基于机器学习的隧道地质勘察岩性识别分析及应用研究

作者：程勇; 王琛; 刘夏临; 刘继国; 陈世纪; 黄胜

来源：隧道建设 (中英文), 2023, 43(09): 1549-1557.

• 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

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。

• 出版日期2023
• 单位土木工程学院; 中交第二公路勘察设计研究院有限公司; 中山大学