基于随钻测量技术的隧道岩体完整性定量评价

摘要

针对隧道工程施工过程中岩体完整性定量评价高度依赖揭露掌子面信息，同时利用随钻数据进行岩体完整性评价时存在的挑战，该研究提出了一种结合数理统计与机器学习的随钻岩体完整性定量评价方法。首先，基于超前钻探作业收集了大量包含较完整、较破碎及破碎三类常见完整性岩体的数字钻探数据；随后通过数据预处理及超参数寻优，构建了高性能的岩体完整性分类随机森林模型；最后，借助SHAP值理论在增强模型预测结果可解释性的同时，实现了对多变量不安定指数分析法中的不安定指数及指数幂进行筛选与量化，构建了“区间岩体破碎指数(Interval Rock Fracture Index,I_IRFI)”定量评价模型。实际隧道工程中的应用验证表明，该模型对三类完整性岩体的综合评价准确率达到90%左右，相较于常规方法，能够提供更加高效、准确且详尽的岩体完整性信息。该研究为隧道岩体完整性评价提供了一种新的、高效的定量方法，有助于提升施工安全性和工程效率。

关键词

隧道工程 / 随钻测量 / 岩体完整性 / 机器学习 / 定量评价