地质类型的识别方法及装置、存储介质、计算机设备制造方法及图纸

本发明专利技术公开了一种地质类型的识别方法及装置、存储介质、计算机设备，涉及盾构机技术领域，主要目的在于解决现有地质类型的识别准确性较差的问题。包括：获取待识别的盾构掘进参数；基于预先构建数据树的k均值聚类算法对所述盾构掘进参数进行聚类处理，所述k均值聚类算法中的k值为基于样本距离匹配的所述数据树中的枝节点数确定的；根据聚类处理后的聚类结果，以及土质特征识别，确定地质类型。主要用于地质类型的识别。地质类型的识别。地质类型的识别。

【技术实现步骤摘要】
地质类型的识别方法及装置、存储介质、计算机设备


[0001]本专利技术涉及一种盾构机
，特别是涉及一种地质类型的识别方法及装置、存储介质、计算机设备。

技术介绍

[0002]随着数据分析技术的发展，使得数据挖掘技术应用到盾构掘进过程中成为可能。盾构技术已经成为我国交通基础建设的重要支撑。在盾构法施工时，需要提前勘测施工地点的水文地质等条件，以便选取合适的盾构机型号并作为驾驶员操控盾构机的重要依据。由于地质情况复杂多变，往往采集到的地质信息具有很多局限性和不准确性。而在盾构施工过程中对掘进参数的实时分析可以及时反馈当前的地质信息，这对盾构施工的安全与质量都具有很大的帮助。因此，如何基于盾构掘进参数，利用人工智能与数据挖掘技术实现地质智能识别，是目前盾构技术研究的热点和难点问题，也是实现盾构机智能化的重要基础。
[0003]目前，现有的利用盾构掘进参数分析地质地层通常是使用有监督的BP神经网络模型，但是，针对BP神经网络模型进行参数分析地质地层时，对采集的数据的准确性要求较高，才能训练出精准的模型，并且，神经网络模型并不能有效地反映出不同地质下掘进参数的分布特征，从而导致了地质类型的识别准确性较差。

