CN112132416A - 基于PageRank算法的工程勘察质量精细化评价方法 - Google Patents
基于PageRank算法的工程勘察质量精细化评价方法 Download PDFInfo
- Publication number
- CN112132416A CN112132416A CN202010911132.5A CN202010911132A CN112132416A CN 112132416 A CN112132416 A CN 112132416A CN 202010911132 A CN202010911132 A CN 202010911132A CN 112132416 A CN112132416 A CN 112132416A
- Authority
- CN
- China
- Prior art keywords
- quality
- evaluation
- drilling
- matrix
- influence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 31
- 238000011835 investigation Methods 0.000 title claims abstract description 17
- 238000005553 drilling Methods 0.000 claims abstract description 95
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 238000013441 quality evaluation Methods 0.000 claims abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 7
- 230000007704 transition Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 27
- 230000003993 interaction Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 abstract 1
- 230000017105 transposition Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 3
- 239000002904 solvent Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于PageRank算法的工程勘察质量精细化评价方法，包括：确定各个因素之间的相互影响关系；列出各相互影响关系表；基于PageRank算法建立各影响因素的相互影响关系矩阵A；对矩阵A进行归一化处理；对归一化矩阵
进行转置处理；利用数学计算工具Matlab计算转移概率矩阵的最大特征值λ＝1，得特征向量A的值；得到各影响因素的权重排序表；总结钻孔各影响因素的钻孔质量等级表；建立各个影响因素的质量评价集；建立个影响因素的钻孔质量评价隶属度矩阵R；建立权重向量A；建立评价矩阵B＝A×R,采用最大隶属度原则评价钻孔的质量等级。该种基于PageRank算法的工程勘察质量精细化评价方法具有评价客观、结果准确、具有数据量化支撑等优点，极大降低主观因素影响。
Description
技术领域
本发明涉及一种工程勘察质量评价方法，特别是一种基于PageRank算法的工程勘察质量精细化评价方法。
背景技术
在各种工程建设中，地质勘察作为最开始也是最重要的一个环节，为后续设计提供基础资料。钻探通过采取芯样可直观的揭露不同深度的地层岩性、地质构造、地下水位等，通过芯样的土工试验及现场原位测试可为工程设计提供必要的物理力学性质参数。钻孔质量的可靠性、准确性直接影响工程设计。因此，客观、合理的评价钻孔质量尤为重要。
钻孔质量的影响因素较多，各因素之间又有相互影响，对钻孔的质量评价也较为困难。以往的评价方法主要以经验为主，赵晋乾公开的文献“铁路工程地质勘察钻孔质量的层次—模糊综合评判”中，采用层次分析法对钻孔质量进行评价。该种层次分析法建立的数学模型需要人为给定权重值，主观性很强，另外层次分析法中层次之间的关联关系不明确且未考虑各因子之间的相互影响关系，不能科学的反映钻孔质量。谢洪涛、陈帆等公开的文献“我国铁路工程勘察设计质量指标和因素统计分析”中，采用问卷调查形式，利用PASS软件统计分析结合因子分析法进行勘察设计质量评价，采用问卷调查的范围有限，且部分人员对勘察专业不是很了解，另外因子分析法不能反映因子之间的相互影响关系；徐文喜等公开的文献“我国固体矿产勘察钻孔质量评价指标分析及黑龙江省地方标准的制度”中，总结了各地规范的钻孔评价标准，但主观因素较大，无法进行量化评价。
因此，现有的各种评价钻孔质量的方法普遍存在主观性、经验性强的缺点，难以客观、合理地评价工程勘察中钻孔的质量。
有鉴于此，本发明的目的在于提供一种新的技术方案以解决现存的技术缺陷。
发明内容
