貫入試験や電気式静的コーン貫入試験等があ
る。
えば標準貫入試験や電気式静的コーン貫入試験等があ
る。
【０００３】標準貫入試験は、一般的なサウンディング
方法であり、先端のサンプラーによって回収される土質
試料により地層構成を調べるものである。
方法であり、先端のサンプラーによって回収される土質
試料により地層構成を調べるものである。
【０００４】電気式静的コーン貫入試験は、コーン貫入
時の間隙水圧と先端抵抗との関係から地層を判別した
り、周面摩擦力と先端抵抗との関係から地層を判別した
りするものである。
時の間隙水圧と先端抵抗との関係から地層を判別した
り、周面摩擦力と先端抵抗との関係から地層を判別した
りするものである。
【０００５】
【発明が解決しようとする課題】ところが、上述した従
来の標準貫入試験では、所定深度の土質試料により地層
構成を調べることができるものの、連続的に深さ方向の
地層構成を調査することが困難であるという不具合があ
る。しかも、地層が砂礫等の場合には、多大な調査時間
を要するという不具合もある。
来の標準貫入試験では、所定深度の土質試料により地層
構成を調べることができるものの、連続的に深さ方向の
地層構成を調査することが困難であるという不具合があ
る。しかも、地層が砂礫等の場合には、多大な調査時間
を要するという不具合もある。
【０００６】電気式静的コーン貫入試験では、コーン貫
入時の間隙水圧と先端抵抗との関係から地層を判別した
り、周面摩擦力と先端抵抗との関係から地層を判別した
りするものであるため、深さ方向に対しての地層構成を
連続的に調べることができるものの、地層が砂礫や高粘
性等の場合には、コーンを貫入することができないとい
う不具合がある。
入時の間隙水圧と先端抵抗との関係から地層を判別した
り、周面摩擦力と先端抵抗との関係から地層を判別した
りするものであるため、深さ方向に対しての地層構成を
連続的に調べることができるものの、地層が砂礫や高粘
性等の場合には、コーンを貫入することができないとい
う不具合がある。
【０００７】さらに、削孔機により対象地盤を削孔し、
その削孔中に収集及び記録した各種削孔データから、対
象地盤の地層を推定する方法も一部実施されている。し
かしながら、このような推定を行うには、この種削孔デ
ータの解析に熟練を要すると共に、解析者によりその結
果にバラツキが生じるという不具合がある。
その削孔中に収集及び記録した各種削孔データから、対
象地盤の地層を推定する方法も一部実施されている。し
かしながら、このような推定を行うには、この種削孔デ
ータの解析に熟練を要すると共に、解析者によりその結
果にバラツキが生じるという不具合がある。
【０００８】本発明は、このような状況に鑑みてなされ
たものであり、地層構成に拘わらず、地層構成を連続的
にしかも短時間で且つ低コストで判別することができ、
さらには地層判別の信頼性を向上させることができる地
層判別方法及び地層判別システムを提供することができ
るようにするものである。
たものであり、地層構成に拘わらず、地層構成を連続的
にしかも短時間で且つ低コストで判別することができ、
さらには地層判別の信頼性を向上させることができる地
層判別方法及び地層判別システムを提供することができ
るようにするものである。
【０００９】
【課題を解決するための手段】請求項１に記載の地層判
別方法は、所定範囲の対象地盤に多数の削孔ポイントを
設定し、前記各削孔ポイントを回転ビットを有した削孔
機により削孔し、その削孔中に得られる複数のパラメー
タからなる削孔データを削孔データ収集記録装置により
収集するとともに所定進度毎に記録する第１の工程と、
前記第１の工程で記録した所定進度毎の削孔データから
抽出した複数のサンプル削孔データを基に作成した教師
用入力パターンと、これら各入力パターンに対応した地
質区分を教示するための教師用出力パターンとからなる
教師データを生成する第２の工程と、階層型ニューラル
ネットワークの入力層に前記生成された教師データの各
教師用入力パターンを入力し、その出力層に当該教師用
入力パターンに対応した前記教師用出力パターンが出力
されるように前記ニューラルネットワークを学習させる
第３の工程と、前記第３の工程で学習させたニューラル
ネットワークの入力層に前記第１の工程で記録した削孔
データを基に作成した入力パターンを入力としたとき
に、その出力層から出力される出力パターンに基づき地
層判別を行う第４の工程とを備えることを特徴とする。
また、前記パラメータが送水圧、回転トルク、ビット荷
重、回転数（速度）、削孔速度、削孔深度及び削孔エネ
ルギーの全て又は一部であるようにすることができる。
また、前記教師用出力パターンの地質区分が、 細粒土、砂質土、れき質土、岩（４区分） 細粒土、砂質土、れき質土、岩、空洞（５区分） 細粒土（２分割）、砂質土、れき質土、岩、空洞（６
区分） 細粒土、砂質土、砂、れき質土、れき、岩、空洞（７
区分） 細粒土（２分割）、砂質土、砂、れき質土、れき、
岩、空洞（８区分） 〜の何れかの区分に対応しているようにすることが
できる。また、前記第２の工程の各教師用入力パターン
に対応した教師出力パターンが、当該各教師用入力パタ
ーンの基となるサンプル削孔データの収集地点から近傍
に位置する地点の既知地質情報と比較することにより決
定されるようにすることができる。請求項５に記載の地
層判別システムは、地層判別を行うための所定範囲の対
象地盤に多数の削孔ポイントを設定し、前記各削孔ポイ
ントを回転ビットを有した削孔機により削孔し、その削
孔中に得られる複数のパラメータからなる削孔データを
収集するとともに、所定進度毎に記録する削孔データ収
集記録装置と、前記所定進度毎の削孔データから抽出し
た複数のサンプル削孔データを基に作成した教師用入力
パターンと、これら各入力パターンに対応した地質区分
を教示するための教師用出力パターンとからなる教師デ
ータを生成する教師データ生成装置と、前記生成された
教師データの各教師用入力パターンを階層型ニューラル
ネットワークの入力層に入力し、その出力層から当該教
師用入力パターンに対応した前記教師出力パターンが出
力されるように学習させることで、前記ニューラルネッ
トワークを学習させるニューラルネットワーク学習装置
と、前記ニューラルネットワーク学習装置によって学習
させた前記ニューラルネットワークの入力層に前記削孔
データを基に作成した入力パターンを入力としたとき
に、その出力層から出力される出力パターンに基づき地
層判別を行う地層判別処理装置とを備えることを特徴と
する。本発明に係る地層判別方法及び地層判別システム
においては、所定範囲の対象地盤に多数の削孔ポイント
を設定し、各削孔ポイントを回転ビットを有した削孔機
により削孔し、その削孔中に得られる複数のパラメータ
からなる削孔データを削孔データ収集記録装置により収
集するとともに所定進度毎に記録し、第１の工程で記録
した所定進度毎の削孔データから抽出した複数のサンプ
