首页|隧道不良地质识别:方法、现状及智能化发展方向

隧道不良地质识别:方法、现状及智能化发展方向

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Adverse Geology Identification in Tunnel: Method, Research Status and Intelligent Development Direction

adverse geology identificationspectral testgeochemical testwhile-drilling technologyjoint inversion

许振浩、邵瑞琦、林鹏、李术才、向航、韩涛、李珊

展开 >

山东大学岩土与结构工程研究中心, 山东济南 250061

山东大学齐鲁交通学院, 山东济南 250061

不良地质识别 光谱测试 地化测试 随钻技术 联合反演

国家自然科学基金优秀青年科学基金国家自然科学基金面上项目国家自然科学基金面上项目国家自然科学基金面上项目

52022053520220535227910352379103

2024

10.3975/cagsb.2023.030702

地球学报
中国地质科学院

地球学报

CSTPCD北大核心
影响因子：1.797
ISSN：1006-3021
年,卷(期)：2024.45(1)
  • 3
  • 66