一種基于RS-XGBoost的隧道超前鉆探定量解譯方法及設(shè)備
基本信息
申請?zhí)?/td> | CN202110674747.5 | 申請日 | - |
公開(公告)號 | CN113326661A | 公開(公告)日 | 2021-08-31 |
申請公布號 | CN113326661A | 申請公布日 | 2021-08-31 |
分類號 | G06F30/27(2020.01)I;G06K9/62(2006.01)I;G06N20/20(2019.01)I | 分類 | 計算;推算;計數(shù); |
發(fā)明人 | 彭浩;梁銘;宋冠先;朱孟龍;解威威;馬文安;馬必聰;周邦鴻;鐘華;楊康;張亞飛 | 申請(專利權(quán))人 | 廣西路橋工程集團有限公司 |
代理機構(gòu) | 四川力久律師事務(wù)所 | 代理人 | 馮精恒 |
地址 | 530000廣西壯族自治區(qū)南寧市良慶區(qū)平樂大道21號 | ||
法律狀態(tài) | - |
摘要
摘要 | 本發(fā)明涉及隧道工程領(lǐng)域,特別是一種基于RS?XGBoost的隧道超前鉆探定量解譯方法及設(shè)備。本發(fā)明通過對待挖掘隧道進行隨機采樣,獲取待挖掘隧道的鉆探數(shù)據(jù)并進行初步處理后,將其輸入到預先搭建的RS?XGBoost模型進行定量解譯,輸出定量解譯結(jié)果。通過結(jié)合XGBoost機器學習模型強大的非線性數(shù)據(jù)分析性能以及RS隨機搜索高效的超參數(shù)尋優(yōu)能力,在保證了隧道不良地質(zhì)體識別與分類的準確度的前提下大大降低了模型建立的難度,也避開了人工調(diào)參的不良影響;同時提出以不良地質(zhì)體類型作為機器學習模型解譯結(jié)果,以對隧道較為常見、危害性較強的幾類不良地質(zhì)體作為定量智能解譯結(jié)果,并根據(jù)解譯結(jié)果及時調(diào)整開挖方式及支護措施,進而指導隧道現(xiàn)場施工。 |
