JPH09303071A - 切羽前方の岩盤性状の予測方法 - Google Patents
切羽前方の岩盤性状の予測方法Info
- Publication number
- JPH09303071A JPH09303071A JP8124478A JP12447896A JPH09303071A JP H09303071 A JPH09303071 A JP H09303071A JP 8124478 A JP8124478 A JP 8124478A JP 12447896 A JP12447896 A JP 12447896A JP H09303071 A JPH09303071 A JP H09303071A
- Authority
- JP
- Japan
- Prior art keywords
- properties
- bedrock
- rock mass
- data
- actual
- 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
- 238000000034 method Methods 0.000 title claims description 11
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 239000011435 rock Substances 0.000 claims description 31
- 238000005553 drilling Methods 0.000 claims description 27
- 238000009412 basement excavation Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21C—MINING OR QUARRYING
- E21C39/00—Devices for testing in situ the hardness or other properties of minerals, e.g. for giving information as to the selection of suitable mining tools
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)
- Feedback Control In General (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
(57)【要約】
【課題】予測精度を向上させる。
【解決手段】削孔中に油圧ドリルの削孔データを測定
し、これらのデータの平均的な変化パターンを算出し、
別途、実際の削孔を通して平均的な変化パターンを入力
情報とし実際の岩盤性状を出力情報とするニューラルネ
ットワークを構築し、算出された平均的な変化の情報に
もとづき、ニューラルネットワークにより対応する岩盤
の性状を予測する。
し、これらのデータの平均的な変化パターンを算出し、
別途、実際の削孔を通して平均的な変化パターンを入力
情報とし実際の岩盤性状を出力情報とするニューラルネ
ットワークを構築し、算出された平均的な変化の情報に
もとづき、ニューラルネットワークにより対応する岩盤
の性状を予測する。
Description
【０００１】
【発明の属する技術分野】本発明は、山岳トンネル等の
掘削において切羽前方の岩盤性状の予測方法の技術分野
に属する。
掘削において切羽前方の岩盤性状の予測方法の技術分野
に属する。
【０００２】
【従来の技術】従来の切羽前方の岩盤状態の予測方法
は、例えば特開平４−１６１５８８号公報に提案されて
いるように、油圧ドリルによる削孔データ（１打撃あた
りの油圧ドリルの仕事量、単位時間あたりの打撃数、掘
進速度、削孔面積等）により破壊エネルギー係数を計算
し、確率統計手法により岩盤等級と関係づけている。
は、例えば特開平４−１６１５８８号公報に提案されて
いるように、油圧ドリルによる削孔データ（１打撃あた
りの油圧ドリルの仕事量、単位時間あたりの打撃数、掘
進速度、削孔面積等）により破壊エネルギー係数を計算
し、確率統計手法により岩盤等級と関係づけている。
【０００３】
【発明が解決しようとする課題】上記従来の予測方法に
おいては、削孔データで、１打撃あたりの油圧ドリルの
仕事量、単位時間あたりの打撃数、掘進速度、削孔面積
等、絶対値を用いているが、実際の岩盤の性状はたとえ
同じ岩種であっても、各々が異なり前記の絶対値では評
価が困難であるという問題を有し、また、同じ良好岩盤
でも岩種や掘進深度によっても値は異なり、その結果、
絶対値で代表される削孔データを用いた予測は難しく、
予測精度の低下を招くという問題を有している。このよ
うに、従来の方法では削孔データの絶対値を岩盤性状の
予測に用いているため、精度の低下が危惧されると共
に、統計的手法を用いているため多くのデータを必要と
し、実用性に問題があった。例えば、予測の精度がやっ
と向上した時点で、そのボーリングが完了してしまい、