ル削孔データを基に作成した教師用入力パターンと、こ
れら各入力パターンに対応した地質区分を教示するため
の教師用出力パターンとからなる教師データを生成し、
階層型ニューラルネットワークの入力層に生成された教
師データの各教師用入力パターンを入力し、その出力層
に当該教師用入力パターンに対応した教師用出力パター
ンが出力されるようにニューラルネットワークを学習さ
せ、第３の工程で学習させたニューラルネットワークの
入力層に第１の工程で記録した削孔データを基に作成し
た入力パターンを入力としたときに、その出力層から出
力される出力パターンに基づき地層判別を行うようにす
る。
別方法は、所定範囲の対象地盤に多数の削孔ポイントを
設定し、前記各削孔ポイントを回転ビットを有した削孔
機により削孔し、その削孔中に得られる複数のパラメー
タからなる削孔データを削孔データ収集記録装置により
収集するとともに所定進度毎に記録する第１の工程と、
前記第１の工程で記録した所定進度毎の削孔データから
抽出した複数のサンプル削孔データを基に作成した教師
用入力パターンと、これら各入力パターンに対応した地
質区分を教示するための教師用出力パターンとからなる
教師データを生成する第２の工程と、階層型ニューラル
ネットワークの入力層に前記生成された教師データの各
教師用入力パターンを入力し、その出力層に当該教師用
入力パターンに対応した前記教師用出力パターンが出力
されるように前記ニューラルネットワークを学習させる
第３の工程と、前記第３の工程で学習させたニューラル
ネットワークの入力層に前記第１の工程で記録した削孔
データを基に作成した入力パターンを入力としたとき
に、その出力層から出力される出力パターンに基づき地
層判別を行う第４の工程とを備えることを特徴とする。
また、前記パラメータが送水圧、回転トルク、ビット荷
重、回転数（速度）、削孔速度、削孔深度及び削孔エネ
ルギーの全て又は一部であるようにすることができる。
また、前記教師用出力パターンの地質区分が、 細粒土、砂質土、れき質土、岩（４区分） 細粒土、砂質土、れき質土、岩、空洞（５区分） 細粒土（２分割）、砂質土、れき質土、岩、空洞（６
区分） 細粒土、砂質土、砂、れき質土、れき、岩、空洞（７
区分） 細粒土（２分割）、砂質土、砂、れき質土、れき、
岩、空洞（８区分） 〜の何れかの区分に対応しているようにすることが
できる。また、前記第２の工程の各教師用入力パターン
に対応した教師出力パターンが、当該各教師用入力パタ
ーンの基となるサンプル削孔データの収集地点から近傍
に位置する地点の既知地質情報と比較することにより決
定されるようにすることができる。請求項５に記載の地
層判別システムは、地層判別を行うための所定範囲の対
象地盤に多数の削孔ポイントを設定し、前記各削孔ポイ
ントを回転ビットを有した削孔機により削孔し、その削
孔中に得られる複数のパラメータからなる削孔データを
収集するとともに、所定進度毎に記録する削孔データ収
集記録装置と、前記所定進度毎の削孔データから抽出し
た複数のサンプル削孔データを基に作成した教師用入力
パターンと、これら各入力パターンに対応した地質区分
を教示するための教師用出力パターンとからなる教師デ
ータを生成する教師データ生成装置と、前記生成された
教師データの各教師用入力パターンを階層型ニューラル
ネットワークの入力層に入力し、その出力層から当該教
師用入力パターンに対応した前記教師出力パターンが出
力されるように学習させることで、前記ニューラルネッ
トワークを学習させるニューラルネットワーク学習装置
と、前記ニューラルネットワーク学習装置によって学習
させた前記ニューラルネットワークの入力層に前記削孔
データを基に作成した入力パターンを入力としたとき
に、その出力層から出力される出力パターンに基づき地
層判別を行う地層判別処理装置とを備えることを特徴と
する。本発明に係る地層判別方法及び地層判別システム
においては、所定範囲の対象地盤に多数の削孔ポイント
を設定し、各削孔ポイントを回転ビットを有した削孔機
により削孔し、その削孔中に得られる複数のパラメータ
からなる削孔データを削孔データ収集記録装置により収
集するとともに所定進度毎に記録し、第１の工程で記録
した所定進度毎の削孔データから抽出した複数のサンプ
ル削孔データを基に作成した教師用入力パターンと、こ
れら各入力パターンに対応した地質区分を教示するため
の教師用出力パターンとからなる教師データを生成し、
階層型ニューラルネットワークの入力層に生成された教
師データの各教師用入力パターンを入力し、その出力層
に当該教師用入力パターンに対応した教師用出力パター
ンが出力されるようにニューラルネットワークを学習さ
せ、第３の工程で学習させたニューラルネットワークの
入力層に第１の工程で記録した削孔データを基に作成し
た入力パターンを入力としたときに、その出力層から出
力される出力パターンに基づき地層判別を行うようにす
る。
【００１０】
【発明の実施の形態】以下、本発明の実施の形態につい
て説明する。
て説明する。
【００１１】図１は、本発明の地層判別システムの一実
施形態を示すブロック図、図２は、図１の教師データ生
成装置の内部構成を示す図、図３は、図２の変換テーブ
ルの例を示す図、図４は、図２の教師データを説明する
ための図、図５は、図１のニューラルネットワーク学習
装置の内部構成を示す図、図６は、図５のニューラルネ
ットワークの概念を示す図、図７は、図６のニューラル
ネットワークの出力による地質分類を説明するための
図、図８は、図１の地層判別処理装置の内部構成を示す
図、図９は、図１の地層判別システムの動作を説明する
ためのフローチャートである。
施形態を示すブロック図、図２は、図１の教師データ生
成装置の内部構成を示す図、図３は、図２の変換テーブ
ルの例を示す図、図４は、図２の教師データを説明する
ための図、図５は、図１のニューラルネットワーク学習
装置の内部構成を示す図、図６は、図５のニューラルネ
ットワークの概念を示す図、図７は、図６のニューラル
ネットワークの出力による地質分類を説明するための
図、図８は、図１の地層判別処理装置の内部構成を示す
図、図９は、図１の地層判別システムの動作を説明する
ためのフローチャートである。
【００１２】図１に示す地層判別システムは、削孔デー
タ収集記録装置１０、教師データ生成装置２０、ニュー
ラルネットワーク学習装置３０及び地層判別処理装置４
０を備えている。
タ収集記録装置１０、教師データ生成装置２０、ニュー
ラルネットワーク学習装置３０及び地層判別処理装置４
０を備えている。
【００１３】削孔データ収集記録装置１０は、地層判別
を行うための所定範囲の対象地盤に多数の削孔ポイント
を設定し、各削孔ポイントを回転ビットを有した削孔機
により削孔し、その削孔中に得られる複数のパラメータ
（削孔データの種類）からなる削孔データを収集すると
ともにこれらの削孔データを所定進度（深度）毎に記録
するものである。
を行うための所定範囲の対象地盤に多数の削孔ポイント
