摘要
随着隧道施工对于不良地质识别精度要求的不断提高以及人工智能技术的发展,融合多源信息的不良地质智能化识别已成为发展趋势.本文首先阐述了常见的6种隧道不良地质类型及其地质成因,回顾分析了隧道主要的不良地质识别方法及现状,详细介绍了笔者在不良地质智能化识别方面的探索性研究:基于机器学习利用图像识别技术对隧道围岩岩性与裂隙特征进行智能识别;融合图像和光谱特征进行不良地质识别;将地化分析融入到传统的超前钻探中,融合随钻参数和地化信息进行不良地质随钻识别,既可以发挥超前钻探在感知岩体质量和地层信息变化方面的优势,又可以发挥地化分析在岩性和不良地质异常识别方面的优势;基于地质与物探联合反演进行不良地质识别,旨在实现掌子面前方不良地质体"形"(位置、形态、规模)和"性"(性质和类型)的精确识别.最后,对隧道不良地质智能化识别的发展趋势进行了展望.
基金项目
国家自然科学基金优秀青年科学基金(52022053)
国家自然科学基金面上项目(52022053)
国家自然科学基金面上项目(52279103)
国家自然科学基金面上项目(52379103)
国家科技期刊平台
NSTL
维普
万方数据