また、別の地点でのボーリングにおいては過去の予測式
は使えず新たにデータを取得しなければならなかった。
おいては、削孔データで、１打撃あたりの油圧ドリルの
仕事量、単位時間あたりの打撃数、掘進速度、削孔面積
等、絶対値を用いているが、実際の岩盤の性状はたとえ
同じ岩種であっても、各々が異なり前記の絶対値では評
価が困難であるという問題を有し、また、同じ良好岩盤
でも岩種や掘進深度によっても値は異なり、その結果、
絶対値で代表される削孔データを用いた予測は難しく、
予測精度の低下を招くという問題を有している。このよ
うに、従来の方法では削孔データの絶対値を岩盤性状の
予測に用いているため、精度の低下が危惧されると共
に、統計的手法を用いているため多くのデータを必要と
し、実用性に問題があった。例えば、予測の精度がやっ
と向上した時点で、そのボーリングが完了してしまい、
また、別の地点でのボーリングにおいては過去の予測式
は使えず新たにデータを取得しなければならなかった。
【０００４】実際の掘削においては、坑夫がボーリング
中の振動や音などの相対変化を感知しながら、定性的に
弱層部の存在を判断しているのが実状である。従って、
削孔データのみの情報をもとにした確率統計論による定
量的手法では予測精度の向上に限界がある。
中の振動や音などの相対変化を感知しながら、定性的に
弱層部の存在を判断しているのが実状である。従って、
削孔データのみの情報をもとにした確率統計論による定
量的手法では予測精度の向上に限界がある。
【０００５】本発明は上記問題を解決するものであっ
て、予測精度を向上させることができる切羽前方の岩盤
性状の予測方法を提供することを目的とする。
て、予測精度を向上させることができる切羽前方の岩盤
性状の予測方法を提供することを目的とする。
【０００６】
【課題を解決するための手段】そのために請求項１記載
の発明は、削孔中に油圧ドリルの削孔データを測定し、
これらのデータの平均的な変化パターンを算出し、別
途、実際の削孔を通して平均的な変化パターンを入力情
報とし実際の岩盤性状を出力情報とするニューラルネッ
トワークを構築し、算出された平均的な変化の情報にも
とづき、ニューラルネットワークにより対応する岩盤の
性状を予測することを特徴とし、また、請求項２記載の
発明は、請求項１の予測方法に加えて、削孔中の音と振
動データを測定し、ファジィ理論を用いて熟練オペレー
タの勘に基づいた岩盤の性状を予測することを特徴と
し、さらに請求項３記載の発明は、請求項１及び請求項
２の予測結果に基づき、必要に応じてコアを採取し岩盤
の性状を予測することを特徴とする。
の発明は、削孔中に油圧ドリルの削孔データを測定し、
これらのデータの平均的な変化パターンを算出し、別
途、実際の削孔を通して平均的な変化パターンを入力情
報とし実際の岩盤性状を出力情報とするニューラルネッ
トワークを構築し、算出された平均的な変化の情報にも
とづき、ニューラルネットワークにより対応する岩盤の
性状を予測することを特徴とし、また、請求項２記載の
発明は、請求項１の予測方法に加えて、削孔中の音と振
動データを測定し、ファジィ理論を用いて熟練オペレー
タの勘に基づいた岩盤の性状を予測することを特徴と
し、さらに請求項３記載の発明は、請求項１及び請求項
２の予測結果に基づき、必要に応じてコアを採取し岩盤
の性状を予測することを特徴とする。
【０００７】
【発明の実施の形態】以下、本発明の実施の形態を図面
を参照しつつ説明する。図１は、本発明の切羽前方の岩
盤性状の予測方法の１実施形態を示すフロー図である。
を参照しつつ説明する。図１は、本発明の切羽前方の岩
盤性状の予測方法の１実施形態を示すフロー図である。
【０００８】本発明は、油圧式ドリルの削孔データをも
とにニューラルネットワークを用いて岩盤の性状を予測
するサブシステム１と、削孔中の音と振動データをもと
にファジィ理論を用いて岩盤の性状を予測するサブシス
テム２と、サブシステム１と２の結果に基づき必要に応
じてコアを採取し岩盤の性状を予測するサブシステム３
とからなる。
とにニューラルネットワークを用いて岩盤の性状を予測
するサブシステム１と、削孔中の音と振動データをもと
にファジィ理論を用いて岩盤の性状を予測するサブシス
テム２と、サブシステム１と２の結果に基づき必要に応
じてコアを採取し岩盤の性状を予測するサブシステム３
とからなる。
【０００９】サブシステム１においては、図２に示すよ
うに、削孔中にリアルタイムで油圧ドリルの削孔深度、
削孔速度、給進力、ピストン打撃エネルギー（削孔デー
タｘ１、ｘ２、… …ｘｎ）を測定し、これらのデータ
の平均的な変化パターン（Ａ１、Ａ２、… …Ａｎ）及
び周波数特性（Ｂ１、… …Ｂｎ）を算出する。別途、
実際の削孔を通して平均的な変化パターン及び周波数特
性を入力情報とし実際の岩盤性状を出力情報とするニュ
ーラルネットワークを構築する。そして、算出された平
均的な変化の情報にもとづき、ニューラルネットワーク
により入力層の各データに重み付計算を行って、削孔箇
