[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

说明书

本发明涉及隧道工程领域，特别是一种基于RS‑XGBoost的隧道超前钻探定量解译方法及设备。本发明通过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后，将其输入到预先搭建的RS‑XGBoost模型进行定量解译，输出定量解译结果。通过结合XGBoost机器学习模型强大的非线性数据分析性能以及RS随机搜索高效的超参数寻优能力，在保证了隧道不良地质体识别与分类的准确度的前提下大大降低了模型建立的难度，也避开了人工调参的不良影响；同时提出以不良地质体类型作为机器学习模型解译结果，以对隧道较为常见、危害性较强的几类不良地质体作为定量智能解译结果，并根据解译结果及时调整开挖方式及支护措施，进而指导隧道现场施工。

技术领域

本发明涉及隧道工程领域，特别是一种基于RS-XGBoost的隧道超前钻探定量解译方法及设备。

背景技术

进入21世纪以来，伴随着我国交通运输行业的高速发展，公路隧道的建设规模也日益庞大。根据数据统计，截至2020年底，全国公路隧道21316处、2199.93万延米，其中特长隧道1394处、623.55万延米，长隧道5541处、963.32万米，已成为目前世界上公路隧道规模最大、数量最多、发展速度最快的国家。在隧道整体建设逐渐向大埋深、长洞线方向转变的过程中，选址远、高应力、强岩溶、高水压、构造复杂等特点也逐步凸显，各类不良地质体造成当前隧道施工阶段灾害频发。

超前地质预报作为探明隧道地质条件，进而确保隧道施工安全的重要技术手段一直是隧道建设发展的研究重点。目前传统的超前地质预报方法主要包括地质雷达、地震波、红外探测等各类物探方法和超前钻探法，各种方法在操作便捷性、占用掌子面时间、预报准确率等方面的各具优势，具体如表1所示：

表1隧道常用超前地质预报方法

由表1可以看出，就隧道超前不良地质体的识别方面，常规的物探方法均存在一定的局限性，而超前钻探法通过对掌子面前方围岩进行钻进(即通过隧道打孔机对待挖掘隧道进行采样)，能最直观的反映掌子面前方的真实地质信息。但目前研究的钻探数据解译工作主要依赖技术人员结合现场实际钻进情况进行开展，虽然钻机搭载的随钻测量系统可实时记录并提供各项钻进参数，但只是作为解译参考，并未被充分利用。该种解译方式未跳脱经验判断的范畴，较为粗糙，是一种伪定量解译。

随着大数据、计算机技术等信息化技术的发展，机器学习的理念已逐步渗入各个领域，为数据分析提供了新的思路。近些年开始有研究者将机器学习的方法引入到隧道超前地质预报中以用于定量解译，已分别在地质雷达、TSP中取得了一定的成果。

但现有研究仍然普遍存在两个问题：一是大多以围岩等级或地层属性作为预测结果，因为目前常用的围岩等级是一个比较大的概念，不同的不良地质体、不同的地层岩性都可能是同一个围岩等级，且围岩等级基本是在隧道设计阶段就定好的，导致经常与现场实际开挖情况不一致，虽然预测准确度较高，但对于隧道施工指导意义作用有限；二是传统的机器学习模型超参数较少，人工调参基本可以满足需求，但准确率低；现有XGBoost模型理论性能优异，准确率高，但需要调节的超参数众多，人工调参无法充分发挥模型性能。

发明内容

本发明的目的在于克服现有技术中所存在的上述不足，提供一种基于RS-XGBoost的隧道超前钻探定量解译方法。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于RS-XGBoost的隧道超前钻探定量解译方法，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；