基于超前钻探测试的隧道地层智能识别方法

作者：房昱纬; 吴振君^*; 盛谦; 汤华; 梁栋才

来源：岩土力学, 2020, 41(07): 2494-2503.

DOI：10.16285/j.rsm.2019.1632

• 钻探测试
• 神经网络
• 隧道
• 地层
• 智能识别

可靠地识别掌子面前方地层是保证隧道工程稳定与安全的重要因素之一。传统的超前地质预报方法不能同时保证有高识别精度、低实施成本和占用少的施工时间,对于不同地质情况的地层识别通用性不强。在传统超前钻孔的同时获取掌子面前方围岩钻探测试数据,实时获取不同深度岩层情况,将大大提高超前预报效率,方便快捷,不影响施工,但目前缺乏客观、准确的地层识别方法。提出了一种基于神经网络的钻探测试数据智能分析和地层识别方法,对楚大高速公路九顶山隧道超前钻探测试数据进行了深入分析,通过隧道开挖后所揭示地层对分析方法进行了验证。结果表明:单一钻进参数用于地层识别的错误率在35%左右,打击能和打击数、送水压力和送水流量的参数组合不能显著提升地层识别准确率;钻进速度、扭矩、回转数、推进力的参数组合可降低地层识别错误率至22%。在神经网络模型中引入钻进参数的标准差,可大幅降低错误率,可使地层划分错误率下降9%～12%;多参数组合下的神经网络钻探测试神经网络模型对随机抽样的地层识别错误率小于10%,对单个钻孔的地层识别错误率小于14%。

• 单位
  中国科学院武汉岩土力学研究所; 中国科学院大学; 岩土力学与工程国家重点实验室