为了克服现有技术的不足，本发明提供一种基于PageRank算法的工程勘察质量精细化评价方法，解决了工程勘察总现有钻孔质量评价方法存在主观性强、难以客观、合理评价钻孔质量等技术缺陷。
本发明解决其技术问题所采用的技术方案是：
一种基于PageRank算法的工程勘察质量精细化评价方法，包括以下的步骤：
步骤S001，罗列影响钻孔质量的各个影响因素，确定各个影响因素之间的相互影响关系；
步骤S002，基于上述影响钻孔质量的影响因素及其相互影响关系，列出各影响因素的相互影响关系表；
步骤S003，根据步骤S002中得到的相互影响关系表，基于PageRank算法建立各影响因素的相互影响关系矩阵A；
步骤S004，对已经建立的相互影响关系矩阵A进行归一化处理，得到归一化矩阵
步骤S005，对步骤S004得到的归一化矩阵
进行转置处理，得到转置矩阵转移概率矩阵W＝(wij)；
步骤S006，利用数学计算工具Matlab计算所述转移概率矩阵W的最大特征值λ＝1，得特征向量A的值；
步骤S007，根据步骤S006得到的特征向量A，列出各影响因素的权重，根据权重对各影响因素进行排序，得到各影响因素的权重排序表；
步骤S008，总结钻孔各影响因素的钻孔质量等级表；
步骤S009，根据步骤S008中总结的钻孔质量等级表，对影响钻孔质量的各个影响因素进行质量评价，建立各个影响因素的质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}；
步骤S010，根据步骤S009中建立的质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}，建立个影响因素的钻孔质量评价隶属度矩阵R；
步骤S011，根据上述步骤S007得到的权重排序表，建立权重向量A；
步骤S012，利用上述的钻孔质量评价隶属度矩阵R及权重向量A，建立评价矩阵B＝A×R,根据评价矩阵B计算得到的结果及质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}，采用最大隶属度原则评价钻孔的质量等级。
作为上述技术方案的改进，在步骤S001中，影响钻孔质量的影响因素包括：终孔孔深、终孔孔径、取芯率、钻孔垂直度、记录及时性、分层准确性、描述准确性、取样、标贯、动探、静探。
作为上述技术方案的进一步改进，在执行步骤S001中，可通过制作各影响因素相互影响关系模型来确定各个影响因素之间的相互影响关系。
作为上述技术方案的进一步改进，在步骤S008中，影响因素：终孔孔深、终孔孔径、取芯率、钻孔垂直度、记录及时性、分层准确性、取样的等级评价表为：
作为上述技术方案的进一步改进，所述执行步骤S008时，总结钻孔各影响因素的钻孔质量等级表时需要根据行业规范标准进行标准化总结。
作为上述技术方案的进一步改进，在执行步骤S010时，根据钻孔质量等级表中的参数结合实际钻孔信息引入模糊数学隶属度来描述权重的模糊界限，建立钻孔质量评价隶属度矩阵R。
本发明的有益效果是：本发明提供了一种基于PageRank算法的工程勘察质量精细化评价方法，该种基于PageRank算法的工程勘察质量精细化评价方法采用PageRank算法模型对钻孔各影响因素建立相互影响关系排序模型，对钻孔质量影响因子进行排序，根据算出的权重对钻孔质量进行评价，最终，通过该种方法可客观、合理、量化地评价钻孔的质量并确定质量等级，在工程勘察中具有非常重要的意义；另外，通过该方法，可分析出影响钻孔质量的重要的影响因素，为工程勘察中提供施工指导意义；还有，也可在后续的同类型勘察钻孔工程直接套用本方法的评价参数，节省工时。
总之，该种基于PageRank算法的工程勘察质量精细化评价方法解决了工程勘察总现有钻孔质量评价方法存在主观性强、难以客观、合理评价钻孔质量等技术缺陷。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的流程示意图；
图2是本发明中影响钻孔质量的各影响因素相互影响关系模型图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，专利中涉及到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
PageRank算法是Google搜索引擎的基础结构，是Google搜索引擎对检索结果的一种排序算法。它的基本思想主要是来自传统文献计量学中的文献引文分析，即一篇文献的质量和重要性可以通过其他文献对其引用的数量和引文质量来衡量，也就是说一篇文献被其它文献引用越多，并且引用它的文献质量越高，则该文献本身就越重要。***在给出页面排序的同时也有两条标准：一是看有多少超链接指向他；而是要看超链接指向他的那个页面重要不重要。这两条直观的想法就是PageRank算法的数学模型。
将PageRank算法的基本概念引入到钻孔质量评价中，PageRank可以通过相互影响关系对其重要性进行排序，通过重要性排序可以判断出对钻孔质量影响最大，最关键的因素，对关键因素进行评价就可以反映整个钻孔的质量。
因此，在本发明中，具有上述的PageRank算法，本发明提供了：
实施例1：一种基于PageRank算法的工程勘察质量精细化评价方法，包括以下的步骤：具体参照图1，
