基于WOA-XGBoost、GP和Kriging技术的采场稳定性预测方法

    公开(公告)号:CN117763973A

    公开(公告)日:2024-03-26

    申请号:CN202410024858.5

    申请日:2024-01-08

    Applicant: 中南大学

    Abstract: 一种基于WOA‑XGBoost、GP和Kriging技术的采场稳定性预测方法,搭建采场稳定性预测数据库;构建采场稳定性混合预测模型WOA‑XGBoost;基于WOA‑XGBoost模型,引入遗传编程GP技术和Kriging技术,进行采场稳定性预测;利用WOA‑XGBoost模型依据新采集的水力半径和稳定数直接输出采场稳定性等级并更新稳定图;基于数据库,利用遗传编程GP算法进行采场稳定概率的获取,进一步判定稳定性;借助Kriging插值技术,引入两种分区亚类,应用拟合技术获取不同分区的决策边界表达式,形成新的稳定图分区形式,最后,输出Kriging插值图。该方法预测精度高,能依据新增数据对稳定图进行有效的更新,可显著提升采场稳定性评估的可靠性。

    基于集成线性森林和随钻参数的岩体抗剪强度测定方法

    公开(公告)号:CN117494570B

    公开(公告)日:2024-08-16

    申请号:CN202311519451.1

    申请日:2023-11-15

    Abstract: 一种基于集成线性森林和随钻参数的岩体抗剪强度测定方法,结合岩体的多种随钻参数和岩芯力学参数生成工程岩体的原始随钻信息数据库;采用随机游走策略对GWO进行改进,构建具有更强搜索能力的RWGWO算法,基于线性树模型的装袋集合原理构建集成线性森林模型;结合集成线性森林模型与改进的RWGWO算法获得基于随钻参数的岩体抗剪强度获取模型;筛选出性能最优的混合模型,然后将随钻测试数据输入到RWGWO‑ELRF评估模型中,获取对应案例的内摩擦角和粘聚力预测值,最后得到内摩擦角预测对比图、粘聚力预测对比图;对最终的RWGWO‑ELRF评估模型进行可解释性分析。该方法可实现基于数字钻探的岩石力学参数快速有效测定。

    考虑诱发岩爆内外因和多因子结合策略的岩爆判据方法

    公开(公告)号:CN115730518A

    公开(公告)日:2023-03-03

    申请号:CN202211441565.4

    申请日:2022-11-17

    Applicant: 中南大学

    Abstract: 本发明公开了考虑诱发岩爆内外因和多因子结合策略的岩爆判据方法,包括以下步骤:S1:选取表达式控制因子,基于多种经验岩爆判据以及必备的岩爆发生条件,综合影响诱发岩爆的内外因,选用了完整性指数、应力指数、脆性指数和弹性能量指数作为岩爆判据Rbi表达式的控制因子;S2:参考岩体质量分类Q系统,通过相乘策略思想,提出了岩爆判据Rbi表达式;本发明能够考虑内外因素,且通用性、预测精度较高的经验判据,对岩爆快速准确判别及防控十分必要。

    基于集成线性森林和随钻参数的岩体抗剪强度测定方法

    公开(公告)号:CN117494570A

    公开(公告)日:2024-02-02

    申请号:CN202311519451.1

    申请日:2023-11-15

    Abstract: 一种基于集成线性森林和随钻参数的岩体抗剪强度测定方法,结合岩体的多种随钻参数和岩芯力学参数生成工程岩体的原始随钻信息数据库;采用随机游走策略对GWO进行改进,构建具有更强搜索能力的RWGWO算法,基于线性树模型的装袋集合原理构建集成线性森林模型;结合集成线性森林模型与改进的RWGWO算法获得基于随钻参数的岩体抗剪强度获取模型;筛选出性能最优的混合模型,然后将随钻测试数据输入到RWGWO‑ELRF评估模型中,获取对应案例的内摩擦角和粘聚力预测值,最后得到内摩擦角预测对比图、粘聚力预测对比图;对最终的RWGWO‑ELRF评估模型进行可解释性分析。该方法可实现基于数字钻探的岩石力学参数快速有效测定。

    基于梯度提升决策树和随钻参数的岩体完整性识别方法

    公开(公告)号:CN117743978A

    公开(公告)日:2024-03-22

    申请号:CN202311740522.0

    申请日:2023-12-18

    Applicant: 中南大学

    Abstract: 一种基于梯度提升决策树和随钻参数的岩体完整性识别方法。获取钻孔随钻参数与孔壁图像信息,应用统计分析方法并参考经典岩体质量分级技术,构建包含岩体随钻参数与完整性等级的数据库,展开相关性分析;基于已建数据库开展建模工作,引入梯度提升决策树GBDT分类算法;借助灰狼优化算法GWO,完成GBDT分类器中核心参数的智能配置,形成性能可靠、泛化稳定的混合分类模型GWO‑GBDT;应用多种评估指标筛选最优混合分类模型,确保随钻参数与岩体完整性的转化精度达到可应用标准;获取输入参数的重要性分析结果,由GWO‑GBDT模型导出相应的二维预测分析图。该方法能通过一体化的流程科学合理地实现岩体完整性的高精度识别。

Patent Agency Ranking