多种机器学习方法在岩质类型快速判别中的可靠性分析

汪长重; 韩旭; 赵鑫; 项洋; 于起超

doi:10.20040/j.cnki.1000-7709.2024.20231155

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

多种机器学习方法在岩质类型快速判别中的可靠性分析

工程勘测设计 | 更新时间：2026-02-25

- 多种机器学习方法在岩质类型快速判别中的可靠性分析
- 多种机器学习方法在岩质类型快速判别中的可靠性分析
- 水电能源科学 2024年第6期页码：88-92
- 作者机构：
  
  1. 长江岩土工程有限公司
  2. 国家大坝安全工程技术研究中心
  3. 水利部水网工程与调度重点实验室
- 作者简介：
- 基金信息：
  
  长江岩土工程有限公司自主科研项目(KCZC0959);水利部水网工程与调度重点实验室开放研究基金项目(CX2023Z02-1)
- DOI：10.20040/j.cnki.1000-7709.2024.20231155
  中图分类号： TP181;TV223.1
- 纸质出版：2024
- 稿件说明：
移动端阅览
汪长重, 韩旭, 赵鑫, 等. 多种机器学习方法在岩质类型快速判别中的可靠性分析[J]. 水电能源科学, 2024,(6):88-92.

汪长重, 韩旭, 赵鑫, et al. 多种机器学习方法在岩质类型快速判别中的可靠性分析[J]. 2024, (6): 88-92.
汪长重, 韩旭, 赵鑫, 等. 多种机器学习方法在岩质类型快速判别中的可靠性分析[J]. 水电能源科学, 2024,(6):88-92. DOI： 10.20040/j.cnki.1000-7709.2024.20231155.

汪长重, 韩旭, 赵鑫, et al. 多种机器学习方法在岩质类型快速判别中的可靠性分析[J]. 2024, (6): 88-92. DOI： 10.20040/j.cnki.1000-7709.2024.20231155.

摘要

针对复杂地质条件下水利水电工程中采用传统钻探和试验方法获取岩体强度成本高、耗时长等问题，开创性将机器学习方法引入岩质类型判别中，实现对复合定向钻探岩质类型的快速判别，为地下工程围岩类别的快速划分提供支撑。依托水利水电工程超深复合定向钻关键技术研究及应用项目，结合已有地质资料，采用10种机器学习分类算法对复合定向钻钻进参数进行岩质类型判别，并详细对比分析模型判别效果。结果表明，RF、AdaBoost、CatBoost、KNN、SVM、ExtraTree表现较好，其中AdaBoost表现最佳；验证了机器学习方法在岩质类型判别上的可行性与可靠性，为后续算法选择优化提供了指导。

Abstract

关键词

Keywords

references

张晟斌,舒恒,刘夏临,黄胜,周浩.基于机器学习的水平定向钻钻孔围岩智能分类探讨[J].人民长江,2023(12).

王光宇,宋建国,徐飞,张文,刘炯,陈飞旭.不平衡样本集随机森林岩性预测方法[J].石油地球物理勘探,2021(04).

李岩,袁弘宇,于佳乔,张更伟,刘克平.遗传算法在优化问题中的应用综述[J].山东工业技术,2019(12).

王琦,孙会彬,江贝,高松,李术才,高红科.基于数字钻探和支持向量机预测岩体单轴抗压强度的方法[J].岩土力学,2019(03).

Ashok Kumar Patel,Snehamoy Chatterjee.Computer vision-based limestone rock-type classification using probabilistic neural network[J].Geoscience Frontiers,2016(01).

Wengang Zhang,Hongrui Li,Yongqin Li,Hanlong Liu,Yumin Chen,Xuanming Ding.Application of deep learning algorithms in geotechnical engineering: a short critical review[J].Artificial Intelligence Review,2021.

浏览量

166

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多源气象资料与机器学习的降水数据质量控制方法研究

CEEMDAN分解与机器学习耦合模型在林海水库入库径流预报中的多尺度适用性分析

大型水轮发电机定子绕组温度智能预测方法

基于Stacking集成框架的预报降水统计后处理研究

基于可解释性机器学习算法的珠江河口区咸潮上溯预报