物理自适应软边界的三段式围岩结构面样本构建方法及系统

本发明属于地下工程围岩探测、随钻测量数据处理、钻孔窥视图像分析、训练样本构建及智能识别数据集生成，具体涉及一种物理自适应软边界的三段式围岩结构面样本构建方法及系统。

背景技术：

1、在煤矿巷道、隧道等地下工程中，围岩内部通常发育有裂隙、离层、岩层界面等结构面，其空间分布、发育范围等特征直接影响围岩的完整性和承载能力，是巷道围岩稳定性评价及支护参数设计的重要依据。因此，快速、准确识别围岩结构面的类型及其赋存范围，对于保障地下工程安全施工具有重要意义。

2、目前，随钻参数与钻孔窥视数据已广泛应用于地下工程原位探测与智能识别领域。随钻探测技术通过采集钻孔过程的转速、钻速、推力、扭矩等钻进响应参数，能够连续反映钻头与围岩的相互作用过程；当钻头穿越裂隙、离层等围岩结构面时，随钻参数往往会出现突变或异常波动，因此可通过分析随钻数据判断围岩结构面的发育情况。钻孔窥视数据则能够以视觉图像方式呈现结构面起始位置、终止位置、视觉可见宽度、张开状态和边界模糊程度等特征，为结构面标注提供视觉依据。两类技术分别从力学响应与视觉表征维度提供信息，二者结合可为结构面识别模型提供多源训练数据基础。

3、然而，现有随钻结构面识别样本通常采用固定长度滑动窗口或人工截取方式构建，难以准确表达钻头进入结构面前、穿越结构面过程中以及穿越结构面后的响应差异。对于具有一定厚度和过渡区的结构面，若仅以单一硬边界或固定窗口作为标签，容易导致边界标签过于离散、模型对结构面起止深度学习不足以及样本质量难以控制的问题。

4、此外，井下钻孔条件复杂，结构面边界识别效果常受钻头尺寸、钻速与扭矩波动、孔壁成像质量以及结构面边界模糊度等因素影响；当不同结构面在同一窗口内叠加出现时，还会造成主结构面和辅结构面难以区分的问题。因此，亟需提供一种能够围绕结构面事件中心区间构建三段式样本、根据物理响应和视觉属性自适应生成软边界标签，并对样本质量进行量化评价的方法。

技术实现思路

1、针对上述现有技术存在的问题，本发明提供一种物理自适应软边界的三段式围岩结构面样本构建方法及系统，该方法能够提高围岩结构面识别模型训练样本的边界表达精度、样本质量可控性和工程适应性，适用于矿山巷道、隧道及地下工程围岩结构面随钻智能识别的数据集构建。该系统能有效解决现有技术中结构面边界表征不精细、多结构面标签混叠和样本质量不可控的问题，为地下工程围岩结构面的智能识别提供了可靠的样本构建系统级解决方案。

2、为了实现上述目的，本发明提供一种物理自适应软边界的三段式围岩结构面样本构建方法，包括以下步骤：

3、步骤1：数据获取与结构面事件中心区间确定；获取统一坐标系下的随钻参数序列和结构面标注结果，以结构面起止深度限定的区间作为事件中心区间；

4、步骤2：机械响应特征序列计算；基于随钻参数序列，计算沿钻孔深度方向分布的多维度机械响应特征；

5、步骤3：物理自适应影响半径计算；分别在结构面起止深度邻域内计算扰动和恢复强度，融合包含钻头直径、钻速、波动幅值和视觉属性的多源参数，自适应确定前置影响半径和后置影响半径；

6、步骤4：基于影响半径的三段式空间划分；以结构面事件中心区间为锚点，利用前置和后置影响半径自适应划分前置稳定段、结构面影响段和后置恢复段，并对复合结构面情形进行特殊处理；

7、步骤5：三段特征提取与样本单元封装；分别提取前置稳定段、结构面影响段和后置恢复段内的随钻统计特征和机械响应特征，计算入界和出界差分响应特征，按照预设模板封装为事件中心三段式样本单元；

8、步骤6：自适应软边界标签生成；基于影响半径等物理参数确定概率标签的深度扩展半径，生成起点和终点边界概率标签，并构建结构面存在概率掩膜，形成符合结构面过渡物理本质的软边界监督标签；

9、步骤7：多结构面主次标签生成与样本质量评价；针对单个样本单元内存在多个结构面的情形，基于多源信息计算各结构面的主次标签权重以区分主辅结构面；同时，综合图像质量、参数完整率和标注置信度等信息评价样本可靠度。

10、作为一种优选，在步骤1中，数据获取与结构面事件中心区间确定的过程如下：

11、s11：获取统一钻孔深度坐标系下的随钻参数序列和结构面标注结果；所述随钻参数序列包括钻进深度、钻进时间、钻速、转速、推力、扭矩、钻杆位移、钻进振动和钻机功率中的一种或多种；所述结构面标注结果至少包括结构面类型、结构面起始深度和结构面终止深度；

12、s12：以结构面起始深度和结构面终止深度限定的深度区间作为结构面事件中心区间；

13、s13：获取钻孔窥视视觉属性字段，钻孔窥视视觉属性字段包括结构面视觉可见宽度、结构面边界模糊度、结构面连续性和结构面张开状态中的一种或多种。

14、作为一种优选，在步骤2中，机械响应特征序列计算的过程如下：

15、根据随钻参数序列计算沿钻孔深度方向分布的机械响应特征序列；所述机械响应特征包括单位进尺能量、机械比能、扭推比、钻速残差、能量突变系数、钻进刚度变化率、推力波动强度和扭矩波动强度中的多种。

16、作为一种优选，在步骤3中，物理自适应影响半径计算的过程如下：

17、s31：分别在结构面起始深度邻域和结构面终止深度邻域计算入界扰动强度和出界恢复强度；

18、s32：基于钻头直径、当前钻速、采样时间间隔、推力波动幅值、扭矩波动幅值、结构面视觉可见宽度和结构面边界模糊度中的至少三种参数，结合入界扰动强度或出界恢复强度，分别确定结构面事件中心区间的前置影响半径和后置影响半径。

19、作为一种优选，在步骤4中，基于影响半径的三段式空间划分的过程如下：

20、以结构面事件中心区间为锚点，结合前置影响半径和后置影响半径，沿钻孔深度方向划分前置稳定段、结构面影响段和后置恢复段；

21、其中，前置稳定段的终点不超过结构面起始深度，其起点由结构面起始深度减去前置影响半径确定；结构面影响段覆盖结构面起始深度至结构面终止深度及其边界过渡范围，其起点为结构面起始深度减去前置影响半径，终点为结构面终止深度加上后置影响半径；后置恢复段的起点不小于结构面终止深度，其终点由结构面终止深度加上后置影响半径确定；各段的实际深度边界根据邻域内是否存在其他结构面标注区间进行自适应调整；

22、当前置稳定段或后置恢复段内存在其他结构面标注区间时，进行如下处理：若其他结构面标注区间与当前结构面事件中心区间的间距小于对应影响半径，则缩短当前结构面的前置影响半径或后置影响半径，使前置稳定段或后置恢复段的边界止于其他结构面标注区间的边界；或者将当前事件中心三段式样本单元标记为复合结构面样本，以提示该样本包含多个结构面的复杂响应信息。

23、作为一种优选，在步骤5中，三段特征提取与样本单元封装的过程如下：

24、s51：分别提取前置稳定段、结构面影响段和后置恢复段内的随钻统计特征和机械响应特征；所述随钻统计特征包括各分段内钻速、转速、推力、扭矩的均值、方差、最大值和最小值；所述机械响应特征为步骤2所述各机械响应特征在对应分段内的统计值，包括均值、方差和梯度；

25、s52：分别计算入界差分响应特征和出界差分响应特征；入界差分响应特征满足公式：；出界差分响应特征满足：；其中，为入界差分响应特征向量，为出界差分响应特征向量，、和分别为前置稳定段、结构面影响段和后置恢复段的特征向量，各特征向量由对应分段内的随钻统计特征和机械响应特征拼接而成，表示归一化处理；

26、s53：按照预设样本字段模板，将前置稳定段、结构面影响段和后置恢复段的深度边界、段内特征向量、入界差分响应特征、出界差分响应特征、结构面类型、前置影响半径、后置影响半径以及钻孔窥视视觉属性字段封装为事件中心三段式样本单元；

27、s54：为事件中心三段式样本单元绑定结构面类型标签、结构面起始深度信息、结构面终止深度信息和样本区间信息，形成用于围岩结构面识别模型训练、验证或样本库管理的基础数据样本。

28、作为一种优选，在步骤6中，自适应软边界标签生成的过程如下：

29、s61：获取事件中心三段式样本单元及其对应的结构面起始深度、结构面终止深度、前置影响半径和后置影响半径；

30、s62：根据前置影响半径、后置影响半径、钻头直径、当前钻速、推力波动幅值、扭矩波动幅值、结构面视觉可见宽度和结构面边界模糊度中的至少三种参数，分别确定起点边界概率标签的深度扩展半径和终点边界概率标签的深度扩展半径；

31、s63：根据结构面起始深度和起点边界概率标签的深度扩展半径生成起点边界概率标签；根据结构面终止深度和终点边界概率标签的深度扩展半径生成终点边界概率标签；

32、当结构面发育长度小于与之和时，按结构面发育长度对起点边界概率标签和终点边界概率标签的深度扩展半径进行比例压缩，压缩后的扩展半径分别为和；

33、s64：根据结构面深度区间、起点边界概率标签和终点边界概率标签生成结构面存在概率掩膜，且结构面存在概率掩膜满足如下条件：结构面中心区域的存在概率不低于0.8，结构面边界过渡区域的存在概率在0.2至0.8之间连续变化，结构面外侧稳定围岩区域的存在概率不高于0.2；当起点边界概率标签和终点边界概率标签发生重叠时，对重叠区域的存在概率进行限幅处理，使结构面存在概率不超过1；

34、s65：将起点边界概率标签、终点边界概率标签和结构面存在概率掩膜与事件中心三段式样本单元绑定，形成用于钻孔深度序列结构面边界学习的软边界监督标签。

35、作为一种优选，在步骤7中，多结构面主次标签生成与样本质量评价

36、s71：获取事件中心三段式样本单元中包含的多个结构面深度区间及其对应的视觉可见宽度、机械响应异常强度、与样本单元的深度重叠比例和标注置信度；

37、s72：分别计算每个结构面深度区间的视觉可见宽度归一化值、机械响应异常强度归一化值、与样本单元的深度重叠比例和标注置信度归一化值；深度重叠比例为结构面深度区间与当前样本单元的深度区间重叠长度占结构面深度区间总长度的比值，取值范围为[0,1]；

38、s73：根据视觉可见宽度、机械响应异常强度、深度重叠比例和标注置信度计算各结构面的主次标签权重；第个结构面的主次标签权重满足：,其中为第个结构面的视觉可见宽度归一化值；为第个结构面对应的机械响应异常强度归一化值；为第个结构面与样本单元的深度重叠比例；为第个结构面的标注置信度归一化值；至为预设权重系数；表示对同一样本单元内全部个结构面求和；

39、s74：根据主次标签权重确定主结构面标签和辅结构面标签；将主次标签权重最大的结构面确定为主结构面标签，将主次标签权重不低于预设辅标签阈值的其他结构面确定为辅结构面标签；当全部辅结构面的主次标签权重均低于预设辅标签阈值时，仅保留主结构面标签；将主结构面标签和辅结构面标签与事件中心三段式样本单元绑定；

40、s75：获取事件中心三段式样本单元及其对应的钻孔窥视图像清晰度、随钻参数完整率、结构面边界标注置信度和深度校正残差；

41、s76：根据钻孔窥视图像清晰度、随钻参数完整率、结构面边界标注置信度和深度校正残差计算样本可靠度，其中为钻孔窥视图像清晰度归一化值；为随钻参数完整率；为结构面边界标注置信度归一化值；为深度校正残差归一化值；至为预设权重系数，且满足；

42、s77：根据样本可靠度确定事件中心三段式样本单元的样本权重或复核状态；当样本可靠度低于预设可靠度阈值时，降低事件中心三段式样本单元的样本权重，降低方式为将原始权重乘以样本可靠度与可靠度阈值的比值，或者将事件中心三段式样本单元标记为待复核样本；当样本可靠度高于预设高可靠度阈值时，将事件中心三段式样本单元标记为高可信训练样本；将样本可靠度、样本权重或复核状态与事件中心三段式样本单元绑定，最终输出绑定有结构面类型标签、软边界监督标签、主次标签权重、样本可靠度和样本权重的完整事件中心三段式样本单元。

43、与现有技术相比，本发明具有以下有益效果：

44、1、本发明以结构面事件中心区间为锚点，自适应划分前置稳定段、结构面影响段和后置恢复段，并引入入界差分响应特征和出界差分响应特征，能够完整刻画钻头进入、穿越和退出结构面全过程中的动态机械响应变化。三段式样本单元不仅保留了结构面影响前后的完整钻进状态信息，还通过差分特征强化了结构面边界处的响应突变信号，显著提高了训练样本对结构面事件的表达能力。

