面向大跨地下洞室分步开挖的围岩智能分级方法及系统与流程

摘要: 本发明实施例涉及地下洞室施工与动态围岩分级,尤其涉及面向大跨地下洞室分步开挖的围岩智能分级方法及系统。背景技术:1、大跨地下洞室广泛应用于地下厂房、储能储气及大...
面向大跨地下洞室分步开挖的围岩智能分级方法及系统与流程

本发明实施例涉及地下洞室施工与动态围岩分级,尤其涉及面向大跨地下洞室分步开挖的围岩智能分级方法及系统。

背景技术:

1、大跨地下洞室广泛应用于地下厂房、储能储气及大型地下交通工程。与常规隧道相比,大跨地下洞室跨度大、围岩卸荷范围广,且高边墙、拱肩等部位对开挖顺序、支护时机和岩体结构面更为敏感。因此,施工期快速获取围岩条件并形成与开挖过程相匹配的分级结果,是洞室动态设计和施工安全控制的重要基础。

2、传统围岩分级主要依赖掌子面地质素描、室内试验和现场测试,能够综合考虑岩性、结构面、地下水及地应力等因素,但信息获取通常滞后于开挖过程,且分级结果受工程经验影响较大。随着智能凿岩台车的应用,钻孔过程中连续记录的进给速度、冲击压力、推进压力和回转压力等随钻参数,为施工期快速感知岩体可钻性及完整性提供了数据基础。现有研究已证实,基于随钻参数的机器学习方法能够减少围岩分级对人工经验的依赖,为隧道施工期围岩快速识别提供技术途径。

3、然而,现有围岩智能分级研究主要面向常规跨度钻爆法隧道或tbm隧道。对于常规跨度的钻爆法隧道,单个开挖循环通常对应相对完整的掌子面,炮孔钻进集中完成,可利用该循环的随钻参数直接表征相应掌子面的围岩条件;tbm隧道则主要利用连续记录的掘进参数开展时序分割和围岩状态识别。而大跨地下洞室通常采用"分步开挖—预留岩柱—分步支护"的工法,同一断面不同区域由多个步序在不同时段依次施工,形成多份空间范围和数据量不同的随钻参数文件。若按单文件识别,会造成断面围岩信息割裂;若直接混合不同步序数据,又会模糊步序边界和不同部位的围岩差异。

4、因此,亟需一种能够将不同步序文件准确归入同一原始断面,在保持空间边界的基础上开展区域识别,并随施工推进逐步更新全断面围岩级别分布的方法。

技术实现思路

1、本发明的目的在于克服现有技术的不足,提供一种面向大跨地下洞室分步开挖的围岩智能分级方法及系统,通过以施工位置信息为关联索引将属于同一原始断面的多份随钻数据进行归集并保留开挖步序标识,基于分步开挖空间边界建立炮孔与开挖步序区域的空间隶属关系,在各开挖步序区域内独立完成数据清洗、分块和特征提取后输入预训练的围岩智能分级模型,并按施工时序将各分块的围岩级别判定结果依次拼合至原始断面,实现分步开挖条件下全断面围岩级别空间分布的逐步构建与动态更新。

2、第一方面,本发明实施例提供了一种面向大跨地下洞室分步开挖的围岩智能分级方法,包括:

3、获取大跨地下洞室分步开挖过程中的多份随钻数据,以施工位置信息为关联索引将属于同一原始断面的随钻数据进行归集,并保留各随钻数据对应的开挖步序标识,得到对应于同一原始断面的随钻数据集合;

4、基于预设的分步开挖空间边界,将所述随钻数据集合中的各炮孔分配至对应的开挖步序区域,建立炮孔与开挖步序区域的空间隶属关系;

5、根据所述炮孔与开挖步序区域的空间隶属关系将随钻数据分别归入对应的开挖步序区域,对各所述开挖步序区域内的随钻数据分别进行清洗,按照空间位置将其划分为多个分块,并以各分块为单元进行特征提取,得到各分块的特征信息集合,包括:

6、在各所述开挖步序区域内,分别对各炮孔的随钻数据沿钻进深度剔除钻孔起始阶段的领孔段数据和钻孔结束阶段的终孔段数据,保留中间正常钻进段数据;在各所述开挖步序区域内,依据炮孔在断面坐标系中的分布位置,将归属于同一开挖步序区域的炮孔划分至不同的分块;对于各所述分块,提取归属于该分块的全部炮孔的随钻数据,并计算所述随钻数据的统计特征量,形成该分块的特征信息集合;

7、将所述各分块的特征信息集合输入至预训练的围岩智能分级模型,输出各分块对应的围岩级别判定结果;

8、根据所述开挖步序标识确定的施工时序,依次选取已完成施工的开挖步序区域,将各开挖步序区域内各分块的围岩级别判定结果拼合至所述原始断面的对应位置,并将未施工步序对应的区域在所述原始断面中保留为空缺位置,在相应步序施工完成后获取对应分块的围岩级别判定结果,补入所述原始断面的空缺位置,重复上述补入过程直至全部开挖步序完成,最终形成所述原始断面的完整围岩级别空间分布。

9、作为优选的实施方式,以施工位置信息为关联索引将属于同一原始断面的随钻数据进行归集,包括:

10、根据预设的里程归集阈值对各份随钻数据进行断面归属判定;

11、对于任一份随钻数据,当其对应的标准里程与目标原始断面里程的偏差小于或等于所述里程归集阈值时,将该随钻数据归入所述目标原始断面,否则,该随钻数据不归入所述目标原始断面;

12、其中,所述预设的里程归集阈值根据施工定位精度确定。

13、作为优选的实施方式,基于预设的分步开挖空间边界,将所述随钻数据集合中的各炮孔分配至对应的开挖步序区域,包括:

14、确定所述原始断面的分步开挖空间边界,所述空间边界由各开挖步序区域在断面坐标系中的分步开挖线构成;

15、根据各炮孔起点在断面坐标系中的横向坐标和竖向坐标,确定各炮孔起点相对于各所述分步开挖线的位置;

16、根据各炮孔起点相对于各所述分步开挖线的位置将各炮孔分配至对应的开挖步序区域。

17、作为优选的实施方式,当炮孔起点位于分步开挖线上时,按照预设的归属规则将其归入分步开挖线一侧的相邻开挖步序区域。

18、作为优选的实施方式,在保留中间正常钻进段数据之后,还包括:

19、对所述正常钻进段数据内的随钻数据进行滑动中值滤波;

20、基于滤波后序列的一阶变化率,识别所述正常钻进段数据中的异常突变点;

21、根据未被识别为异常突变点的滤波后数据确定替换值,并采用所述替换值对所述异常突变点进行替换。

22、作为优选的实施方式,所述预训练的围岩智能分级模型通过以下步骤得到:

23、样本构建步骤:获取隧道各开挖循环对应的随钻数据及其围岩级别标签,以开挖循环为样本单元构建围岩级别分类样本集;

24、类别均衡步骤:对所述围岩级别分类样本集进行类别均衡处理,以使各类别样本数量趋于均衡;

25、模型训练步骤:将类别均衡处理后的样本集按照预设比例划分为训练集和测试集,对所述训练集和测试集分别进行归一化处理,基于归一化后的训练集采用随机森林模型进行训练,并通过超参数寻优方法确定最优超参数组合,得到所述围岩智能分级模型。

26、作为优选的实施方式,将所述各分块的特征信息集合输入至预训练的围岩智能分级模型,输出各分块对应的围岩级别判定结果,包括:

27、对各所述分块的特征信息集合中的各特征值进行归一化处理,使各特征值映射至统一数值区间;

28、将归一化处理后的各分块的特征信息集合分别输入所述预训练的围岩智能分级模型;

29、由所述模型输出各分块对应各围岩级别的预测概率,根据所述预测概率确定各分块的围岩级别判定结果。

30、第二方面,本发明实施例还提供了一种面向大跨地下洞室分步开挖的围岩智能分级系统,用于执行以上任一项所述的一种面向大跨地下洞室分步开挖的围岩智能分级方法,所述系统包括:

31、数据归集模块,用于获取大跨地下洞室分步开挖过程中的多份随钻数据,以施工位置信息为关联索引将属于同一原始断面的随钻数据进行归集,并保留各随钻数据对应的开挖步序标识,得到对应于同一原始断面的随钻数据集合;

32、区域划分模块,用于基于预设的分步开挖空间边界,将所述随钻数据集合中的各炮孔分配至对应的开挖步序区域,建立炮孔与开挖步序区域的空间隶属关系;

33、数据处理模块,用于根据所述炮孔与开挖步序区域的空间隶属关系将随钻数据分别归入对应的开挖步序区域,对各所述开挖步序区域内的随钻数据分别进行清洗,并按照空间位置划分为多个分块,并以各分块为单元进行特征提取,得到各分块的特征信息集合;

34、分级识别模块,用于将所述各分块的特征信息集合输入至预训练的围岩智能分级模型,输出各分块对应的围岩级别判定结果;

35、动态拼接模块,用于根据所述开挖步序标识确定的施工时序,依次选取已完成施工的开挖步序区域,将各开挖步序区域内各分块的围岩级别判定结果依次拼合至所述原始断面,在全部开挖步序完成后最终形成所述原始断面的完整围岩级别空间分布。

36、第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:

37、一个或多个处理器;

38、存储装置,用于存储一个或多个程序;

39、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的一种面向大跨地下洞室分步开挖的围岩智能分级方法。

40、第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的一种面向大跨地下洞室分步开挖的围岩智能分级方法。

41、综上所述,本发明实现了以下有益效果:

42、本发明通过以施工位置信息为关联索引将多份随钻数据归集至同一原始断面,避免了单文件识别造成的断面围岩信息割裂问题;基于分步开挖空间边界建立炮孔与开挖步序区域的空间隶属关系,在各开挖步序区域内独立进行清洗、分块和特征提取,避免了直接混合不同步序数据导致的步序边界模糊和围岩差异弱化问题;根据各开挖步序的施工时序,依次获取已施工步序对应的各分块的围岩级别判定结果;将各分块的围岩级别判定结果拼合至所述原始断面的对应位置,未施工步序区域保留为待获取状态并随后续步序完成逐步补全,实现了分步开挖条件下全断面围岩级别空间分布的逐步构建与动态更新。