[發明專利]地質類型的識別方法及裝置、存儲介質、計算機設備

在審

• 申請號: 202011250705.0
• 申請日: 2020-11-10
• 公開（公告）號: CN112364917A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 劉宣宇;何權輝;叢秋梅
• 申請（專利權）人: 遼寧石油化工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種地質類型的識別方法及裝置、存儲介質、計算機設備，涉及盾構機技術領域，主要目的在于解決現有地質類型的識別準確性較差的問題。包括：獲取待識別的盾構掘進參數；基于預先構建數據樹的k均值聚類算法對所述盾構掘進參數進行聚類處理，所述k均值聚類算法中的k值為基于樣本距離匹配的所述數據樹中的枝節點數確定的；根據聚類處理后的聚類結果，以及土質特征識別，確定地質類型。主要用于地質類型的識別。

技術領域

本發明涉及一種盾構機技術領域，特別是涉及一種地質類型的識別方法及裝置、存儲介質、計算機設備。

背景技術

隨著數據分析技術的發展，使得數據挖掘技術應用到盾構掘進過程中成為可能。盾構技術已經成為我國交通基礎建設的重要支撐。在盾構法施工時，需要提前勘測施工地點的水文地質等條件，以便選取合適的盾構機型號并作為駕駛員操控盾構機的重要依據。由于地質情況復雜多變，往往采集到的地質信息具有很多局限性和不準確性。而在盾構施工過程中對掘進參數的實時分析可以及時反饋當前的地質信息，這對盾構施工的安全與質量都具有很大的幫助。因此，如何基于盾構掘進參數，利用人工智能與數據挖掘技術實現地質智能識別，是目前盾構技術研究的熱點和難點問題，也是實現盾構機智能化的重要基礎。

目前，現有的利用盾構掘進參數分析地質地層通常是使用有監督的BP神經網絡模型，但是，針對BP神經網絡模型進行參數分析地質地層時，對采集的數據的準確性要求較高，才能訓練出精準的模型，并且，神經網絡模型并不能有效地反映出不同地質下掘進參數的分布特征，從而導致了地質類型的識別準確性較差。

發明內容

有鑒于此，本發明提供一種地質類型的識別方法及裝置、存儲介質、計算機設備，主要目的在于解決現有地質類型的識別準確性較差的問題。

依據本發明一個方面，提供了一種地質類型的識別方法，包括：

獲取待識別的盾構掘進參數；

基于預先構建數據樹的k均值聚類算法對所述盾構掘進參數進行聚類處理，所述k均值聚類算法中的k值為基于樣本距離匹配的所述數據樹中的枝節點數確定的；

根據聚類處理后的聚類結果，以及土質特征識別，確定地質類型。

依據本發明另一個方面，提供了一種地質類型的識別裝置，包括：

獲取模塊，用于獲取待識別的盾構掘進參數；

處理模塊，用于基于預先構建數據樹的k均值聚類算法對所述盾構掘進參數進行聚類處理，所述k均值聚類算法中的k值為基于樣本距離匹配的所述數據樹中的枝節點數確定的；

識別模塊，用于根據聚類處理后的聚類結果，以及土質特征識別，確定地質類型。

根據本發明的又一方面，提供了一種存儲介質，所述存儲介質中存儲有至少一可執行指令，所述可執行指令使處理器執行如上述地質類型的識別方法對應的操作。

根據本發明的再一方面，提供了一種計算機設備，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

所述存儲器用于存放至少一可執行指令，所述可執行指令使所述處理器執行上述地質類型的識別方法對應的操作。

借由上述技術方案，本發明實施例提供的技術方案至少具有下列優點：

本發明提供了一種地質類型的識別方法及裝置、存儲介質、計算機設備，與現有技術相比，本發明實施例的數據樹k均值聚類算法有效實現了k值的優化，相比傳統依靠經驗判斷確定k值的方法更加科學可靠。構建樣本數據的數據樹還能夠直觀地反映樣本點間的親疏程度，高效地識別出地質類型，具有較高的準確率，算法更加可靠有效，進一步基于數據驅動的方法，能夠有效挖掘地層信息及地質特征，準確預測地質情況。