[发明专利]一种基于RS-XGBoost的隧道超前钻探定量解译方法及设备

权利要求书

1.一种基于RS-XGBoost的隧道超前钻探定量解译方法，其特征在于，包括：

S1：对待挖掘隧道进行随机采样，获取待挖掘隧道的钻探数据并进行初步处理；所述钻探数据包括钻进速度、推进力、扭矩与旋转速度；

S2：将初步处理后的钻探数据输入到预先搭建的RS-XGBoost模型进行定量解译，并输出定量解译结果，所述定量解译结果包括较完整～较破碎、破碎～极破碎和软泥填充；

当所述定量解译结果为软泥填充时，进行进一步划分：

相邻解译单元解译出软泥填充时输出为泥质填充溶洞；

相邻解译单元未解译出软泥填充时输出为软弱夹层；

其中，所述解译单元为定量解译时的基础单位；

其中，所述RS-XGBoost模型是通过RS算法对XGBoost模型训练优化后得到的模型；

所述RS-XGBoost模型的搭建包括以下步骤：

S21：录入样本数据并进行标注，构成标注样本数据；所述标注为所述样本数据对应的定量解译结果；

其中，所述样本数据包括若干条地质数据，每条所述地质数据包括若干项定量指标，所述定量指标包括深度、钻进速度、稳压、切削力、推进力、扭矩和/或旋转速度；

S22：对所述标注样本数据进行预处理；

S23：将预处理后的标注样本数据输入XGBoost模型，并通过RS算法对所述XGBoost模型进行模型训练，输出RS-XGBoost模型。

2.根据权利要求1所述的一种基于RS-XGBoost的隧道超前钻探定量解译方法，其特征在于，所述步骤S23中模型训练具体包括以下步骤：

S231：设置所述XGBoost模型中超参数的取值范围；

S232：将预处理后的标注样本数据输入XGBoost模型，在所述取值范围内通过随机搜索算法对所述XGBoost模型进行超参数寻优，并获取模型性能评价指标值及对应的超参数；

S233：当寻优次数小于预设值时，返回步骤S231；当寻优次数大于或等于预设值时，进入步骤S234；

S234：从所述模型性能评价指标值中选出模型性能评价指标值最高的值，并将模型性能评价指标值最高的值对应的超参数作为所述XGBoost模型的优选超参数。

3.根据权利要求2所述的一种基于RS-XGBoost的隧道超前钻探定量解译方法，其特征在于，步骤S231中所述超参数包括弱评估器数量、最大深度、学习率、样本权重与随机抽样样本比例。

4.根据权利要求1-3任一所述的一种基于RS-XGBoost的隧道超前钻探定量解译方法，其特征在于，在所述步骤S21中对所述定量指标进行相关性分析，得到优选定量指标；所述优选定量指标包括钻进速度、推进力、扭矩与旋转速度。

5.根据权利要求4所述的一种基于RS-XGBoost的隧道超前钻探定量解译方法，其特征在于，所述步骤S22中的预处理包括以下步骤：

a：通过删除所述标注样本数据中的上升段数据进行数据降噪，所述上升段数据为超前钻探的钻机未达到稳定状态时采集的数据；

b：遍历降噪后标注样本数据的缺失值，并通过所述缺失值对应指标数据的均值对所述缺失值进行填充，得到降噪补缺后的数据；

c：以预设的分割间距将降噪补缺后的数据等距分割为若干段落；

d：计算等距分割后每个段落中各个优选定量指标的二级指标；其中，所述二级指标包括各个优选定量指标的均值与方差；

e：采用标准差法对所述二级指标进行数据标准化。

6.根据权利要求5所述的一种基于RS-XGBoost的隧道超前钻探定量解译方法，其特征在于，所述步骤c中预设的所述分割间距为[0.5m,1.5m]。

7.根据权利要求5所述的一种基于RS-XGBoost的隧道超前钻探定量解译方法，其特征在于，去除相关性低的所述二级指标，得到优选的二级指标为：钻进速度均值、钻进速度方差、推进力均值、扭矩均值、扭矩方差与旋转速度均值。

8.一种基于RS-XGBoost的隧道超前钻探定量解译设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。