を設定し、各削孔ポイントを回転ビットを有した削孔機
により削孔し、その削孔中に得られる複数のパラメータ
（削孔データの種類）からなる削孔データを収集すると
ともにこれらの削孔データを所定進度（深度）毎に記録
するものである。
【００１４】収集及び記録された削孔データは、フロッ
ピー（登録商標）ディスク（ＦＤ）やメモリカード等の
記録媒体に保存される。
ピー（登録商標）ディスク（ＦＤ）やメモリカード等の
記録媒体に保存される。
【００１５】ここで、所定進度（深度）毎の削孔データ
は、後述する複数のパラメータを、所定の進度（たとえ
ば５ｍｍ）毎に一組のデータとして取扱うものである。
なお、進度間隔としては、３ｍｍ〜２０ｍｍ程度が好適
である。また、以下の説明においては、所定進度毎の削
孔データを、単に削孔データという。
は、後述する複数のパラメータを、所定の進度（たとえ
ば５ｍｍ）毎に一組のデータとして取扱うものである。
なお、進度間隔としては、３ｍｍ〜２０ｍｍ程度が好適
である。また、以下の説明においては、所定進度毎の削
孔データを、単に削孔データという。
【００１６】また、このパラメータとしては、たとえば
送水圧、削孔（回転）トルク、ビット荷重、回転数（速
度）、削孔速度、削孔深度、削孔エネルギー、削孔トル
ク等の変動係数などが含まれる。
送水圧、削孔（回転）トルク、ビット荷重、回転数（速
度）、削孔速度、削孔深度、削孔エネルギー、削孔トル
ク等の変動係数などが含まれる。
【００１７】なお、これらのパラメータにおいては、全
てを削孔データとして収集及び記録してもよいが、地盤
条件等に応じ、これらの一部のパラメータを削孔データ
として用いるようにしてもよい。
てを削孔データとして収集及び記録してもよいが、地盤
条件等に応じ、これらの一部のパラメータを削孔データ
として用いるようにしてもよい。
【００１８】ここで、送水圧は、削孔掘屑を地上に排出
するために送水する送水ラインの圧力である。削孔（回
転）トルクは、ビットの回転トルクである。ビット荷重
は、削孔の際にビットにかかる荷重である。回転数（速
度）は、単位深度当りのビット回転機構の駆動ギヤ歯数
である。削孔速度は、ビットの削孔速度である。削孔深
度は、地表面からの削孔距離である。削孔エネルギー
は、各種パラメータやビットの面積等から合成的に算出
した合成パラメータである。
するために送水する送水ラインの圧力である。削孔（回
転）トルクは、ビットの回転トルクである。ビット荷重
は、削孔の際にビットにかかる荷重である。回転数（速
度）は、単位深度当りのビット回転機構の駆動ギヤ歯数
である。削孔速度は、ビットの削孔速度である。削孔深
度は、地表面からの削孔距離である。削孔エネルギー
は、各種パラメータやビットの面積等から合成的に算出
した合成パラメータである。
【００１９】教師データ生成装置２０は、ニューラルネ
ットワーク学習用の教師データファイル２４を生成する
装置である。すなわち、図２に示すように、教師データ
生成装置２０の教師データファイル２４は、サンプル削
孔データを基に作成した教師用入力パターンと当該教師
用入力パターンに対応した地質区分を教示する教師出力
パターンとから構成される。
ットワーク学習用の教師データファイル２４を生成する
装置である。すなわち、図２に示すように、教師データ
生成装置２０の教師データファイル２４は、サンプル削
孔データを基に作成した教師用入力パターンと当該教師
用入力パターンに対応した地質区分を教示する教師出力
パターンとから構成される。
【００２０】上記サンプル削孔データは、前述した削孔
データ収集記録装置１０によって収集記録された削孔デ
ータからその一部を抽出したものであり、削孔データと
同様に複数のパラメータから構成される。ただし、サン
プル削孔データのパラメータには、削孔データの全ての
パラメータを使用する必要はなく、その一部を適宜選択
することができる。また、上記教師用入力パターンは、
このサンプル削孔データを基に作成され、サンプル削孔
データにおいて適宜選択したパラメータと同数のパラメ
ータから構成される。この際、これら各パラメータは０
から１のアナログ数値データに前処理される。
データ収集記録装置１０によって収集記録された削孔デ
ータからその一部を抽出したものであり、削孔データと
同様に複数のパラメータから構成される。ただし、サン
プル削孔データのパラメータには、削孔データの全ての
パラメータを使用する必要はなく、その一部を適宜選択
することができる。また、上記教師用入力パターンは、
このサンプル削孔データを基に作成され、サンプル削孔
データにおいて適宜選択したパラメータと同数のパラメ
ータから構成される。この際、これら各パラメータは０
から１のアナログ数値データに前処理される。
【００２１】また、上記教師出力パターンは、各教師用
入力パターンに対応した区分データ２２に基づく適正な
地質区分を教示するためのパターンであり、採用する階
層型ニューラルネットワークの構造により、単数又は複
数の教師値（地質区分期待値）から構成される。
入力パターンに対応した区分データ２２に基づく適正な
地質区分を教示するためのパターンであり、採用する階
層型ニューラルネットワークの構造により、単数又は複
数の教師値（地質区分期待値）から構成される。
【００２２】さらに、上記教師出力パターンの地質区分
は、次の〜の何れかの区分に対応させたものであ
り、何れの地質区分を選択するかは、諸条件に応じ適宜
決定することができる。 細粒土、砂質土、れき質土、岩（４区分） 細粒土、砂質土、れき質土、岩、空洞（５区分） 細粒土（２分割）、砂質土、れき質土、岩、空洞（６
区分） 細粒土、砂質土、砂、れき質土、れき、岩、空洞（７
区分） 細粒土（２分割）、砂質土、砂、れき質土、れき、
岩、空洞（８区分）
は、次の〜の何れかの区分に対応させたものであ
り、何れの地質区分を選択するかは、諸条件に応じ適宜
決定することができる。 細粒土、砂質土、れき質土、岩（４区分） 細粒土、砂質土、れき質土、岩、空洞（５区分） 細粒土（２分割）、砂質土、れき質土、岩、空洞（６
区分） 細粒土、砂質土、砂、れき質土、れき、岩、空洞（７
区分） 細粒土（２分割）、砂質土、砂、れき質土、れき、
岩、空洞（８区分）
【００２３】また、各教師用入力パターンに対応した教
師用出力パターンは、以下の手順で導き出される。ま
ず、地層判別を行う所定範囲の対象地盤の少なくとも１
地点を調査ボーリング（土質試料サンプリング）するこ
とにより、当該地点の詳細地質区分で記録された、進度
（深度）毎の地質情報２１（地質柱状図）を準備する。
師用出力パターンは、以下の手順で導き出される。ま
ず、地層判別を行う所定範囲の対象地盤の少なくとも１
地点を調査ボーリング（土質試料サンプリング）するこ
とにより、当該地点の詳細地質区分で記録された、進度
（深度）毎の地質情報２１（地質柱状図）を準備する。
【００２４】次いで、図４に示すように、この地質情報