技术实现思路

[0004]有鉴于此，本专利技术提供一种地质类型的识别方法及装置、存储介质、计算机设备，主要目的在于解决现有地质类型的识别准确性较差的问题。
[0005]依据本专利技术一个方面，提供了一种地质类型的识别方法，包括：
[0006]获取待识别的盾构掘进参数；
[0007]基于预先构建数据树的k均值聚类算法对所述盾构掘进参数进行聚类处理，所述k均值聚类算法中的k值为基于样本距离匹配的所述数据树中的枝节点数确定的；
[0008]根据聚类处理后的聚类结果，以及土质特征识别，确定地质类型。
[0009]依据本专利技术另一个方面，提供了一种地质类型的识别装置，包括：
[0010]获取模块，用于获取待识别的盾构掘进参数；
[0011]处理模块，用于基于预先构建数据树的k均值聚类算法对所述盾构掘进参数进行聚类处理，所述k均值聚类算法中的k值为基于样本距离匹配的所述数据树中的枝节点数确定的；
[0012]识别模块，用于根据聚类处理后的聚类结果，以及土质特征识别，确定地质类型。
[0013]根据本专利技术的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述地质类型的识别方法对应的操作。
[0014]根据本专利技术的再一方面，提供了一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0015]所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述地质类型的识别方法对应的操作。
[0016]借由上述技术方案，本专利技术实施例提供的技术方案至少具有下列优点：
[0017]本专利技术提供了一种地质类型的识别方法及装置、存储介质、计算机设备，与现有技术相比，本专利技术实施例的数据树k均值聚类算法有效实现了k值的优化，相比传统依靠经验判断确定k值的方法更加科学可靠。构建样本数据的数据树还能够直观地反映样本点间的亲疏程度，高效地识别出地质类型，具有较高的准确率，算法更加可靠有效，进一步基于数据驱动的方法，能够有效挖掘地层信息及地质特征，准确预测地质情况。
[0018]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0019]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0020]图1示出了本专利技术实施例提供的一种地质类型的识别方法流程图；
[0021]图2示出了本专利技术实施例提供的一种地质识别标记示意图；
[0022]图3示出了本专利技术实施例提供的一种盾构掘进参数总推力在三种不同地质情况下的动态变化示意图；
[0023]图4示出了本专利技术实施例提供的一种掘进速度在三种不同地质情况下的动态变化示意图；
[0024]图5示出了本专利技术实施例提供的一种土仓压力在三种不同地质情况下的动态变化示意图；
[0025]图6示出了本专利技术实施例提供的一种地质类型的识别装置组成框图；
[0026]图7示出了本专利技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0027]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0028]本专利技术实施例提供了一种地质类型的识别方法，如图1所示，该方法包括：
[0029]101、获取待识别的盾构掘进参数。
[0030]其中，所述盾构掘进参数包括总推力、掘进速度、土仓压力，盾构机掘进过程中，推力用于克服盾构外壳与地层之间的摩阻力、刀盘正前方土体的正面推进阻力、土的粘结力、盾尾密封对管片的摩阻力、后配套设备的牵引阻力等，与隧道埋深、地质参数、控制参数、施工要求等有关，建立所述盾构掘进参数总推力的数学模型为
式中：F为盾构总推力，μ1为盾体与周围土体的摩擦系数，γ为土体容重，g为重力加速度，D为盾构机直径，k0为土体侧压力系数，H为盾构埋深，μ2为盾尾密封刷与管片间的摩擦系数，n1为盾尾内管片的环数，G
s
每片管片的自重，n2为盾尾密封刷的层数，D
S
为管片外径，l为密封刷与管环的接触长度，p
T
为密封刷的压强，μ3为后配套车和轨道之间的摩擦系数，G
C
为后配套车自重，G为盾构机的重力，c为刀盘开口率，h为盾构机轴线到地面的距离，p0为密封舱内土压力。盾构始发掘进前需确定土仓压力值。土仓压力P主要包括水压力、静止土压力、以及预备压力P
′
，计算公式为：P＝γ
w
h+k0[(γ-γ
w
)]h+γ(H-h)]+P
′
，式中：γ
w
为水容重，h为地下水位以下的隧道埋深，P
′
根据不同地质确定为常数。所述掘进速度为盾构机掘进过程中采样时刻的瞬时速度。
[0031]需要说明的是，本专利技术实施例中，由于盾构机掘进过程中所包含的参数很多，且受不同地质环境的影响，因此在获取待识别的盾构掘进参数之前还需要进行掘进参数与地质相关性的分析，从而确定待识别的盾构掘进参数。
[0032]102、基于预先构建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地质类型的识别方法，其特征在于，包括：获取待识别的盾构掘进参数；基于预先构建数据树的k均值聚类算法对所述盾构掘进参数进行聚类处理，所述k均值聚类算法中的k值为基于样本距离匹配的所述数据树中的枝节点数确定的；根据聚类处理后的聚类结果，以及土质特征识别，确定地质类型。2.根据权利要求1所述的方法，其特征在于，所述获取待识别的盾构掘进参数之前，所述方法还包括：获取盾构机在盾构掘进过程中的盾构掘进参数样本集，所述盾构掘进参数样本集中的任意一个盾构掘进参数样本至少包括掘进参数总推力、掘进速度、土仓压力、刀盘扭矩、螺旋机压力、螺旋机转速、地质类型中的任意三项；根据相关性分析方法对所述盾构掘进参数样本集中的任意盾构掘进参数样本与地质类型进行相关系数计算；当计算出的相关系数大于预设相关系数阈值、和/或对应的土质显著性参数小于预设显著性阈值时，确定匹配所述相关系数的盾构掘进参数样本为所述地质类型待识别的盾构掘进参数。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：构建所述盾构掘进参数的数据树；根据所述数据树，选取符合预设样本距离的枝节点数，确定为所述k均值聚类算法的k值；在所述k均值聚类算法迭代过程中，基于当前质心距离与上一迭代过程中的质心距离的差值与预设的差异容忍度确定完成所述k均值聚类算法的训练，得到构建数据树的k均值聚类算法。4.根据权利要求3所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：刘宣宇，何权辉，丛秋梅，
申请(专利权)人：辽宁石油化工大学，
类型：发明
国别省市：