[发明专利]以物探资料为基础的神经网络围岩分级预测方法及系统

权利要求书

1.一种以物探资料为基础的神经网络围岩分级预测方法，其特征在于，所述以物探资料为基础的神经网络围岩分级预测方法包括：

利用地质雷达即电磁波法对掌子面前方进行超前预报，获得两张地质雷达回波图；

对得到的地质雷达回波图进行小波降噪处理；

构建全连接神经网络模型；基于降噪后的地质雷达回波图得到一维数据矩阵；

将得到的一维数据矩阵作为全连接神经网络模型的输入值，对应里程的围岩等级作为标签值，对全连接神经网络模型进行训练及预测，得到最优全连接神经网络模型；

利用得到的最优全连接神经网络模型进行围岩分级预测。

2.如权利要求1所述以物探资料为基础的神经网络围岩分级预测方法，其特征在于，所述利用地质雷达即电磁波法对掌子面前方进行超前预报包括：

基于每一个掌子面前设置的两条测线利用地质雷达即电磁波法进行各个掌子面的超前预报。

3.如权利要求1所述以物探资料为基础的神经网络围岩分级预测方法，其特征在于，所述全连接神经网络模型为7层；

所述全连接神经网络模型输入层神经元个数为304440，第二层128个，后面跟一个Dropout层(神经元失活比例为50％)，第三层64个，第四层32个，第五层16个，第六层8个，输出层3个。

4.如权利要求1所述以物探资料为基础的神经网络围岩分级预测方法，其特征在于，所述基于降噪后的地质雷达回波图得到一维数据矩阵。

5.如权利要求1所述以物探资料为基础的神经网络围岩分级预测方法，其特征在于，所述最优全连接神经网络模型激活函数为线性整流函数、学习率lr＝1*10^-4；

所述最优全连接神经网络模型优化器为Adamax优化器，损失函数为交叉熵损失函数，输出层激活函数为softmax激活函数。

6.一种以物探资料为基础的神经网络围岩分级预测系统，其特征在于，所述以物探资料为基础的神经网络围岩分级预测系统包括：

地质雷达回波图获取模块，用于利用地质雷达即电磁波法对掌子面前方进行超前预报，获得两张地质雷达回波图；

降噪处理模块，用于对得到的地质雷达回波图进行小波降噪处理；

一维数据矩阵获取模块，用于构建全连接神经网络模型；基于降噪后的地质雷达回波图得到一维数据矩阵；

最优全连接神经网络模型获取模块，用于将得到的一维数据矩阵作为全连接神经网络模型的输入值，对应里程的围岩等级作为标签值，对全连接神经网络模型进行训练及预测，得到最优全连接神经网络模型；

围岩分级预测模块，用于利用得到的最优全连接神经网络模型进行围岩分级预测。

7.一种信息数据处理终端，其特征在于，所述信息数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～7任意一项所述以物探资料为基础的神经网络围岩分级预测方法。

8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1～7任意一项所述以物探资料为基础的神经网络围岩分级预测方法。