２１（地質柱状図）と調査ボーリング地点の近傍に位置
する１つ以上の削孔ポイントにおける削孔データを進度
（深度）毎に表示し、また比較することによって、各サ
ンプル削孔データに対し地質情報２１（地質柱状図）の
詳細地質区分を対応づける。その後、図３に示すような
変換テーブル２３を用いて、詳細地質区分を上述した４
〜８区分（図３の場合は５区分）に対応した地質区分期
待値に変換することにより各サンプル削孔データ、つま
り各教師用入力パターンに対応した適正な地質区分期待
値からなる教師出力パターンを作成する。
２１（地質柱状図）と調査ボーリング地点の近傍に位置
する１つ以上の削孔ポイントにおける削孔データを進度
（深度）毎に表示し、また比較することによって、各サ
ンプル削孔データに対し地質情報２１（地質柱状図）の
詳細地質区分を対応づける。その後、図３に示すような
変換テーブル２３を用いて、詳細地質区分を上述した４
〜８区分（図３の場合は５区分）に対応した地質区分期
待値に変換することにより各サンプル削孔データ、つま
り各教師用入力パターンに対応した適正な地質区分期待
値からなる教師出力パターンを作成する。
【００２５】なお、上記では地質情報２１（地質柱状
図）を得るために調査ボーリングを行うこととしている
が、予め対象地盤内又はその近傍地点において既知の地
質情報２１（地質柱状図）を入手できる場合には、これ
を既知の地質情報２１（地質柱状図）として使用するこ
ともできる。
図）を得るために調査ボーリングを行うこととしている
が、予め対象地盤内又はその近傍地点において既知の地
質情報２１（地質柱状図）を入手できる場合には、これ
を既知の地質情報２１（地質柱状図）として使用するこ
ともできる。
【００２６】ニューラルネットワーク学習装置３０は、
図５に示すように、教師データ生成装置２０によって生
成された教師データファイル２４の各教師用入力パター
ンを入力層に入力した際に、当該各教師用入力パターン
に対応した教師出力パターンが出力層から出力されるよ
うに、ニューラルネットワーク（地層判別基準）３２を
バックプロパゲーション学習３１によって構築するもの
である。
図５に示すように、教師データ生成装置２０によって生
成された教師データファイル２４の各教師用入力パター
ンを入力層に入力した際に、当該各教師用入力パターン
に対応した教師出力パターンが出力層から出力されるよ
うに、ニューラルネットワーク（地層判別基準）３２を
バックプロパゲーション学習３１によって構築するもの
である。
【００２７】ここで、ニューラルネットワーク（地層判
別基準）３２の基本構成の一例を図６に示す。ニューラ
ルネットワーク（地層判別基準）３２は、一般的な階層
型ニューラルネットワークであり、入力層は、サンプル
削孔データのパラメータとして選択された、送水圧、削
孔トルク、削孔トルクの変動係数、削孔エネルギーの各
パラメータに対応した５つのユニットから構成され、出
力層は、細粒土、砂質土、れき質土、岩、空洞の５つの
地質区分にそれぞれ対応した５つのユニットから構成さ
れている。
別基準）３２の基本構成の一例を図６に示す。ニューラ
ルネットワーク（地層判別基準）３２は、一般的な階層
型ニューラルネットワークであり、入力層は、サンプル
削孔データのパラメータとして選択された、送水圧、削
孔トルク、削孔トルクの変動係数、削孔エネルギーの各
パラメータに対応した５つのユニットから構成され、出
力層は、細粒土、砂質土、れき質土、岩、空洞の５つの
地質区分にそれぞれ対応した５つのユニットから構成さ
れている。
【００２８】なお、ここでは、出力層が５つのユニット
を備えたものを例示してあるが、出力層のユニットは１
つでもかまわない。
を備えたものを例示してあるが、出力層のユニットは１
つでもかまわない。
【００２９】図７は、粒度組成による土の工学的分類を
示している。土は大きく分けて、細粒土、砂質土及びれ
き質土の３に区分され、細粒土は、点線で示すように、
２つに分割することができ、砂質土は砂に分割すること
ができ、れき質土はれきに分割することができる。これ
に、岩と空洞とを加味することで、上述した〜のよ
うに、４区分〜８区分に区分けすることができる。
示している。土は大きく分けて、細粒土、砂質土及びれ
き質土の３に区分され、細粒土は、点線で示すように、
２つに分割することができ、砂質土は砂に分割すること
ができ、れき質土はれきに分割することができる。これ
に、岩と空洞とを加味することで、上述した〜のよ
うに、４区分〜８区分に区分けすることができる。
【００３０】地層判別処理装置４０は、ニューラルネッ
トワーク学習装置３０によって生成されたニューラルネ
ットワーク（地層判別基準）３２を基に、地層判別を行
うものである。
トワーク学習装置３０によって生成されたニューラルネ
ットワーク（地層判別基準）３２を基に、地層判別を行
うものである。
【００３１】すなわち、図８に示すように、上述した削
孔データ１１を基に作成した入力パターン、たとえば
（0.5,0.3,0.1,0.8,0.4）を図６のニューラルネットワ
ーク（地層判別基準）３２の入力層に入力すると、その
出力層からたとえば（0.9，0.1，0.1，0.1）といった出
力パターンが得られ、その出力パターンに応じて地層判
別４１が行われる。出力パターンから地層判別する方法
としては、たとえば出力パターンのユニットのうち、最
大値を示したユニットに対応した地質区分を、当該削孔
データの地層として判別することができる。また、その
判別結果は、レポート４２として出力される。
孔データ１１を基に作成した入力パターン、たとえば
（0.5,0.3,0.1,0.8,0.4）を図６のニューラルネットワ
ーク（地層判別基準）３２の入力層に入力すると、その
出力層からたとえば（0.9，0.1，0.1，0.1）といった出
力パターンが得られ、その出力パターンに応じて地層判
別４１が行われる。出力パターンから地層判別する方法
としては、たとえば出力パターンのユニットのうち、最
大値を示したユニットに対応した地質区分を、当該削孔
データの地層として判別することができる。また、その
判別結果は、レポート４２として出力される。
【００３２】次に、このような構成の地層判別システム
の動作について説明する。
の動作について説明する。
【００３３】まず、図９に示すように、地層判別を行う
ための所定範囲の対象地盤に多数の削孔ポイントを設定
し、多数の削孔ポイントを少なくとも回転ビットを有し
た削孔機により削孔すると、削孔によって得られる削孔
データが削孔データ収集記録装置１０により収集される
（ステップ１０１）。
ための所定範囲の対象地盤に多数の削孔ポイントを設定
し、多数の削孔ポイントを少なくとも回転ビットを有し
た削孔機により削孔すると、削孔によって得られる削孔
データが削孔データ収集記録装置１０により収集される
（ステップ１０１）。
【００３４】ここで、削孔データには、上述したよう
に、たとえば送水圧、回転トルク、ビット荷重、回転数