所の岩盤の性状（レベル１、レベル２、… …レベル
ｍ）を予測する。
うに、削孔中にリアルタイムで油圧ドリルの削孔深度、
削孔速度、給進力、ピストン打撃エネルギー（削孔デー
タｘ１、ｘ２、… …ｘｎ）を測定し、これらのデータ
の平均的な変化パターン（Ａ１、Ａ２、… …Ａｎ）及
び周波数特性（Ｂ１、… …Ｂｎ）を算出する。別途、
実際の削孔を通して平均的な変化パターン及び周波数特
性を入力情報とし実際の岩盤性状を出力情報とするニュ
ーラルネットワークを構築する。そして、算出された平
均的な変化の情報にもとづき、ニューラルネットワーク
により入力層の各データに重み付計算を行って、削孔箇
所の岩盤の性状（レベル１、レベル２、… …レベル
ｍ）を予測する。
【００１０】サブシステム２においては、熟練オペレー
タの勘にもとづく岩盤評価を模倣するため、削孔中の音
と振動データをリアルタイムに測定し、ファジィ理論を
用いて削孔箇所の岩盤の性状を予測する。ファジィ理論
は、音及び振動データの入力値と、熟練オペレータの勘
にもとづく「良好」、「普通」、「悪い」等のあいまい
な自然言語との受渡しをメンバーシップ関数により行
い、人間のあいまいな評価軸をそのままコンピュータに
取り込んだ後、ファジィルールに基づきファジィ推論を
行って岩盤の性状（岩盤等級）を予測するものである。
タの勘にもとづく岩盤評価を模倣するため、削孔中の音
と振動データをリアルタイムに測定し、ファジィ理論を
用いて削孔箇所の岩盤の性状を予測する。ファジィ理論
は、音及び振動データの入力値と、熟練オペレータの勘
にもとづく「良好」、「普通」、「悪い」等のあいまい
な自然言語との受渡しをメンバーシップ関数により行
い、人間のあいまいな評価軸をそのままコンピュータに
取り込んだ後、ファジィルールに基づきファジィ推論を
行って岩盤の性状（岩盤等級）を予測するものである。
【００１１】そして、サブシステム１と２の結果に基づ
き、削孔中のデータにもとづく岩盤性状の予測を行い、
サブシステム３においては、サブシステム１と２の結果
に基づき必要に応じてコアを採取し岩盤の性状を予測
し、予測精度の向上を図る。そして、掘削により予測結
果を確認し、確認した情報はニューラルネットワークに
学習させ、次回の予測に反映させる。
き、削孔中のデータにもとづく岩盤性状の予測を行い、
サブシステム３においては、サブシステム１と２の結果
に基づき必要に応じてコアを採取し岩盤の性状を予測
し、予測精度の向上を図る。そして、掘削により予測結
果を確認し、確認した情報はニューラルネットワークに
学習させ、次回の予測に反映させる。
【００１２】以上、本発明の実施の形態について説明し
たが、本発明はこれに限定されるものではなく種々の変
更が可能であることは勿論である。
たが、本発明はこれに限定されるものではなく種々の変
更が可能であることは勿論である。
【００１３】
【発明の効果】以上の説明から明らかなように本発明に
よれば、従来のように、削孔データの絶対値を岩盤性状
の予測に用いるのではなく、ニューラルネットワークに
よる相対的な変化パターンを用いて予測するため、一般
性があり実用性に富むという効果を有し、また、振動や
音など熟練オペレータの勘をファジィ理論により予測
し、さらに必要に応じて採取したコアの情報をも取り込
むため、総合的に精度の向上が期待できる。
よれば、従来のように、削孔データの絶対値を岩盤性状
の予測に用いるのではなく、ニューラルネットワークに
よる相対的な変化パターンを用いて予測するため、一般
性があり実用性に富むという効果を有し、また、振動や
音など熟練オペレータの勘をファジィ理論により予測
し、さらに必要に応じて採取したコアの情報をも取り込
むため、総合的に精度の向上が期待できる。
【図１】本発明における切羽前方の岩盤性状の予測方法
の１実施形態を示すフロー図である。
の１実施形態を示すフロー図である。
【図２】本発明によるニューラルネットワークの概念図
である。
である。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 宮沢和夫 東京都港区芝浦一丁目２番３号 清水建設 株式会社内
Claims (3)
- 【請求項１】削孔中に油圧ドリルの削孔データを測定
し、これらのデータの平均的な変化パターンを算出し、
別途、実際の削孔を通して平均的な変化パターンを入力
情報とし実際の岩盤性状を出力情報とするニューラルネ
ットワークを構築し、算出された平均的な変化の情報に
もとづき、ニューラルネットワークにより対応する岩盤
の性状を予測することを特徴とする切羽前方の岩盤性状
の予測方法。 - 【請求項２】請求項１の予測方法に加えて、削孔中の音
と振動データを測定し、ファジィ理論を用いて熟練オペ
レータの勘に基づいた岩盤の性状を予測することを特徴
とする切羽前方の岩盤性状の予測方法。 - 【請求項３】請求項１及び請求項２の予測結果に基づ
き、必要に応じてコアを採取し岩盤の性状を予測するこ
