基于机器学习的隧道地质勘察岩性识别分析及应用研究

摘要：

为提高水平定向钻勘察中岩性识别的效率,基于机器学习算法采用钻进参数识别围岩岩性.以新疆某隧道工程为例,通过对水平定向钻的工作原理进行分析,采用钻进速度、校正后的钻孔底部压强、泥浆压力和进浆流量作为输入特征预测围岩岩性.对KNN(k-nearest neighbor)算法和随机森林算法各设置 48 个超参数,测试集的平均准确率分别为 83.28%和 93.04%,模型不存在欠拟合和过拟合问题.将五分类问题转化为 5 个二分类问题,2 种算法的准确率、精确率、召回率、F1 值基本均在 90.00%以上,受试者工作特征(receiver operating characteristic,ROC)曲线中曲线下面积(area under curve,AUC)也接近于 1.使用Smote过采样后的KNN算法和随机森林算法都具有良好的鲁棒性和泛化能力,但综合各项评价指标可知,使用随机森林模型预测围岩岩性的效果更佳.

关键词：隧道、地质勘察、水平定向钻、岩性识别、KNN算法、随机森林算法、机器学习

所属期刊栏目：43

分类号：U45(隧道工程)

资助基金：新疆维吾尔自治区科技重大专项;中交集团重点专项

在线出版日期：2023-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1549-1557