（速度）、削孔速度、削孔深度、削孔エネルギー等の各
種パラメータが含まれている。そして、これら各種パラ
メータを含む削孔データは、一定の深度毎（たとえば５
ｍｍ）に１組の一定深度毎の削孔データとして記録され
る（ステップ１０２）。
に、たとえば送水圧、回転トルク、ビット荷重、回転数
（速度）、削孔速度、削孔深度、削孔エネルギー等の各
種パラメータが含まれている。そして、これら各種パラ
メータを含む削孔データは、一定の深度毎（たとえば５
ｍｍ）に１組の一定深度毎の削孔データとして記録され
る（ステップ１０２）。
【００３５】次に、教師データ生成装置２０において、
既知の地質柱状図である地質情報２１と、記録されてい
る削孔データとにより、サンプル削孔データの抽出が行
われる（ステップ１０３，１０４）。
既知の地質柱状図である地質情報２１と、記録されてい
る削孔データとにより、サンプル削孔データの抽出が行
われる（ステップ１０３，１０４）。
【００３６】そして、この地質毎のサンプル削孔データ
及び地質情報を基に、ニューラルネットワーク学習用の
教師データが生成される（ステップ１０５，１０６）。
ここで、教師データには、図２で説明したように、所定
進度毎の削孔データから抽出した複数のサンプル削孔デ
ータを基に作成した教師用入力パターンと、これら各入
力パターンに対応した地質区分を教示するための教師用
出力パターンとが含まれる。
及び地質情報を基に、ニューラルネットワーク学習用の
教師データが生成される（ステップ１０５，１０６）。
ここで、教師データには、図２で説明したように、所定
進度毎の削孔データから抽出した複数のサンプル削孔デ
ータを基に作成した教師用入力パターンと、これら各入
力パターンに対応した地質区分を教示するための教師用
出力パターンとが含まれる。
【００３７】次に、ニューラルネットワーク学習装置３
０において、上述したように、教師データを基に、バッ
クプロパゲーション学習により、教師用入力パターンが
入力層に入力されたときに、上述した教師用出力パター
ンが出力されるように学習されることで、ニューラルネ
ットワーク（地層判別基準）が生成される（ステップ１
０７，１０８）。
０において、上述したように、教師データを基に、バッ
クプロパゲーション学習により、教師用入力パターンが
入力層に入力されたときに、上述した教師用出力パター
ンが出力されるように学習されることで、ニューラルネ
ットワーク（地層判別基準）が生成される（ステップ１
０７，１０８）。
【００３８】次に、地層判別処理装置４０において、ニ
ューラルネットワーク学習装置３０により生成されたニ
ューラルネットワーク（地層判別基準）を基に、ニュー
ラルネットワーク（地層判別基準）の入力層に上記の削
孔データを基に作成した入力パターンを入力すると、ニ
ューラルネットワーク（地層判別基準）の出力層から出
力される出力パターンにより地層判別が行われる（ステ
ップ１０９）。
ューラルネットワーク学習装置３０により生成されたニ
ューラルネットワーク（地層判別基準）を基に、ニュー
ラルネットワーク（地層判別基準）の入力層に上記の削
孔データを基に作成した入力パターンを入力すると、ニ
ューラルネットワーク（地層判別基準）の出力層から出
力される出力パターンにより地層判別が行われる（ステ
ップ１０９）。
【００３９】このように、本実施の形態では、所定範囲
の対象地盤に多数の削孔ポイントを設定し、各削孔ポイ
ントを回転ビットを有した削孔機により削孔し、その削
孔中に得られる複数のパラメータからなる削孔データを
削孔データ収集記録装置１０により収集するとともに所
定進度毎に記録し、教師データ生成装置２０により、そ
の記録した所定進度毎の削孔データから抽出した複数の
サンプル削孔データを基に作成した教師用入力パターン
と、これら各入力パターンに対応した地質区分を教示す
るための教師用出力パターンとからなる教師データを生
成し、ニューラルネットワーク学習装置３０により、階
層型ニューラルネットワークの入力層に生成された教師
データの各教師用入力パターンを入力し、その出力層に
当該教師用入力パターンに対応した教師用出力パターン
が出力されるようにニューラルネットワークを学習さ
せ、その学習させたニューラルネットワークの入力層に
既に記録されている削孔データを基に作成した入力パタ
ーンを入力としたときに、その出力層から出力される出
力パターンに基づき地層判別を行うようにしたので、地
層構成に拘わらず、地層構成を連続的にしかも短時間で
且つ低コストで判別することができ、さらには地層判別
の信頼性を向上させることができる。
の対象地盤に多数の削孔ポイントを設定し、各削孔ポイ
ントを回転ビットを有した削孔機により削孔し、その削
孔中に得られる複数のパラメータからなる削孔データを
削孔データ収集記録装置１０により収集するとともに所
定進度毎に記録し、教師データ生成装置２０により、そ
の記録した所定進度毎の削孔データから抽出した複数の
サンプル削孔データを基に作成した教師用入力パターン
と、これら各入力パターンに対応した地質区分を教示す
るための教師用出力パターンとからなる教師データを生
成し、ニューラルネットワーク学習装置３０により、階
層型ニューラルネットワークの入力層に生成された教師
データの各教師用入力パターンを入力し、その出力層に
当該教師用入力パターンに対応した教師用出力パターン
が出力されるようにニューラルネットワークを学習さ
せ、その学習させたニューラルネットワークの入力層に
既に記録されている削孔データを基に作成した入力パタ
ーンを入力としたときに、その出力層から出力される出
力パターンに基づき地層判別を行うようにしたので、地
層構成に拘わらず、地層構成を連続的にしかも短時間で
且つ低コストで判別することができ、さらには地層判別
の信頼性を向上させることができる。
【００４０】この場合、削孔データ収集記録装置１０に
より、収集記録される削孔データは、所定の深度（たと
えば５ｍｍ）毎に収集されたものであるため、従来の標
準貫入試験のように、所定の深さの土質試料により地層
構成を調べることが不要となることから、連続的な深さ
方向の地層構成の推定が容易となる。また、地層が砂礫
等の場合であっても、削孔データは、削孔データ収集記
録装置１０により収集記録されているので、地層判別を
短時間で行える。
より、収集記録される削孔データは、所定の深度（たと
えば５ｍｍ）毎に収集されたものであるため、従来の標
準貫入試験のように、所定の深さの土質試料により地層
構成を調べることが不要となることから、連続的な深さ
方向の地層構成の推定が容易となる。また、地層が砂礫
等の場合であっても、削孔データは、削孔データ収集記
録装置１０により収集記録されているので、地層判別を
短時間で行える。
【００４１】また、従来の電気式静的コーン貫入試験の
ような地層が砂礫や高粘性等の場合に、コーンを貫入す
ることができないという不具も解消することができる。
ような地層が砂礫や高粘性等の場合に、コーンを貫入す