45、2、本发明通过物理自适应影响半径确定三段式样本的空间边界，将钻头直径、钻速、采样时间间隔、推力波动幅值、扭矩波动幅值、结构面视觉可见宽度和结构面边界模糊度等多源参数融合为前置影响半径和后置影响半径的量化计算公式。该自适应划分机制使样本边界能够根据结构面实际物理特征和钻进工况动态调整，克服了固定窗口或固定半径划分对不同类型结构面适应性不足的问题，使三段式样本的空间划分更加贴合钻头穿越结构面时的实际影响范围。

46、3、本发明通过入界差分响应特征和出界差分响应特征的构建，将钻头由稳定围岩进入结构面以及由结构面恢复至稳定围岩时的特征变化模式量化为可计算的差分向量，为识别模型提供了具有明确物理含义的结构面边界判别特征，有效增强了模型对结构面起止深度的定位精度。

47、4、本发明通过起点边界概率标签、终点边界概率标签和结构面存在概率掩膜构成的软边界监督标签体系，替代传统硬边界标签。软边界标签的深度扩展半径由前置影响半径、后置影响半径、钻头直径、钻速和波动幅值等物理参数自适应确定，使结构面边界从离散的深度点转化为连续的概率分布，更加符合地质结构面边界因钻头尺寸效应、岩体渐变特性和钻进扰动传递形成的模糊过渡特征，能够有效降低固定窗口和硬边界标签带来的边界定位误差。

48、5、本发明通过主次标签权重计算机制，综合视觉可见宽度、机械响应异常强度、深度重叠比例和标注置信度四个维度的信息，对同一样本单元内多个结构面的重要性进行量化排序，能够有效区分主结构面和辅结构面，解决多结构面共存时样本标签混淆问题，提高多结构面场景下识别模型训练的针对性。

49、6、本发明通过样本可靠度评价机制，综合钻孔窥视图像清晰度、随钻参数完整率、结构面边界标注置信度和深度校正残差四个维度的信息，对每个样本单元的可靠性进行量化评分，并据此分配样本权重或标记复核状态。该机制能够识别低质量样本、待复核样本和高可信训练样本，使模型训练过程中能够侧重高质量样本、抑制低质量样本的负面影响，有利于提高围岩结构面识别模型的训练数据质量。

50、7、本发明对前置稳定段或后置恢复段内存在其他结构面标注区间的复合结构面情形进行特殊处理，通过缩短对应影响半径或标记为复合结构面样本，避免了多个结构面事件在样本空间中的边界冲突，确保样本构建方法在多结构面密集发育区段的有效性和稳定性。

51、8、本发明通过将软边界监督标签、主次标签权重、样本可靠度和样本权重与事件中心三段式样本单元绑定，输出结构完整、标注丰富、质量可控的高质量训练样本，可直接用于围岩结构面识别模型的训练、验证和样本库管理，为地下工程围岩结构面的智能识别提供了可靠的数据基础。

52、该方法以结构面事件中心区间为锚点，通过物理自适应影响半径划分三段式样本空间，并引入软边界概率标签、主次标签权重和样本可靠度评价，能够提高围岩结构面识别模型训练样本的边界表达精度、样本质量可控性和工程适应性，有效解决现有技术中结构面边界表征不精细、训练样本对结构面进入、穿越和恢复过程表征不足、软边界标签缺少物理自适应依据、多结构面标签混叠以及样本可靠性难以量化的问题，适用于矿山巷道、隧道及地下工程围岩结构面随钻智能识别的数据集构建。

53、本发明还提供了一种物理自适应软边界的三段式围岩结构面样本构建系统，用于实现一种物理自适应软边界的三段式围岩结构面样本构建方法，包括：

54、数据输入模块，用于获取统一钻孔深度坐标系下的随钻参数序列和结构面标注结果；

55、事件中心区间确定模块，用于以结构面起始深度和结构面终止深度限定的深度区间作为结构面事件中心区间；

56、机械响应特征计算模块，用于根据随钻参数序列计算沿钻孔深度方向分布的机械响应特征序列；

57、影响半径计算模块，用于根据钻头直径、当前钻速、采样时间间隔、推力波动幅值、扭矩波动幅值、结构面视觉可见宽度和结构面边界模糊度中的至少三种参数，结合入界扰动强度或出界恢复强度，分别确定结构面事件中心区间的前置影响半径和后置影响半径；

