知识与数据融合驱动的岩体完整性随钻预测方法及系统与流程

本发明涉及岩体性质智能感知与预测领域，具体涉及一种知识与数据融合驱动的岩体完整性随钻预测方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了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、矿山巷道、水利水电地下洞室等地下工程施工过程中，岩体完整性是反映岩体结构面及裂隙发育程度的重要指标，可为围岩稳定性评价、支护参数设计、灾害风险判识及施工方案调整提供依据。

3、随着随钻测量技术的发展，可在钻进过程中连续获取钻压、转速、扭矩、钻进速度及钻进能量等参数。钻头接近或穿越结构面、裂隙及破碎区域时，相关随钻参数会产生波动或突变，因此可利用随钻参数实现岩体完整性预测。现有预测方法主要通过构建钻进过程指数、提取参数波动特征或采用机器学习建立随钻参数与岩体完整性之间的映射关系，虽然能够实现岩体完整性的快速预测，但多数以经验关系、统计特征或纯数据驱动模型为主。基于经验关系和统计特征的预测方法容易受到岩性、钻头类型和钻进工况变化的影响，而基于纯数据驱动模型的预测方法又存在物理机理约束不足、特征可解释性较弱及跨工况泛化能力有限的问题。

技术实现思路

1、针对现有技术的不足，本发明的目的在于提供一种知识与数据融合驱动的岩体完整性随钻预测方法及系统，解决现有岩体完整性随钻预测方法物理机理约束不足、输入特征可解释性较弱，以及不同地质条件和钻进工况下模型泛化能力有限的问题。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，提供了一种知识与数据融合驱动的岩体完整性随钻预测方法，包括：

4、建立考虑岩体结构面特征的钻进全过程岩体数值模型，根据岩体结构面几何参数计算相应的岩体完整性表征参数；

5、基于所述钻进全过程岩体数值模型，开展不同岩体完整性和不同钻进工况下的数值钻进试验，构建试验数据集，分析钻头与结构面的相互作用过程以及钻进响应和内部破岩变量的演化规律，筛选出岩体完整性随钻识别特征，构建输入特征向量；

6、获取实际钻进数据及对应的岩体完整性表征参数实测值，并基于所述输入特征向量构建实测数据集；构建数据驱动模型，基于所述实测数据集对数据驱动模型进行训练；基于钻头与结构面的相互作用关系和能量耗散理论，构建理论预测模型，利用所述实测数据集对所述理论预测模型进行标定和验证；

7、将所述岩体完整性数据驱动模型与所述理论预测模型并联，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，通过所述知识与数据融合模型预测岩体完整性。

9、进一步的，所述建立考虑岩体结构面特征的钻进全过程岩体数值模型，具体为：基于岩体结构面几何参数和力学参数建立含不同结构面特征的裂隙岩体数值模型；

10、构建钻具数值模型，将钻具数值模型置于所述裂隙岩体数值模型表面，并通过接触耦合形成能够模拟钻头在完整岩块内钻进、接近结构面、穿越结构面及进入下一岩块过程的钻进全过程岩体数值模型；

11、在所述钻进全过程岩体数值模型中设置钻进工况参数，并设置钻进响应参数以及裂纹扩展、损伤累积和能量耗散内部破岩变量的监测与输出功能。

12、进一步的，所述分析钻头与结构面的相互作用过程以及钻进响应和内部破岩变量的演化规律，筛选出岩体完整性随钻识别特征，构建输入特征向量，具体为：基于所述试验数据集，从钻进响应参数中提取反映钻头在完整岩块内钻进、接近结构面和穿越结构面过程的候选特征；

13、依据所述候选特征对岩体完整性表征参数的敏感性、在不同钻进工况下的稳定性以及候选特征之间的冗余性，对所述候选特征进行筛选；

14、依据钻头与结构面的相互作用过程以及钻进响应和内部破岩变量的演化规律，对筛选结果进行物理关联验证，并将通过物理关联验证的钻进特征与钻进工况参数组合，构建输入特征向量。

15、进一步的，基于所述输入特征向量构建实测数据集，具体为：对所述实际钻进数据进行预处理，并按照所述输入特征向量的形式进行特征计算，得到相应的实测数据输入特征向量；