ることができないという不具も解消することができる。
【００４２】また、教師データに基づいて構築されたニ
ューラルネットワーク（地層判別基準）の入力層に削孔
データを入力し、ニューラルネットワーク（地層判別基
準）の出力層から出力される出力パターンに基づき地層
判別が行えるので、従来のように、削孔データの解析に
熟練を解析者を要したり、解析者により結果にバラツキ
が生じたりという不具合も解消される。
ューラルネットワーク（地層判別基準）の入力層に削孔
データを入力し、ニューラルネットワーク（地層判別基
準）の出力層から出力される出力パターンに基づき地層
判別が行えるので、従来のように、削孔データの解析に
熟練を解析者を要したり、解析者により結果にバラツキ
が生じたりという不具合も解消される。
【００４３】
【発明の効果】以上の如く本発明に係る地層判別方法及
び地層判別システムによれば、所定範囲の対象地盤に多
数の削孔ポイントを設定し、各削孔ポイントを回転ビッ
トを有した削孔機により削孔し、その削孔中に得られる
複数のパラメータからなる削孔データを削孔データ収集
記録装置により収集するとともに所定進度毎に記録し、
第１の工程で記録した所定進度毎の削孔データから抽出
した複数のサンプル削孔データを基に作成した教師用入
力パターンと、これら各入力パターンに対応した地質区
分を教示するための教師用出力パターンとからなる教師
データを生成し、階層型ニューラルネットワークの入力
層に生成された教師データの各教師用入力パターンを入
力し、その出力層に当該教師用入力パターンに対応した
教師用出力パターンが出力されるようにニューラルネッ
トワークを学習させ、第３の工程で学習させたニューラ
ルネットワークの入力層に第１の工程で記録した削孔デ
ータを基に作成した入力パターンを入力としたときに、
その出力層から出力される出力パターンに基づき地層判
別を行うようにしたので、地層構成に拘わらず、地層構
成を連続的にしかも短時間で且つ低コストで判別するこ
とができ、さらには地層判別の信頼性を向上させること
ができる。
び地層判別システムによれば、所定範囲の対象地盤に多
数の削孔ポイントを設定し、各削孔ポイントを回転ビッ
トを有した削孔機により削孔し、その削孔中に得られる
複数のパラメータからなる削孔データを削孔データ収集
記録装置により収集するとともに所定進度毎に記録し、
第１の工程で記録した所定進度毎の削孔データから抽出
した複数のサンプル削孔データを基に作成した教師用入
力パターンと、これら各入力パターンに対応した地質区
分を教示するための教師用出力パターンとからなる教師
データを生成し、階層型ニューラルネットワークの入力
層に生成された教師データの各教師用入力パターンを入
力し、その出力層に当該教師用入力パターンに対応した
教師用出力パターンが出力されるようにニューラルネッ
トワークを学習させ、第３の工程で学習させたニューラ
ルネットワークの入力層に第１の工程で記録した削孔デ
ータを基に作成した入力パターンを入力としたときに、
その出力層から出力される出力パターンに基づき地層判
別を行うようにしたので、地層構成に拘わらず、地層構
成を連続的にしかも短時間で且つ低コストで判別するこ
とができ、さらには地層判別の信頼性を向上させること
ができる。
【図１】本発明の地層判別システムの一実施の形態を示
すブロック図である。
すブロック図である。
【図２】図１の教師データ生成装置の内部構成を示す図
である。
である。
【図３】図２の変換テーブルの例を示す図である。
【図４】図２の教師データを説明するための図である。
【図５】図１のニューラルネットワーク学習装置の内部
構成を示す図である。
構成を示す図である。
【図６】図５のニューラルネットワークの概念を示す図
である。
である。
【図７】図６のニューラルネットワークの出力による地
質分類を説明するための図である。
質分類を説明するための図である。
【図８】図１の地層判別処理装置の内部構成を示す図で
ある。
ある。
【図９】図１の地層判別システムの動作を説明するため
のフローチャートである。
のフローチャートである。
１０ 削孔データ収集記録装置 １１ 削孔データ ２０ 教師データ生成装置 ２１ 地質情報 ２２ 区分データ ２３ 変換テーブル ２４ 教師データファイル ３０ ニューラルネットワーク学習装置 ３１ バックプロパゲーション学習 ３２ ニューラルネットワーク（地層判別基準） ４０ 地層判別処理装置 ４１ 地層判別 ４２ レポート
Claims (5)
- 【請求項１】 所定範囲の対象地盤に多数の削孔ポイン
トを設定し、前記各削孔ポイントを回転ビットを有した
削孔機により削孔し、その削孔中に得られる複数のパラ
メータからなる削孔データを削孔データ収集記録装置に
より収集するとともに所定進度毎に記録する第１の工程
と、 前記第１の工程で記録した所定進度毎の削孔データから
抽出した複数のサンプル削孔データを基に作成した教師
用入力パターンと、これら各入力パターンに対応した地
質区分を教示するための教師用出力パターンとからなる
教師データを生成する第２の工程と、 階層型ニューラルネットワークの入力層に前記生成され
た教師データの各教師用入力パターンを入力し、その出
力層に当該教師用入力パターンに対応した前記教師用出
力パターンが出力されるように前記ニューラルネットワ
ークを学習させる第３の工程と、 前記第３の工程で学習させたニューラルネットワークの
入力層に前記第１の工程で記録した削孔データを基に作
成した入力パターンを入力としたときに、その出力層か
ら出力される出力パターンに基づき地層判別を行う第４
の工程とを備えることを特徴とする地層判別方法。 - 【請求項２】 前記パラメータが送水圧、回転トルク、
ビット荷重、回転数（速度）、削孔速度、削孔深度及び
削孔エネルギーの全て又は一部であることを特徴とする
請求項１に記載の地層判別方法。 - 【請求項３】 前記教師用出力パターンの地質区分が、 細粒土、砂質土、れき質土、岩（４区分） 細粒土、砂質土、れき質土、岩、空洞（５区分） 細粒土（２分割）、砂質土、れき質土、岩、空洞（６
区分） 細粒土、砂質土、砂、れき質土、れき、岩、空洞（７
区分） 細粒土（２分割）、砂質土、砂、れき質土、れき、
岩、空洞（８区分） 〜の何れかの区分に対応していることを特徴とする
請求項１記載の地層判別方法。 - 【請求項４】 前記第２の工程の各教師用入力パターン
に対応した教師出力パターンが、当該各教師用入力パタ
ーンの基となるサンプル削孔データの収集地点から近傍
に位置する地点の既知地質情報と比較することにより決
定されることを特徴とする請求項１記載の地層判別方
法。 - 【請求項５】 地層判別を行うための所定範囲の対象地
盤に多数の削孔ポイントを設定し、前記各削孔ポイント
を回転ビットを有した削孔機により削孔し、その削孔中
に得られる複数のパラメータからなる削孔データを収集
するとともに、所定進度毎に記録する削孔データ収集記