58、三段划分模块，用于以结构面事件中心区间为锚点，结合前置影响半径和后置影响半径，沿钻孔深度方向划分前置稳定段、结构面影响段和后置恢复段；

59、差分响应特征计算模块，用于分别计算入界差分响应特征和出界差分响应特征；

60、样本封装模块，用于按照预设样本字段模板，将前置稳定段、结构面影响段和后置恢复段的深度边界、段内特征向量、入界差分响应特征、出界差分响应特征、结构面类型、前置影响半径、后置影响半径以及钻孔窥视视觉属性字段封装为事件中心三段式样本单元，并为其绑定结构面类型标签、结构面起始深度信息、结构面终止深度信息和样本区间信息；

61、自适应软边界标签生成模块，用于根据前置影响半径、后置影响半径、钻头直径、当前钻速、推力波动幅值、扭矩波动幅值、结构面视觉可见宽度和结构面边界模糊度中的至少三种参数，分别确定起点边界概率标签的深度扩展半径和终点边界概率标签的深度扩展半径；根据结构面起始深度和起点边界概率标签的深度扩展半径生成起点边界概率标签，根据结构面终止深度和终点边界概率标签的深度扩展半径生成终点边界概率标签；根据结构面深度区间、起点边界概率标签和终点边界概率标签生成结构面存在概率掩膜；将起点边界概率标签、终点边界概率标签和结构面存在概率掩膜与事件中心三段式样本单元绑定，形成软边界监督标签；

62、主次标签与样本质量评价模块，用于在一个事件中心三段式样本单元中存在多个结构面深度区间时，根据各结构面的视觉可见宽度、机械响应异常强度、与样本单元的深度重叠比例和标注置信度计算主次标签权重，确定主结构面标签和辅结构面标签；同时，根据钻孔窥视图像清晰度、随钻参数完整率、结构面边界标注置信度和深度校正残差计算样本可靠度，并根据样本可靠度确定事件中心三段式样本单元的样本权重或复核状态；

63、样本库输出模块，用于输出绑定有结构面类型标签、软边界监督标签、主次标签权重、样本可靠度和样本权重的完整事件中心三段式样本单元。

64、本发明中，基于数据输入模块的设置，能从数据源头保证后续样本构建的空间一致性。基于事件中心区间确定模块的设置，能使样本模板直接围绕结构面发生区间建立，增强了样本与结构面事件的对应性。基于机械响应特征计算模块的设置，构建了沿钻孔深度方向分布的力学状态表征序列，为后续三段式样本的段内特征提取和差分响应特征计算提供了丰富的力学输入基础。基于影响半径计算模块的设置，实现了三段式样本空间边界的物理自适应确定，使影响半径能够根据结构面实际物理特征和钻进工况动态调整，并能够反映结构面入口与出口处扰动程度的不对称性。基于三段划分模块的设置，完整刻画了钻头进入、穿越和退出结构面全过程的钻进状态演变。同时，能够检测复合结构面情形并进行自适应边界调整或标记处理，避免了多个结构面事件在样本空间中的边界冲突。基于差分响应特征计算模块的设置，能为识别模型提供具有明确物理含义的结构面边界判别特征。基于样本封装模块的设置，能形成信息完整、可直接用于模型训练或样本库管理的基础数据样本。基于自适应软边界标签生成模块的设置，实现了结构面边界从离散深度点到连续概率分布的转化，使标签的模糊范围能够根据结构面实际物理特征自适应确定。同时，为识别模型提供了具有明确物理依据的软边界监督信号。基于主次标签与样本质量评价模块的设置，实现了同一样本单元内多个结构面重要性的量化排序，有效解决了多结构面共存时样本标签混淆问题。同时，为每个样本单元提供差异化的质量权重或复核标记，使模型训练过程中能够侧重高质量样本、抑制低质量样本的负面影响。基于样本库输出模块的设置，为围岩结构面识别模型的训练、验证和样本库管理提供了结构完整、标注丰富、质量可控的数据支撑。

65、该系统通过模块化协同架构，实现了围岩结构面识别训练样本从物理特征到高质量数据样本的完整构建，有效解决了现有技术中结构面边界表征不精细、多结构面标签混叠和样本质量不可控的问题，为地下工程围岩结构面的智能识别提供了可靠的样本构建系统级解决方案。