申请/专利权人：中南大学

申请日：2023-12-18

公开（公告）日：2024-03-22

公开（公告）号：CN117743978A

主分类号：G06F18/243

分类号：G06F18/243;E21B47/002;E21B47/00;E21B44/00;G06F18/214;G06F18/21;G06N3/006;G06N5/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：一种基于梯度提升决策树和随钻参数的岩体完整性识别方法。获取钻孔随钻参数与孔壁图像信息，应用统计分析方法并参考经典岩体质量分级技术，构建包含岩体随钻参数与完整性等级的数据库，展开相关性分析；基于已建数据库开展建模工作，引入梯度提升决策树GBDT分类算法；借助灰狼优化算法GWO，完成GBDT分类器中核心参数的智能配置，形成性能可靠、泛化稳定的混合分类模型GWO‑GBDT；应用多种评估指标筛选最优混合分类模型，确保随钻参数与岩体完整性的转化精度达到可应用标准；获取输入参数的重要性分析结果，由GWO‑GBDT模型导出相应的二维预测分析图。该方法能通过一体化的流程科学合理地实现岩体完整性的高精度识别。

主权项：1.一种基于梯度提升决策树和随钻参数的岩体完整性识别方法，其特征在于，具体包括以下步骤：步骤一：样本采集与数据库搭建；S11：确定钻孔点位，采用随钻仪记录并采集钻进过程中的多种关键随钻参数；S12：应用成像仪采集整个钻孔的孔壁图像数据；S13：结合岩芯样本开展编录工作，分析随钻参数数据与孔壁图像数据，掌握全孔的随钻参数变化规律，完成岩芯完整性分级，构建随钻数据库；S14：对所构建的数据库进行相关性分析，探究各参数间的关联程度；步骤二：构建岩体完整性预测的GBDT基础模型；选用梯度提升决策树GBDT算法作为岩体完整性识别的基础分类器，完成岩体完整性预测的GBDT基础模型的建模；步骤三：混合分类模型GWO-GBDT的建模及优选；采用GWO的迭代寻优机制，在设定的搜索空间内广泛搜索可能的候选解，寻求出最优的GBDT参数配置；将优化策略GWO与分类算法GBDT相结合，并利用不同数量的种群规模构建不同的混合分类模型GWO-GBDT，再通过对比分析的方式筛选出最佳的混合分类模型GWO-GBDT；步骤四：进行岩体完整性的识别，获取反映岩体完整性分级的预测分析图；将步骤一所构建的随钻数据库输入至最佳的混合分类模型GWO-GBDT中，并捕捉输入、输出参数间的复杂非线性关系，以在仅参考随钻参数的条件下，实现岩体完整性的无接触式识别；结合最佳的混合分类模型GWO-GBDT进行参数重要性分析，筛选出对于完整性预测贡献度排名靠前的二个随钻参数；在步骤一所构建的随钻数据库中仅保留贡献度排名靠前的二个随钻参数，并剔除明显异常值，得到新的随钻数据库；基于新的随钻数据库再次进行混合分类模型GWO-GBDT的建模；利用排名靠前的二个随钻参数和完整性构建三分类数据库，作为图解输出的数据基础，再将其输入至新的混合分类模型GWO-GBDT中，获得并显示相应的岩体完整性分区结果的预测分析图。

全文数据：

权利要求：

百度查询： 中南大学 基于梯度提升决策树和随钻参数的岩体完整性识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD