[發(fā)明專利]煤礦井下近水平定向鉆進軌跡預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202310062055.4
• 申請日: 2023-01-20
• 公開（公告）號: CN116070511A
• 公開（公告）日: 2023-05-05
• 發(fā)明（設(shè)計）人: 丁華忠;金新;焦先軍;豆旭謙;苗宇;宋海濤;張安東;陳洪巖;解志在;魏宏超;張凱;龐國強
• 申請（專利權(quán)）人: 淮南礦業(yè)（集團）有限責(zé)任公司;中煤科工西安研究院（集團）有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;E21B47/024;G06Q50/02;G06F119/14;G06F119/02;G06F119/08
• 代理公司: 陜西軟唐知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 61303
• 代理人: 李鑫

1.煤礦井下近水平定向鉆進軌跡預(yù)測方法，其特征在于，包括：

對目標鉆進地層的周圍環(huán)境進行采集，得到目標環(huán)境特征集；

獲得所述目標鉆進地層的目標鉆具，并采集所述目標鉆具的目標作業(yè)特征集；

基于所述目標作業(yè)特征集構(gòu)建目標鉆具模型，并結(jié)合所述目標環(huán)境特征集對所述目標鉆具模型進行仿真分析，得到智能仿真結(jié)果；

根據(jù)所述智能仿真結(jié)果對所述目標鉆具進行受力分析，得到鉆具受力信息，其中，所述鉆具受力信息包括多種具有受力大小標識的受力類型；

采集歷史鉆進記錄，并基于所述歷史鉆進記錄訓(xùn)練智能預(yù)測模型；

將所述多種具有受力大小標識的受力類型輸入所述智能預(yù)測模型，輸出預(yù)測造斜率；

獲得所述目標鉆具的預(yù)設(shè)軌跡，并基于所述預(yù)測造斜率對所述預(yù)設(shè)軌跡進行校正，得到預(yù)測軌跡。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采集歷史鉆進記錄，并基于所述歷史鉆進記錄訓(xùn)練智能預(yù)測模型，包括：

提取所述歷史鉆進記錄中的第一歷史記錄；

獲得所述第一歷史記錄中的第一歷史受力信息，并對所述第一歷史受力信息進行預(yù)處理，得到第一數(shù)據(jù)組；

對所述第一數(shù)據(jù)組進行分析，并根據(jù)分析結(jié)果得到第一數(shù)據(jù)組標識，其中，所述第一數(shù)據(jù)組標識是指第一理論造斜率；

將所述第一數(shù)據(jù)組和所述第一理論造斜率作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述智能預(yù)測模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述將所述第一數(shù)據(jù)組和所述第一理論造斜率作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述智能預(yù)測模型之前，還包括：

依次獲得所述第一歷史記錄中的第一歷史預(yù)設(shè)軌跡、第一歷史實鉆軌跡；

將所述第一歷史預(yù)設(shè)軌跡和所述第一歷史實鉆軌跡進行對比分析，得到第一歷史軌跡對比結(jié)果；

基于所述第一歷史軌跡對比結(jié)果匹配第一實際造斜率；

基于所述第一實際造斜率對所述第一理論造斜率進行調(diào)整，得到第一造斜率。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述第一數(shù)據(jù)組和所述第一理論造斜率作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述智能預(yù)測模型，包括：

根據(jù)所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到第一支持向量機；

根據(jù)所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到第一循環(huán)神經(jīng)網(wǎng)絡(luò)；

根據(jù)所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到第一梯度提升決策樹；

基于集成學(xué)習(xí)方法原理對所述第一支持向量機、所述第一循環(huán)神經(jīng)網(wǎng)絡(luò)、所述第一梯度提升決策樹進行模型搭建，得到多個集成預(yù)測模型；

對所述多個集成預(yù)測模型進行篩選，得到所述智能預(yù)測模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述多個集成預(yù)測模型進行篩選，得到所述智能預(yù)測模型，包括：

提取所述多個集成預(yù)測模型中任意一個集成預(yù)測模型，并獲得所述任意一個集成預(yù)測模型的初級學(xué)習(xí)器、元學(xué)習(xí)器；

基于所述訓(xùn)練數(shù)據(jù)對所述初級學(xué)習(xí)器進行訓(xùn)練預(yù)測，得到初級預(yù)測結(jié)果；

將所述初級預(yù)測結(jié)果作為所述元學(xué)習(xí)器的輸入數(shù)據(jù)，得到所述元學(xué)習(xí)器的輸出數(shù)據(jù)；

將所述元學(xué)習(xí)器的所述輸出數(shù)據(jù)作為所述任意一個集成預(yù)測模型的預(yù)測結(jié)果。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲得所述目標鉆具的預(yù)設(shè)軌跡，并基于所述預(yù)測造斜率對所述預(yù)設(shè)軌跡進行校正，得到預(yù)測軌跡之后，還包括：

采集得到所述目標鉆具的實鉆軌跡；

將所述實鉆軌跡與所述預(yù)測軌跡進行對比，得到預(yù)測精度；

計算得到預(yù)測時長，并基于所述預(yù)測時長得到預(yù)測效率；

對所述預(yù)測精度和所述預(yù)測效率進行加權(quán)計算，得到預(yù)測效果評估。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述計算得到預(yù)測時長，包括：

獲得第一時間，其中，所述第一時間是指將所述多種具有受力大小標識的受力類型輸入所述智能預(yù)測模型的時間；

獲得第二時間，其中，所述第二時間是指得到所述預(yù)測軌跡的時間；

計算所述第一時間和所述第二時間之間的時間差，得到所述預(yù)測時長。

8.煤礦井下近水平定向鉆進軌跡預(yù)測系統(tǒng)，其特征在于，所述系統(tǒng)包括：

第一采集模塊，其用于對目標鉆進地層的周圍環(huán)境進行采集，得到目標環(huán)境特征集；

第二采集模塊，其用于獲得所述目標鉆進地層的目標鉆具，并采集所述目標鉆具的目標作業(yè)特征集；

智能仿真模塊，其用于基于所述目標作業(yè)特征集構(gòu)建目標鉆具模型，并結(jié)合所述目標環(huán)境特征集對所述目標鉆具模型進行仿真分析，得到智能仿真結(jié)果；

受力分析模塊，其用于根據(jù)所述智能仿真結(jié)果對所述目標鉆具進行受力分析，得到鉆具受力信息，其中，所述鉆具受力信息包括多種具有受力大小標識的受力類型；

模型訓(xùn)練模塊，其用于采集歷史鉆進記錄，并基于所述歷史鉆進記錄訓(xùn)練智能預(yù)測模型；

智能預(yù)測模塊，其用于將所述多種具有受力大小標識的受力類型輸入所述智能預(yù)測模型，輸出預(yù)測造斜率；

智能獲得模塊，其用于獲得所述目標鉆具的預(yù)設(shè)軌跡，并基于所述預(yù)測造斜率對所述預(yù)設(shè)軌跡進行校正，得到預(yù)測軌跡。