基于钻进参数多变量特征挖掘的隧道围岩智能分级模型研究

作     者：赵思光 王明年 童建军 霍建勋 夏覃永 易文豪 

作者机构：中国铁路经济规划研究院有限公司技术标准所 西南交通大学土木工程学院 

出 版 物：《隧道建设(中英文)》 (Tunnel Construction)

年 卷 期：2024年

核心收录：

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金面上项目(52378411) 中国国家铁路集团科技研究发展计划重点课题(N2023G084) 

主　　题：隧道 围岩分级 钻进参数 特征挖掘 钻进能量指标 机器学习 

摘      要：隧道智能建造是未来隧道工程发展的重要方向之一，隧围岩智能分级是隧道智能建造的关键和核心。既有研究表明，凿岩台车钻孔施工过程中自动采集的钻进参数和隧道围岩质量有良好的响应关系，可通过大数据训练建立的机器学习模型，实现隧道施工阶段围岩智能分级。为进一步提升基于钻进参数的围岩智能分级模型精度，综合考虑钻进参数间耦合影响作用、围岩地质非均一性等因素影响，从进给速度、推进压力、打击压力、回转压力等原始钻进参数特征变量出发，通过特征组合、统计方式，研究构建了多变量的钻进参数特征体系并进行了特征重要性评估。然后利用6种常见的机器学习方法，进行了围岩智能分级应用，并比较分析了特征挖掘前后不同围岩级别样本类间距离及分级模型准确率。结果显示，相比原始特征，多变量特征体系下，不同围岩级别样本类间距离均值提升66.09%～85.41%，各模型分级总体准确率由75.5%～87.5%提高到90.0%～92.5%，表明基于钻进参数多变量特征体系对围岩分级精度有很好地提升作用。