録装置と、 前記所定進度毎の削孔データから抽出した複数のサンプ
ル削孔データを基に作成した教師用入力パターンと、こ
れら各入力パターンに対応した地質区分を教示するため
の教師用出力パターンとからなる教師データを生成する
教師データ生成装置と、 前記生成された教師データの各教師用入力パターンを階
層型ニューラルネットワークの入力層に入力し、その出
力層から当該教師用入力パターンに対応した前記教師出
力パターンが出力されるように学習させることで、前記
ニューラルネットワークを学習させるニューラルネット
ワーク学習装置と、 前記ニューラルネットワーク学習装置によって学習させ
た前記ニューラルネットワークの入力層に前記削孔デー
タを基に作成した入力パターンを入力としたときに、そ
の出力層から出力される出力パターンに基づき地層判別
を行う地層判別処理装置とを備えることを特徴とする地
層判別システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000325911A JP2002133391A (ja) | 2000-10-25 | 2000-10-25 | 地層判別方法及び地層判別システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000325911A JP2002133391A (ja) | 2000-10-25 | 2000-10-25 | 地層判別方法及び地層判別システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002133391A true JP2002133391A (ja) | 2002-05-10 |
Family
ID=18803198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000325911A Pending JP2002133391A (ja) | 2000-10-25 | 2000-10-25 | 地層判別方法及び地層判別システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002133391A (ja) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015028244A (ja) * | 2013-07-30 | 2015-02-12 | 大成建設株式会社 | 教師データの作成方法 |
| JP2017141598A (ja) * | 2016-02-10 | 2017-08-17 | 大成建設株式会社 | 教師データの作成方法および地盤評価方法 |
| KR101830318B1 (ko) | 2017-08-01 | 2018-02-21 | 한국지질자원연구원 | 지질데이터의 처리방법 |
| CN109086926A (zh) * | 2018-07-25 | 2018-12-25 | 南京理工大学 | 一种基于组合神经网络结构的短时轨道交通客流预测方法 |
| JP2019157346A (ja) * | 2018-03-07 | 2019-09-19 | 株式会社大林組 | 地盤評価システム及び地盤評価方法 |
| JP2019167750A (ja) * | 2018-03-23 | 2019-10-03 | ライト工業株式会社 | 高圧噴射攪拌工法 |
| JP2019206906A (ja) * | 2018-05-29 | 2019-12-05 | 株式会社東亜利根ボーリング | 制御装置 |
| JP2020007815A (ja) * | 2018-07-10 | 2020-01-16 | 株式会社熊谷組 | 地層の判別方法 |
| JP2020100949A (ja) * | 2018-12-20 | 2020-07-02 | 五洋建設株式会社 | Ｎ値及び細粒分含有率の推定方法、地盤改良体及び情報処理装置 |
| JP2020105791A (ja) * | 2018-12-27 | 2020-07-09 | ジャパンホームシールド株式会社 | 層序判定装置及びプログラム |
| JP2021039424A (ja) * | 2019-08-30 | 2021-03-11 | キヤノン株式会社 | 画像処理システム、画像処理方法、及びプログラム |
| JP2021070931A (ja) * | 2019-10-29 | 2021-05-06 | ケミカルグラウト株式会社 | 地層深度推定システム及び方法 |
| JP2022145813A (ja) * | 2018-03-07 | 2022-10-04 | 株式会社大林組 | 地盤評価システム及び地盤評価方法 |
-
2000
- 2000-10-25 JP JP2000325911A patent/JP2002133391A/ja active Pending
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015028244A (ja) * | 2013-07-30 | 2015-02-12 | 大成建設株式会社 | 教師データの作成方法 |
| JP2017141598A (ja) * | 2016-02-10 | 2017-08-17 | 大成建設株式会社 | 教師データの作成方法および地盤評価方法 |
| KR101830318B1 (ko) | 2017-08-01 | 2018-02-21 | 한국지질자원연구원 | 지질데이터의 처리방법 |
| JP2022145813A (ja) * | 2018-03-07 | 2022-10-04 | 株式会社大林組 | 地盤評価システム及び地盤評価方法 |
| JP7332004B2 (ja) | 2018-03-07 | 2023-08-23 | 株式会社大林組 | 地盤評価システム及び地盤評価方法 |
| JP2019157346A (ja) * | 2018-03-07 | 2019-09-19 | 株式会社大林組 | 地盤評価システム及び地盤評価方法 |
| JP7311244B2 (ja) | 2018-03-07 | 2023-07-19 | 株式会社大林組 | 地盤評価システム及び地盤評価方法 |
| JP2019167750A (ja) * | 2018-03-23 | 2019-10-03 | ライト工業株式会社 | 高圧噴射攪拌工法 |
| JP7058154B2 (ja) | 2018-03-23 | 2022-04-21 | ライト工業株式会社 | 高圧噴射攪拌工法 |
| JP2019206906A (ja) * | 2018-05-29 | 2019-12-05 | 株式会社東亜利根ボーリング | 制御装置 |
| JP7076100B2 (ja) | 2018-07-10 | 2022-05-27 | 株式会社熊谷組 | 地層の判別方法 |
