-
公开(公告)号:CN116361897A
公开(公告)日:2023-06-30
申请号:CN202310318606.9
申请日:2023-03-29
Applicant: 中国科学院武汉岩土力学研究所 , 中交第二公路勘察设计研究院有限公司
IPC: G06F30/13 , G06F30/20 , G06Q50/08 , G06F119/14
Abstract: 本发明实施例提供了基于TBM掘进参数的岩石强度预测方法,包括:对TBM施工期岩爆关键因素进行分析;TBM隧道岩爆实时风险判据;岩爆实时风险判别指标及分级界限;确定基于TBM掘进参数的岩爆风险判据参数。本发明针对TBM施工阶段岩爆倾向性指标存在的不足,探索施工过程中的岩爆关键影响因素,基于工程岩体强度与应力状态,建立适用于TBM隧道施工阶段的新型岩爆判别方法,并结合TBM掘进参数,形成一套科学合理的岩爆实时风险评判体系。
-
公开(公告)号:CN119091229A
公开(公告)日:2024-12-06
申请号:CN202411286027.1
申请日:2024-09-13
Applicant: 中国科学院武汉岩土力学研究所
IPC: G06V10/764 , G06V10/774 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明提出一种基于迁移学习的钻孔图像岩体结构识别方法,涉及地质勘察技术领域,包括:构建目标检测模型,包括主干网络、区域网络和分类网络;获取第一数据集,进行第一次迭代训练,直至模型收敛,得到第一权重参数;获取第二数据集,根据第一权重参数作为第二次训练的初始参数,进行第二次迭代训练,直至模型收敛,得到第二权重参数;获取第三数据集,根据第二权重参数作为第三次训练的初始参数,进行第三次迭代训练,直至模型收敛,得到最终的目标检测模型;获取钻孔图像,利用最终的目标检测模型对钻孔图像进行识别,得到岩体结构识别结果。本发明基于迁移学习的方法,显著降低了网络对数据集的要求,仅需要较小数据量的数据集即可收敛。
-