Page 114 - 2024年第55卷第11期

的基础均依赖于高质量的数据集，尤其是对于机器学习而言，数据集的质量直接决定了模型的质量和
预测效果 ［１７ － １８］ 。钻进数据预处理在近两年受到了广泛关注，例如，刘华吉等 ［１９］ 对钻进数据特征进行
了分析，并提出了钻进状态的判断规则；王小龙等 ［２０］ 开发了针对矿井环境的钻孔数据处理与三维可视
化软件，并强调了钻孔数据预处理在结果分析中的关键作用。然而，目前原始钻进数据受到机械设备
和现场随机性因素的影响，存在多种类型的数据问题，而针对性的预处理方法尚未得到充分发展和完
善 ［４］ 。此外，钻进数据预处理过程中存在依赖主观经验判断、评判标准不统一的问题，特别是在处理
不同类型的异常钻进数据时，不同方法的处理效果尚未有充分报道，这严重制约了随钻钻进技术的
发展。
针对以上问题，研究基于大量钻进数据样本，对比多种统计分析和机器学习算法，提出了一种钻
进数据标准化预处理方法，包括稳定钻进阶段数据提取、异常钻进过程数据分类、钻进数据缺失插补
以及钻进数据滤波降噪。进一步，利用东庄水利枢纽工程帷幕灌浆孔的钻进数据预处理验证该方法的
有效性和可行性。这一研究将有助于提高钻进数据的利用效率，推动随钻钻进技术在岩土工程领域的
应用，为工程实践提供可靠的数据支撑和技术指导。

２ 随钻钻进试验

２．１ 试验设备 为了建立钻具响应参数和岩土体的关系，将一种新型数字钻进系统（ＤｉｇｉｔａｌＤｒｉｌｌｉｎｇ
Ｓｙｓｔｅｍ，ＤＤＳ）运用于钻孔原位测试过程 ［２］ 。如图 １所示，该系统通过安装在钻机上的激光位移传感
器、转速传感器和液压传感器，精确监测钻进位移、钻进转速和钻进压力等参数。

图 １ 新型数字钻进系统（ＤＤＳ）
激光位移传感器安装在钻机动力头侧部（图 １（ａ）），记录工作过程中钻杆的钻进位移，量程为 ０～
３０ｍ，精度为±１ｍｍ。转速传感器通过角铁安装在卡盘上部（图 １（ｂ）），监测钻杆的旋转速度，即钻
进转速，量程为 ０～３０００ｒ?ｍｉｎ，精 度 为 ±１ｒ?ｍｉｎ。液 压 传 感 器 安 装 在 钻 进 推 进 装 置 的 输 油 管 道 上
（图 １（ｃ）），用于监测钻进压力，量程为 ０～２０ＭＰａ，精度为±０．０５ＭＰａ。数据采集仪的采集频率为 １０Ｈｚ，
同步获取整个钻进过程的钻具响应参数。
目前，该试验设备在德厚水库、清原抽蓄、东庄水库、大藤峡水利枢纽等工程均有应用，获得了
数以亿计的随钻监测数据，为随钻数据预处理方法研究提供了坚实的数据基础。

— １ ３ ０ —
８