基于K-means的异质道数据分析方法,用于评估TBM道沿线的岩石质量参数
1School of Civil Engineering, Shandong Jianzhu University, Jinan, China. wangruirui0501@163.com.
Scientific reports
|December 6, 2023
概括
本研究介绍了一种K-means集群方法,用于评估道钻井机 (TBM) 操作的岩石质量参数. 这种方法可以准确预测岩石状况,提高道的安全性和效率.
科学领域:
- 地质技术工程 地质技术工程
- 道技术 道技术
- 在土木工程中的数据挖掘.
背景情况:
- 准确的岩石质量评估对于安全高效的道钻机 (TBM) 道开采至关重要.
- 现有的方法可能缺乏实时TBM操作所需的速度和精度.
- 显然,需要一个自动化和可靠的岩石质量评估系统.
研究的目的:
- 提出一种新的方法,用K-means集群评估岩石质量参数.
- 根据道钻井机 (TBM) 操作数据对道道区域进行分组.
- 在道项目中提高岩石质量状况判断的准确性和效率.
主要方法:
- 数据预处理包括后勤规范化和主要组件分析 (PCA).
- 应用K-means聚类来分组道数据样本.
- 使用珍珠三角洲水资源项目的现场收集数据验证该方法.
主要成果:
- 成功地将大型道数据集转化为可管理的无维数据.
- 根据使用K-means集群的TBM道参数对样本进行分组.
- 对于单轴压力 (UCS) 达到90%的评估准确度,对于关节频率 (Jf) 达到86.7%.
结论:
- 拟议的K-means集群方法提供了关键岩石质量参数的可接受和准确的评估.
- 这种数据驱动的方法有助于在TBM道挖掘过程中判断岩石状况.
- 该方法为提高道施工的安全性和效率提供了有价值的工具.
