买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京交通大学

摘要：本申请公开了一种隧道岩体参数预测方法及装置，本申请方法包括获取与未掘进岩体相邻的已掘进岩体被掘进过程中的掘进参数、渣土特征参数、掘进机刀盘处与撑靴处的振动信息，掘进参数包括刀盘转速、刀盘扭矩、贯入度、切深指数，渣土特征参数包括不均匀系数、曲率系数、最大粒径、粗糙度指数，振动信息包括振动加速度有效值、振动平均幅值、振动峰值、振动平均极值；将掘进参数、渣土特征参数、振动信息输入基于随机森林分类与BP神经网络回归相融合的岩体参数预测模型，输出未掘进岩体的岩体参数预测结果。本申请解决如何更准确地对围岩参数进行预测。

主权项：1.一种隧道岩体参数预测方法，其特征在于，所述方法包括：获取与未掘进岩体相邻的已掘进岩体被掘进过程中的掘进参数、渣土特征参数、掘进机刀盘处与撑靴处的振动信息，所述掘进参数包括刀盘转速、刀盘扭矩、贯入度、切深指数，所述渣土特征参数包括不均匀系数、曲率系数、最大粒径、粗糙度指数，所述振动信息包括振动加速度有效值、振动平均幅值、振动峰值、振动平均极值；将所述掘进参数、所述渣土特征参数、所述振动信息输入基于随机森林分类与BP神经网络回归相融合的岩体参数预测模型，输出未掘进岩体的岩体参数预测结果，所述岩体参数预测模型是基于随机森林算法的岩体完整度分类预测模型和基于BP神经网络的岩体感知模型融合得到的，其中，所述岩体完整度分类预测模型是根据掘进参数、渣土特征参数、振动信息预测岩体完整程度的模型，所述岩体感知模型是根据掘进参数、渣土特征参数、振动信息、岩体完整程度预测岩体参数的模型；所述获取与未掘进岩体相邻的已掘进岩体被掘进过程中的掘进参数、渣土特征参数、掘进机刀盘处与撑靴处的振动信息包括：基于掘进机的掘进参数实时监测设备获取所述掘进参数；对已掘进岩体掘进过程中产生的渣土对应的渣土图像进行图像识别确定所述渣土特征参数；基于掘进机的振动监测设备获取所述振动信息；所述岩体参数预测模型包括分类模型和回归模型，所述分类模型为基于随机森林分类算法的岩体完整度分类预测模型，所述回归模型为基于BP神经网络的岩体感知模型，两个模型都包括输入层、隐藏层、输出层；所述岩体参数预测模型的工作流程为，将刀盘转速、刀盘扭矩、贯入度、切深指数、不均匀系数、曲率系数、最大粒径、粗糙度指数、振动加速度有效值、振动平均幅值、振动峰值、振动平均极值12个指标通过分类模型得到完整程度分类结果；然后将12个指标以及完整程度分类结果作为回归模型的13个输入参数通过回归模型得到岩体强度和体积节理数，模型中的岩体强度、体积节理数、完整程度分类结果均为预测值。

全文数据：

权利要求：

百度查询： 北京交通大学 隧道岩体参数预测方法及装置