とを特徴とする切羽前方の岩盤性状の予測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8124478A JPH09303071A (ja) | 1996-05-20 | 1996-05-20 | 切羽前方の岩盤性状の予測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8124478A JPH09303071A (ja) | 1996-05-20 | 1996-05-20 | 切羽前方の岩盤性状の予測方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09303071A true JPH09303071A (ja) | 1997-11-25 |
Family
ID=14886519
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8124478A Pending JPH09303071A (ja) | 1996-05-20 | 1996-05-20 | 切羽前方の岩盤性状の予測方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09303071A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2352046A (en) * | 1999-07-13 | 2001-01-17 | Us Health | Method for characterisation of rock strata in drilling operations |
| CN102852521A (zh) * | 2012-09-21 | 2013-01-02 | 中国矿业大学(北京) | 一种基于图像识别的采煤机滚筒自动调高方法 |
| JP2018017570A (ja) * | 2016-07-27 | 2018-02-01 | 日本システムウエア株式会社 | 岩盤強度判定装置、岩盤強度判定方法、及び岩盤強度判定プログラム |
| CN109707368A (zh) * | 2018-12-28 | 2019-05-03 | 四川永盛祥科技有限公司 | 一种在钻井起钻作业时及在钻井下钻作业时进行溢流漏失预警趋势分析的方法 |
| 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 |
| CN112798042A (zh) * | 2020-12-30 | 2021-05-14 | 中国矿业大学 | 液压支架工作状态与支护质量的智能诊断方法 |
| JP2021113457A (ja) * | 2020-01-20 | 2021-08-05 | 株式会社大林組 | 地質評価システム、地質評価方法及び地質評価プログラム |
| 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 |
-
1996
- 1996-05-20 JP JP8124478A patent/JPH09303071A/ja active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2352046A (en) * | 1999-07-13 | 2001-01-17 | Us Health | Method for characterisation of rock strata in drilling operations |
| US6490527B1 (en) | 1999-07-13 | 2002-12-03 | The United States Of America As Represented By The Department Of Health And Human Services | Method for characterization of rock strata in drilling operations |
| GB2352046B (en) * | 1999-07-13 | 2004-02-25 | Us Gov Health & Human Serv | Method for characterization of rock strata in drilling operations |
| CN102852521A (zh) * | 2012-09-21 | 2013-01-02 | 中国矿业大学(北京) | 一种基于图像识别的采煤机滚筒自动调高方法 |
| CN102852521B (zh) * | 2012-09-21 | 2014-12-10 | 中国矿业大学(北京) | 一种基于图像识别的采煤机滚筒自动调高方法 |
| JP2018017570A (ja) * | 2016-07-27 | 2018-02-01 | 日本システムウエア株式会社 | 岩盤強度判定装置、岩盤強度判定方法、及び岩盤強度判定プログラム |
| 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 |
