(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110674747.5 (22)申请日 2021.06.17 (65)同一申请的已公布的文献号 申请公布号 CN 113326661 A (43)申请公布日 2021.08.31 (73)专利权人 广西路桥工程 集团有限公司 地址 530000 广西壮 族自治区南宁市良庆 区平乐大道 21号 (72)发明人 彭浩　梁铭　宋冠先　朱孟龙　 解威威　马文安　马必聪　周邦鸿　 钟华　杨康　张亚飞　 (74)专利代理 机构 四川力久律师事务所 512 21 代理人 冯精恒 (51)Int.Cl. G06F 30/27(2020.01)G06K 9/62(2022.01) G06N 20/20(2019.01) (56)对比文件 CN 103513293 A,2014.01.15 谭立等.提高复杂地质条件下隧道 施工的超 前预报精度. 《四川建筑》 .2013,第3 3卷(第05 期), 审查员 舒泽梅 (54)发明名称 一种基于RS-XGBoost 的隧道超前钻探定量 解译方法及设备 (57)摘要 本发明涉及隧道工程领域， 特别是一种基于 RS‑XGBoost的隧道超前钻探定量解译方法及设 备。 本发明通过对待挖掘隧道进行随机采样， 获 取待挖掘隧道的钻探数据并进行初步处理后， 将 其输入到预先搭建的RS ‑XGBoost模型进行定量 解译， 输出定量解译结果。 通过结合XGBoo st机器 学习模型强大的非线性数据分析性能以及RS随 机搜索高效的超参数寻优能力， 在保证了隧道不 良地质体识别与分类的准确度的前提下大大 降 低了模型建立的难度， 也避开了人工调参的不良 影响； 同时提出以不良地质体类型作为机器学习 模型解译结果， 以对隧道较为常见、 危害性较强 的几类不良地质体作为定量智能解译结果， 并根 据解译结果及时调整开挖方式及支护措施， 进而 指导隧道现场施工 。 权利要求书2页 说明书16页 附图13页 CN 113326661 B 2022.02.15 CN 113326661 B 1.一种基于RS ‑XGBoost的隧道超前钻探 定量解译方法， 其特 征在于， 包括： S1： 对待挖掘隧道进行随机采样， 获取待挖掘隧道的钻探数据并进行初步处理； 所述钻 探数据包括钻进速度、 推进力、 扭矩与旋转速度； S2： 将初步处理后的钻探数据输入到预先搭建的RS ‑XGBoost模型进行定量解译， 并输 出定量解译结果， 所述定量 解译结果包括较完整～较破碎、 破碎 ～极破碎和软泥填充； 当所述定量 解译结果 为软泥填充时， 进行进一 步划分： 相邻解译单 元解译出 软泥填充时输出为泥质填充溶洞； 相邻解译单 元未解译出 软泥填充时输出为软弱夹层； 其中， 所述 解译单元为定量 解译时的基础单位； 其中， 所述RS ‑XGBoost模型是通过RS算法对XGBo ost模型训练优化后得到的模型； 所述RS‑XGBoost模型的搭建包括以下步骤： S21： 录入样本数据并进行标注， 构成标注样本数据； 所述标注为所述样本数据对应的 定量解译结果； 其中， 所述样本数据包括若干条地质数据， 每条所述地质数据包括若干项定量指标， 所 述定量指标包括深度、 钻进速度、 稳压、 切削力、 推进力、 扭矩和/或旋转速度； S22： 对所述标注样本数据进行 预处理； S23： 将预处理后的标注样本数据输入XGBoost模型， 并通过RS算法对所述XGB oost模型 进行模型训练， 输出RS ‑XGBoost模型。 2.根据权利要求1所述的一种基于RS ‑XGBoost的隧道超前钻探定量解译方法， 其特征 在于， 所述 步骤S23中模型训练具体包括以下步骤： S231： 设置所述XGBo ost模型中超参数的取值范围； S232： 将预处理后的标注样本数据输入XGBoost模型， 在 所述取值范围内通过随机搜索 算法对所述XGBo ost模型进行超参数寻优， 并获取模型性能评价指标值及对应的超参数； S233： 当寻优次数小于预设值时， 返回步骤S231； 当寻优次数大于或等于预设值时， 进 入步骤S234； S234： 从所述模型性能评价指标值中选出模型性能评价指标值最高的值， 并将模型性 能评价指标值 最高的值对应的超参数作为所述XGBo ost模型的优选超参数。 3.根据权利要求2所述的一种基于RS ‑XGBoost的隧道超前钻探定量解译方法， 其特征 在于， 步骤S231中所述超参数包括弱评估器数量、 最大深度、 学习率、 样本权重与随机抽样 样本比例。 4.根据权利要求1 ‑3任一所述的一种基于RS ‑XGBoost的隧道超前钻探定量解译方法， 其特征在于， 在所述步骤S21中对所述定量指标进行相关性分析， 得到优选定量指标； 所述 优选定量指标包括钻进速度、 推进力、 扭矩与旋转速度。 5.根据权利要求4所述的一种基于RS ‑XGBoost的隧道超前钻探定量解译方法， 其特征 在于， 所述 步骤S22中的预处 理包括以下步骤： a： 通过删除所述标注样本数据中的上升段数据进行数据降噪， 所述上升段数据为超前 钻探的钻机未达 到稳定状态时采集的数据； b： 遍历降噪后标注样本数据的缺失值， 并通过所述缺失值对应指标数据的均值对所述 缺失值进行填充， 得到降噪补缺后的数据；权　利　要　求　书 1/2 页 2 CN 113326661 B 2c： 以预设的分割间距将降噪补缺后的数据等距分割为若干段落； d： 计算等距分割后每个段落中各个优选定量指标的二级指标； 其中， 所述二级指标包 括各个优选 定量指标的均值与方差； e： 采用标准差法对所述 二级指标进行 数据标准 化。 6.根据权利要求5所述的一种基于RS ‑XGBoost的隧道超前钻探定量解译方法， 其特征 在于， 所述 步骤c中预设的所述分割间距为[0.5m,1.5m ]。 7.根据权利要求5所述的一种基于RS ‑XGBoost的隧道超前钻探定量解译方法， 其特征 在于， 去除相关性低的所述二级指标， 得到优选的二级指标为： 钻进速度均值、 钻进速度方 差、 推进力均值、 扭矩均值、 扭矩方差与旋转速度均值。 8.一种基于RS ‑XGBoost的隧道超前钻探定量解译设备， 包括： 至少一个处理器； 以及与 所述至少一个处理器通信连接的存储器； 其中， 所述存储器存储有可被所述至少一个处理 器执行的指令， 所述指令被所述至少一个处理器执行， 以使所述至少一个处理器能够执行 权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 113326661 B 3