16、依据钻进深度或空间位置，将所述实测数据输入特征向量与对应钻进区段的岩体完整性表征参数实测值进行匹配，构建实测数据集；

17、基于所述实测数据集对数据驱动模型进行训练，具体为：以所述实测数据输入特征向量为输入，以对应的岩体完整性表征参数实测值为输出标签，对数据驱动模型进行训练。

18、进一步的，所述基于钻头与结构面的相互作用关系和能量耗散理论，构建理论预测模型，具体为：基于所述数值钻进试验，分析钻头接近和穿越结构面过程中钻进响应及能量耗散的演化规律，确定能够反映钻头和结构面相互作用的候选物理关系项；根据所述候选物理关系项对岩体完整性变化的敏感性、在不同钻进工况下的稳定性以及候选物理关系项之间的冗余性，选取用于构建理论预测模型的物理关系项；

19、根据所选取的物理关系项与岩体完整性表征参数之间的映射关系，构建理论预测模型，所述理论预测模型的输入为由所述物理关系项构成的物理关系项向量，输出为岩体完整性理论预测值。

20、进一步的，将所述岩体完整性数据驱动模型与所述理论预测模型并联，构建知识与数据融合模型，具体为：

21、将所述数据驱动模型与标定后的理论预测模型并联设置，将同一输入特征向量分别输入所述数据驱动模型和理论预测模型，获得岩体完整性数据预测值和岩体完整性理论预测值；

22、根据所述岩体完整性数据预测值与岩体完整性表征参数实测值之间的误差构建数据拟合项，根据所述岩体完整性数据预测值与岩体完整性理论预测值之间的残差构建物理约束项，将所述数据拟合项与所述物理约束项加权组合形成联合损失函数；

23、以所述联合损失函数为优化目标更新所述数据驱动模型的模型参数，获得知识与数据融合模型。

24、第二方面，提供了一种知识与数据融合驱动的岩体完整性随钻预测系统，包括：

25、数值模型构建模块，被配置为：建立考虑岩体结构面特征的钻进全过程岩体数值模型，根据岩体结构面几何参数计算相应的岩体完整性表征参数；

26、数值试验与特征构建模块，被配置为：基于所述钻进全过程岩体数值模型，开展不同岩体完整性和不同钻进工况下的数值钻进试验，构建试验数据集，分析钻头与结构面的相互作用过程以及钻进响应和内部破岩变量的演化规律，筛选出岩体完整性随钻识别特征，构建输入特征向量；

27、数据驱动模型与理论预测模型构建模块，被配置为：获取实际钻进数据及对应的岩体完整性表征参数实测值，并基于所述输入特征向量构建实测数据集；构建数据驱动模型，基于所述实测数据集对数据驱动模型进行训练；基于钻头与结构面的相互作用关系和能量耗散理论，构建理论预测模型，利用所述实测数据集对所述理论预测模型进行标定和验证；

28、融合模型构建模块，被配置为：将所述岩体完整性数据驱动模型与所述理论预测模型并联，构建知识与数据融合模型；

29、预测输出模块，被配置为：将现场数据构建为输入特征向量，通过所述知识与数据融合模型预测岩体完整性。

30、第三方面，还提供了一种电子设备，包括：

31、存储器，用于存储计算机程序；

32、处理器，与所述存储器连接，用于执行所述计算机程序；

33、其中，所述计算机程序被所述处理器执行时，使所述电子设备执行上述第一方面所述的知识与数据融合驱动的岩体完整性随钻预测方法。

34、第四方面，提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如上述第一方面所述方法。

35、第五方面，提供了一种计算机程序产品，采用如下技术方案：

36、一种计算机程序产品，包括软件代码，所述软件代码中的程序执行如本发明第一方面所述的方法中的步骤。

37、上述技术方案具有如下优点或有益效果：

38、（1）本发明通过数值钻进试验揭示岩体完整性变化与钻进响应之间的内在关系，并据此筛选和验证输入特征，提高了岩体完整性随钻预测的物理可解释性。

39、（2）本发明将数据驱动模型与理论预测模型并联，以二者预测结果之间的残差构建物理约束，使实测数据与破岩机理协同参与模型训练，有助于提高预测的准确性、稳定性和跨工况泛化能力。