| JP2020007815A (ja) * | 2018-07-10 | 2020-01-16 | 株式会社熊谷組 | 地層の判別方法 |
| CN109086926A (zh) * | 2018-07-25 | 2018-12-25 | 南京理工大学 | 一种基于组合神经网络结构的短时轨道交通客流预测方法 |
| CN109086926B (zh) * | 2018-07-25 | 2022-03-18 | 南京理工大学 | 一种基于组合神经网络结构的短时轨道交通客流预测方法 |
| JP2020100949A (ja) * | 2018-12-20 | 2020-07-02 | 五洋建設株式会社 | Ｎ値及び細粒分含有率の推定方法、地盤改良体及び情報処理装置 |
| JP7176941B2 (ja) | 2018-12-20 | 2022-11-22 | 五洋建設株式会社 | Ｎ値及び細粒分含有率の推定方法、地盤改良体及び情報処理装置 |
| JP2020105791A (ja) * | 2018-12-27 | 2020-07-09 | ジャパンホームシールド株式会社 | 層序判定装置及びプログラム |
| JP2021039424A (ja) * | 2019-08-30 | 2021-03-11 | キヤノン株式会社 | 画像処理システム、画像処理方法、及びプログラム |
| JP7387339B2 (ja) | 2019-08-30 | 2023-11-28 | キヤノン株式会社 | 画像処理システム、画像処理方法、及びプログラム |
| JP2021070931A (ja) * | 2019-10-29 | 2021-05-06 | ケミカルグラウト株式会社 | 地層深度推定システム及び方法 |
| JP7306785B2 (ja) | 2019-10-29 | 2023-07-11 | ケミカルグラウト株式会社 | 地層深度推定システム及び方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7054753B1 (en) | Method of locating oil and gas exploration prospects by data visualization and organization | |
| JP2002133391A (ja) | 地層判別方法及び地層判別システム | |
| CN104220901B (zh) | 用于计算单位体积岩石的裂缝表面积的系统和方法 | |
| CA2717596C (en) | Pay zone prediction | |
| Thornley et al. | In situ shear‐wave velocity measurements at the Delaney Park downhole array, Anchorage, Alaska | |
| CN108415079A (zh) | 基于凿岩冲击声识别的岩层分界面圈定方法 | |
| JP3117637B2 (ja) | 地盤調査装置および地盤調査方法 | |
| Silversides et al. | Boundary identification and surface updates using MWD | |
| US6782322B2 (en) | Method, apparatus and computer program product for creating ream section from memory data based on real-time reaming | |
| CN110118994B (zh) | 一种基于地震反演和机器学习的陆相烃源岩定量预测方法 | |
| CN113323647A (zh) | 用于监测岩石抗压强度和可钻性的方法及装置 | |
| CN215256164U (zh) | 监测钻机在钻探过程中地层变化的装置 | |
| JP6153805B2 (ja) | 教師データの作成方法 | |
| Wang et al. | Lithological identification based on high-frequency vibration signal analysis | |
| Walter | Detecting changing geologic conditions with tunnel boring machines by using passive vibration measurements | |
| CN110924942B (zh) | 一种录井作业中随钻评价岩层孔渗性的方法 | |
| CN110728074B (zh) | 混积细粒岩岩性连续解释的方法及其模型的建模方法 | |
| CN113464126A (zh) | 监测钻机在钻探过程中地层变化的装置及方法 | |
| PT1046930E (pt) | Processo para o melhoramento do sinal sísmico da broca, utilizando parâmetros de perfuração | |
| DeGroot et al. | Best practices for geotechnical site characterization: Have we regressed from decades past? | |
| US10393920B2 (en) | Assessing organic richness using microresistivity images and acoustic velocity | |
| Abdulrahman et al. | Application of neural networks to evaluate factors affecting drilling performance | |
| Carpenter | Deep Directional Electromagnetic Technique Improves Well-Drilling Efficiency | |
| Baser et al. | Breaking Ground with Smart Drilling | |
| García et al. | Application of Machine Learning algorithms to drilling data for deep foundations and soil treatments |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20051213 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060201 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060404 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20060801 |