一种知识与数据融合驱动的岩石强度随钻预测方法及系统与流程

本发明涉及岩体性质预测，特别是涉及一种知识与数据融合驱动的岩石强度随钻预测方法及系统。

背景技术：

1、本部分陈述仅提供与本发明相关的背景技术信息，不必然构成在先技术。

2、在隧道、矿山及水利水电等地下工程的智能建造进程中，岩石强度的快速精准获取是保障围岩稳定与施工安全的关键，然而传统取芯试验方法周期长、代表性差，现有随钻预测手段中经验公式缺乏适应性、理论模型受限于均质假设、纯数据驱动方法因物理约束不足而可解释性与泛化能力薄弱，单一途径均难以兼顾机理一致性与学习能力的双重需求。

3、因此，现有技术无法将钻进破岩的细观物理机制与数据驱动的非线性映射能力进行深层融合，无法构建兼具物理可解释性和跨工况泛化能力的随钻预测模型，难以实现岩石强度的连续、精准、稳定原位感知，这极有可能导致围岩分级频繁误判、支护参数设计缺乏可靠依据、施工方案调整滞后，进而增加塌方、大变形等灾害事故的发生风险，严重威胁地下工程施工安全与建设效率。

技术实现思路

1、为了解决现有技术的不足，本发明提供了一种知识与数据融合驱动的岩石强度随钻预测方法及系统，通过数值试验构建细观破岩知识库，以特征筛选和物理约束双重嵌入融合数据驱动与物理模型，实现岩石强度精准稳定随钻预测。

2、为了实现上述目的，本发明是通过如下的技术方案来实现：

3、本发明第一方面，提供了一种知识与数据融合驱动的岩石强度随钻预测方法，包括：

4、通过数值试验构建细观破岩知识数据集；所述细观破岩知识数据集包含岩相特征、钻进参数、内部破岩变量以及数值单轴抗压强度；

5、从所述细观破岩知识数据集的原始钻进数据中，筛选对岩石强度敏感且工况稳定的钻进参数，并与岩相特征组合构成输入特征向量；按所述输入特征向量定义构建实测数据集，预训练数据驱动模型，获得初始网络参数；

6、基于所述内部破岩变量揭示的物理关系构建钻进破岩物理模型，并利用实测数据集中的训练集标定物理模型参数；

7、将所述数据驱动模型与物理模型并联，构建知识与数据融合模型；

8、将现场数据构建为输入特征向量，通过所述融合模型预测岩石强度。

9、进一步地，通过颗粒流离散元构建岩石细观数值模型，采用刚体单元或有限元构建钻具数值模型，并经接触耦合开展数值钻进与单轴压缩试验获得所述细观破岩知识数据集。

10、进一步地，基于细观破岩知识数据集，通过统计分析与物理关联验证相结合的方式，筛选对岩石强度敏感且工况稳定的钻进工况参数与钻进响应参数，并与岩相特征组合，构成输入特征向量。

11、进一步地，所述实测数据集通过对原始钻进数据进行预处理及空间对齐后，按输入特征向量定义构建；

12、其中，所述预处理包括异常值处理、滤波处理及缺失值处理。

13、进一步地，所述钻进破岩物理模型基于力学平衡与能量耗散关系构建，物理模型参数经细观破岩知识确定初值与取值范围后，由实测训练集标定。

14、进一步地，通过数据驱动预测值与实测值构建数据拟合项，与物理模型预测值构建物理约束项，组成联合损失函数优化网络参数获得所述知识与数据融合模型。

15、进一步地，现场预测时按实测阶段相同的预处理规则、特征定义和归一化参数构建现场输入特征向量，输入融合模型中得到岩石强度结果。

16、本发明第二方面，提供了一种知识与数据融合驱动的岩石强度随钻预测系统，包括：

17、数值知识数据集构建模块：用于通过数值试验构建细观破岩知识数据集；所述细观破岩知识数据集包含岩相特征、钻进参数、内部破岩变量以及数值单轴抗压强度；

18、特征级嵌入模块：用于从所述细观破岩知识数据集的原始钻进数据中，筛选对岩石强度敏感且工况稳定的钻进参数，并与岩相特征组合构成输入特征向量；

19、数据驱动预训练模块：用于按所述输入特征向量定义构建实测数据集，预训练数据驱动模型，获得初始网络参数；

20、物理模型构建与标定模块：用于基于所述内部破岩变量揭示的物理关系构建钻进破岩物理模型，并利用实测数据集中的训练集标定物理模型参数；

21、融合模型构建模块：用于将所述数据驱动模型与物理模型并联，构建知识与数据融合模型；

22、预测模块：用于将现场数据构建为输入特征向量，通过所述融合模型预测岩石强度。

23、本发明第三方面，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如第一方面所述方法的步骤。

24、本发明第四方面，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述方法的步骤。

25、与现有技术相比，本发明的有益效果是：

26、本发明通过将细观破岩知识以特征级嵌入（岩相与钻进特征组合）和模型级嵌入（物理约束联合损失函数）的双重方式深度融合于数据驱动模型，使预测网络在拟合实测数据的同时始终受钻进破岩物理机制引导，从而在保持纯数据方法非线性映射能力的基础上，提升模型跨岩性、跨工况的泛化能力和预测结果的物理可解释性，解决了现有方法中数据拟合精度高但机理一致性差的根本问题，实现了岩石强度随钻预测在准确性和稳定性上的双重突破。

1.一种知识与数据融合驱动的岩石强度随钻预测方法，其特征在于，包括：

2.如权利要求1所述的一种知识与数据融合驱动的岩石强度随钻预测方法，其特征在于，通过颗粒流离散元构建岩石细观数值模型，采用刚体单元或有限元构建钻具数值模型，并经接触耦合开展数值钻进与单轴压缩试验获得所述细观破岩知识数据集。

3.如权利要求1所述的一种知识与数据融合驱动的岩石强度随钻预测方法，其特征在于，基于细观破岩知识数据集，通过统计分析与物理关联验证相结合的方式，筛选对岩石强度敏感且工况稳定的钻进工况参数与钻进响应参数，并与岩相特征组合，构成输入特征向量。

4.如权利要求1所述的一种知识与数据融合驱动的岩石强度随钻预测方法，其特征在于，所述实测数据集通过对原始钻进数据进行预处理及空间对齐后，按输入特征向量定义构建；

5.如权利要求1所述的一种知识与数据融合驱动的岩石强度随钻预测方法，其特征在于，所述钻进破岩物理模型基于力学平衡与能量耗散关系构建，物理模型参数经细观破岩知识确定初值与取值范围后，由实测训练集标定。

6.如权利要求1所述的一种知识与数据融合驱动的岩石强度随钻预测方法，其特征在于，通过数据驱动预测值与实测值构建数据拟合项，与物理模型预测值构建物理约束项，组成联合损失函数优化网络参数获得所述知识与数据融合模型。

7.如权利要求1所述的一种知识与数据融合驱动的岩石强度随钻预测方法，其特征在于，现场预测时按实测阶段相同的预处理规则、特征定义和归一化参数构建现场输入特征向量，输入融合模型中得到岩石强度结果。

8.一种知识与数据融合驱动的岩石强度随钻预测系统，其特征在于，包括：

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述方法的步骤。