| 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 |
| CN109707368A (zh) * | 2018-12-28 | 2019-05-03 | 四川永盛祥科技有限公司 | 一种在钻井起钻作业时及在钻井下钻作业时进行溢流漏失预警趋势分析的方法 |
| CN109707368B (zh) * | 2018-12-28 | 2019-12-03 | 四川永盛祥科技有限公司 | 在钻井起/下钻作业时进行溢流漏失预警趋势分析的方法 |
| JP2021113457A (ja) * | 2020-01-20 | 2021-08-05 | 株式会社大林組 | 地質評価システム、地質評価方法及び地質評価プログラム |
| CN112798042A (zh) * | 2020-12-30 | 2021-05-14 | 中国矿业大学 | 液压支架工作状态与支护质量的智能诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | A case study of TBM performance prediction using a Chinese rock mass classification system–Hydropower Classification (HC) method | |
| CN106481344B (zh) | 一种土压平衡盾构机隧道掘进参数智能控制方法 | |
| CN109978226B (zh) | 基于循环神经网络的盾构施工地面沉降预测方法 | |
| KR101967978B1 (ko) | 쉴드 tbm의 순굴진속도 예측 장치 및 그 방법 | |
| Mahdiyar et al. | Rock tensile strength prediction using empirical and soft computing approaches | |
| Salimi et al. | Utilising of linear and non-linear prediction tools for evaluation of penetration rate of tunnel boring machine in hard rock condition | |
| Yan et al. | Identification of geological characteristics from construction parameters during shield tunnelling | |
| JP3168181B2 (ja) | 最適発破設計システム | |
| Zhang et al. | A new index for cutter life evaluation and ensemble model for prediction of cutter wear | |
| CN111967079A (zh) | 一种基于改进的人工蜂群算法与bp神经网络的基坑变形预测方法 | |
| JPH09303071A (ja) | 切羽前方の岩盤性状の予測方法 | |
| CN114819422B (zh) | 一种基于大数据的建筑工程施工作业环境智能监测系统 | |
| JP3238840B2 (ja) | トンネル地山探査システム | |
| Qiu et al. | TBM tunnel surrounding rock classification method and real-time identification model based on tunneling performance | |
| JP3721486B2 (ja) | トンネル掘進における地山評価方法とそれを用いたトンネル掘進方法 | |
| 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 | |
| CN111340275A (zh) | 基于随钻探测技术的隧道支护模式选型实时预测方法 | |
| FANG et al. | Intelligent recognition of tunnel stratum based on advanced drilling tests | |
| JP2022143625A (ja) | シールド掘進機の施工管理方法 | |
| Yu-wei et al. | Intelligent recognition of tunnel stratum based on advanced drilling tests | |
| JP2000345793A (ja) | 岩盤判定システム | |
| JPH09317372A (ja) | 岩盤探査方法 | |
| CN116484716B (zh) | 基于钻进参数的掌子面围岩初始地应力解析方法及系统 | |
| CN117371111B (zh) | 基于深度神经网络和数值仿真的tbm卡机预测系统及方法 | |
| CN116108587B (zh) | 一种考虑多源信息不确定性的tbm利用率预测方法 |