申请/专利权人：深圳市岩土综合勘察设计有限公司

申请日：2021-05-27

公开（公告）日：2024-04-30

公开（公告）号：CN113268799B

主分类号：G06F30/13

分类号：G06F30/13;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2021.09.03#实质审查的生效;2021.08.17#公开

摘要：本发明公开了一种基于随钻数据预测溶洞埋深和尺寸的方法及系统，该方法包括：基于已知岩溶区域的随钻数据、溶洞埋深和尺寸构建训练集和测试集；基于训练集和测试集对预构建模型进行训练和筛选，得到预测模型；对待测区域进行开钻施工；采集待测区域的随钻数据并对随钻数据进行归一化，得到归一化后的随钻数据；将归一化后的随钻数据输入到训练完成的预测模型，预测溶洞埋深和尺寸。该系统包括：数据集构建模块、模型筛选模块、施工模块、数据采集模块和预测模块。通过使用本发明，降低了溶洞的埋深和尺寸参数的预测成本，极大地缩短了预测时间。本发明作为一种基于随钻数据预测溶洞埋深和尺寸的方法及系统，可广泛应用于桩基工程领域。

主权项：1.一种基于随钻数据预测溶洞埋深和尺寸的方法，其特征在于，包括以下步骤：基于已知岩溶区域的随钻数据、溶洞埋深和尺寸构建训练集和测试集；所述随钻数据包括钻机扭矩、推进力、钻进速度、钻杆转速和机械比能；所述扭矩、推进力、钻进速度和钻杆转速为直接测得的随钻数据，机械比能为移除单位体积岩土所需要的能量，是通过计算分析所得的随钻数据，其计算公式为： 上式中，MSE为机械比能，F为推进力，A为钻孔直径，T为扭矩，RPM为钻杆转速，ROP为钻进速度；基于训练集和测试集对预构建模型进行训练和筛选，得到预测模型；对待测区域进行开钻施工；采集待测区域的随钻数据并对随钻数据进行归一化，得到归一化后的随钻数据；将归一化后的随钻数据输入到训练完成的预测模型，预测溶洞埋深和尺寸；所述预构建模型包括多元线性回归模型、支持向量回归模型和人工神经网络模型，所述基于训练集和测试集对预构建模型进行训练和筛选，得到预测模型这一步骤，其具体包括：基于训练集和测试集对多元线性回归模型进行训练和测试，计算得到多元线性回归模型的预测正确率；基于训练集和测试集对支持向量回归模型进行训练和测试，计算得到支持向量回归模型的预测正确率；基于训练集和测试集对人工神经网络模型进行训练和测试，计算得到人工神经网络模型的预测正确率；对多元线性回归模型的预测正确率、支持向量回归模型的预测正确率和人工神经网络模型的预测正确率进行对比，以最高预测正确率的模型作为预测模型；所述基于训练集和测试集对多元线性回归模型进行训练和测试，计算得到多元线性回归模型的预测正确率这一步骤，其具体包括：对训练集中的溶洞埋深和尺寸以及对应的随钻数据分别进行多元线性回归拟合，建立溶洞埋深和尺寸拟合方程；溶洞埋深和尺寸的拟合方程如下所示：yi＝β0+β1F+β2T+β3ROP+β4RPM+β5MSE,i＝1,2上式中，y1表示溶洞埋深，y2表示尺寸，β0,β1,β2,β3,β4,β5是待定的参数；将测试集的随钻数据代入拟合方程，计算出对应的溶洞埋深和尺寸预测值；分别计算溶洞埋深和尺寸预测值与实际值的偏差度，得到多元线性回归模型的预测正确率。

全文数据：

权利要求：

百度查询： 深圳市岩土综合勘察设计有限公司 一种基于随钻数据预测溶洞埋深和尺寸的方法及系统

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