采矿与安全工程学报 ›› 2025, Vol. 42 ›› Issue (2): 440-451.doi: 10.13545/j.cnki.jmse.2023.0416
岳小磊1,2，岳中文2，马文彪2，李杨2，闫逸飞2
摘要： 准确预测岩石性质是保证巷道施工安全的重要影响因素之一。近年来,快速发展的数字钻探技术为预测岩体力学特性提供了更多的便捷方法。为揭示层状岩体旋切钻孔过程中机岩相互作用关系,提出一种基于机器学习和数字钻探技术的岩体强度及界面预测方法,开展不同强度等级岩石组合层状岩体数字钻孔试验,分别采用BP神经网络、SVM和CatBoost三种机器学习算法进行岩石地层界面识别和强度预测。结果表明:机器学习方法可以实现层状岩体界面位置、岩层厚度及岩石强度的准确识别,界面识别均衡准确率和F1-Score均超过95％,预测误差在5％以内,预测精度较高;预测的岩石强度参数与实测结果总体误差在10％以内,其中BP神经网络对每种岩石强度的识别精度都较高,模型预测效果最佳。研究结果为实现煤矿巷道岩体动态原位探测提供了借鉴。
中图分类号:
