Page 113 - 2024年第55卷第11期
P. 113

水  利  学  报

                2024年 11月                           SHUILI  XUEBAO                         第 55卷 第 11期

              文章编号:0559 - 9350(2024)11 - 1379 - 12

                                        随钻监测数据预处理方法研究



                                      肖浩汉,曹瑞琅,王玉杰,赵宇飞,孙彦鹏
                                (中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室,北京 100048)

                摘要:为攻克多维异构随钻监测数据处理难题,本研究分析多钻孔钻进数据特征,采用统计分析和机器学习方
                法,提出了一种数据预处理方法。该方法首先对原始钻进数据特征进行分析,确定了稳定钻进阶段数据提取判断
                标准,提出识别异常钻进数据的准则,并评估了多种方法在钻进数据缺失修补和滤波降噪方面的适用性。结果表
                明:两点线性插补方法取得了最低的误差指标和最佳的缺失插补效果;巴特沃斯滤波器在不同噪声类型下均取得
                了最优的滤波效果。最后,开发了轻量化钻进数据自动预处理软件,并在工程案例中验证了其快速完成数据提
                取、分类、修补和降噪的能力。研究结果为工程实践提供了可靠的理论依据和数据支持。
                关键词:随钻钻进(探);数据预处理;机器学习;缺失插补;滤波降噪
                                 文献标识码:A
                中图分类号:TU452                                              doi:10.13243?j.cnki.slxb.20230816

              1 研究背景


                  随钻钻进技术作为水利水电工程岩体参数评价新手段,已受到广泛关注和应用,在工程勘察                                              [1] 、
              岩体参数测定       [2] 、不良地质识别      [3] 等方向展现出巨大的潜力和优势。通过实时采集、传输和分析钻进
              过程中钻具响应数据,随钻钻进技术能够为工程提供原位和定量的地质信息和工程性能指标,为工程
              设计、施工和风险控制提供有力支持                  [4 - 5] 。然而,随着钻进数据规模逐步扩大、复杂性不断增加,如
              何高效地处理和利用海量数据成为当前亟需解决的问题。剖析钻进数据特点,并开展针对性的处理方
              法研究具有重要意义。
                  钻孔钻进过程本身可被视为一种定量的岩体力学性质原位测试方法                                   [2,6] 。为此,岩土工程界通
              过设置监测仪器记录钻孔过程数据,分析和测定岩体力学性质,并探索钻进响应参数与岩土体参数
              或地层之间的关系         [7] 。典型做 法是 基于破 岩 机理 分析,从钻 进过 程的 力 学 平衡 和 能 量 守 恒 寻 求 突
              破,例如建立钻进参数与单轴抗压强度的定量关系                          [8 - 9] 、提出破岩能量、逻辑回归概率和地层硬度
              3种地层识别指标         [10] 。但以破岩机理做单一分析不可避免存在大量假设,其适应复杂钻进现场环境
              的能力仍需提升        [11] 。因此,有学者从淡化机理分析角度出 发,利 用 数理 统 计 工具 研究 钻进 响应参
              数与岩体质量的相关性,提出相应定量评价指标,如断裂指数(FractureIndex,FI)                                [12] 、钻进过程指
                                           [2]
              数( DrillingProcessIndex,DPI) 等。而当前随着大数据、人工 智 能等 信 息 化技 术 迅猛 发 展,机器
              学习方法已逐步在各个场景取得突破                   [13 - 15] ,为 钻进 响应 数 据 分析 提供 了新 思路。例如,梁 铭等              [4]
              对收集的多岩性与多指标钻进数据进行降噪与等距分割,建立了隧洞岩体完整性解译方法;房昱纬
              等  [16] 提出了基于神经网络的智能分析和地层识别技术。
                  钻进参数与岩土体参数的研究涵盖了机理分析、统计分析和机器学习建模等多个方面。这些研究


                 收稿日期:2023 - 12 - 30;网络首发日期:2024 - 10 - 14
                 网络首发地址:https:??link.cnki.net?urlid?11.1882.TV.20241014.1311.001
                 基金项目:国家电网公司总部科技项目(5200 - 202322135A - 1 - 1 - ZN);国家自然科学基金项目(52079150)
                 作者简介:肖浩汉( 1993 - ),博士,工程师,主要从事水利水电智能建造及大数据挖掘研究。E - mail:xiaohh@iwhr.com
                 通信作者:曹瑞琅(1985 - ),博士,正高级工程师,主要从事岩土力学与工程研究。E - mail:caorl@iwhr.com
                                                                                                   3
                                                                                              —   1 7 9 —
   108   109   110   111   112   113   114   115   116   117   118