步骤S001，罗列影响钻孔质量的各个影响因素，确定各个影响因素之间的相互影响关系；
在步骤S001中，在步骤S001中，影响钻孔质量的影响因素包括：终孔孔深、终孔孔径、取芯率、钻孔垂直度、记录及时性、分层准确性、描述准确性、取样、标贯、动探、静探。
可通过制作各影响因素相互影响关系模型来确定各个影响因素之间的相互影响关系。
具体参照图2，图2是本发明中影响钻孔质量的各影响因素相互影响关系模型图，通过图2的模型图可以清晰各影响因素之间的相互影响关系，
步骤S002，基于上述影响钻孔质量的影响因素及其相互影响关系，列出各影响因素的相互影响关系表；
具体地，根据步骤S001中确定的各影响因素之间的相互影响关系后，利用相互影响关系模型图可清晰地列出各影响因素的相互影响关系表，具体参照表1，表1为个影响因素的相互影响因素的相互影响关系表。
表1：影响因素的相互影响关系表
步骤S003，根据步骤S002中得到的相互影响关系表，基于PageRank算法建立各影响因素的相互影响关系矩阵A，具体地，
步骤S004，对已经建立的相互影响关系矩阵A进行归一化处理，得到归一化矩阵
为了能将各影响因素的等级值平均分配给受影响的因素，因此将各个行向量进行归一化处理，得归一化矩阵
步骤S005，对步骤S004得到的归一化矩阵
进行转置处理，得到转置矩阵转移概率矩阵W＝(wij)为；
步骤S006，利用数学计算工具Matlab计算所述转移概率矩阵W的最大特征值λ＝1，得特征向量A的值，具体地，特征向量为A＝(0.1474,0.1169,0.0729,0.2467,0.0603,0.0636,0.0571,0.0636,0.0571,0.0571,0.0571)；
步骤S007，根据步骤S006得到的特征向量A，列出各影响因素的权重，根据权重对各影响因素进行排序，得到各影响因素的权重排序表，具体地，如吧表2所示，表2为各影响因素的权重排序表；
表2：各影响因素的权重排序表
结合表2，根据计算出的排序结果及权重结果，可以得到对钻孔质量影响较大因素为钻孔垂直度、终孔孔深、钻孔孔径、取芯率、取样、分层准确性、记录及时性。
步骤S008，总结钻孔各影响因素的钻孔质量等级表；
具体地，根据《岩土工程勘察规范》(GB50021-2001)(2009年版)、《建筑工程地质勘探与取样技术规程》(JGJT87-2012)等规范总结出钻孔质量等级定量指标，结合步骤S007得到的对钻孔质量影响较大的7个影响因素，总结该7个影响因素的质量等级表，其具体的质量等级表如表3所示；
表3：钻孔质量等级表
步骤S009，根据步骤S008中总结的钻孔质量等级表，综合考虑勘察钻孔评价等级要求，对影响钻孔质量的各个影响因素进行质量评价，建立各个影响因素的质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}；
具体地，对每一影响因素进行评价，评价的结果具有“优良”、“合格”和“不合格”三个结果等级
步骤S010，根据步骤S009中建立的质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}，建立个影响因素的钻孔质量评价隶属度矩阵R；
具体地，根根据钻孔质量等级表中的参数结合实际钻孔信息引入模糊数学隶属度来描述权重的模糊界限，建立钻孔质量评价隶属度矩阵R。
例如，选取深圳某工地钻孔进行分析，确定每个影响因素的实测值对应的隶属度如下表4：
表4为深圳某工地钻孔实测值的指标隶属度评价表根据表4的数据建立钻孔质量评价隶属度矩阵R，具体地，
步骤S011，根据上述步骤S007得到的权重排序表，建立权重向量A，具体地，
步骤S012，利用上述的钻孔质量评价隶属度矩阵R及权重向量A，建立评价矩阵B＝A×R,根据评价矩阵B计算得到的结果及质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}，采用最大隶属度原则评价钻孔的质量等级。
具体地，
在评价矩阵B中，采用最大隶属度原则，可知最大隶属度为0.5955，属于上述质量评价集中的“合格”等级，因此，可判断该钻孔质量的等级为“合格”等级。
至此，一个钻孔的质量评价完成。
实施例2，本实施例与实施例1基本一致，其不同在于：在本实施例中，选取了第二个钻孔的各影响因素的具体数据，通过第二钻孔的各影响因素的实测数据，确定每个影响因素的实测值对应的隶属度如下表5：
表5为实施例2中钻孔实测值的指标隶属度评价表根据表5的数据建立钻孔质量评价隶属度矩阵R，具体地，
利用上述的钻孔质量评价隶属度矩阵R及权重向量A，建立评价矩阵B＝A×R,根据评价矩阵B计算得到的结果及质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}，采用最大隶属度原则评价钻孔的质量等级。
具体地，
在评价矩阵B中，采用最大隶属度原则，可知最大隶属度为0.5425，属于上述质量评价集中的“优良”等级，因此，可判断该钻孔质量的等级为“优良”等级。
实施例3，本实施例与实施例1基本一致，其不同在于：在本实施例中，选取了第三个钻孔的各影响因素的具体数据，通过第三钻孔的各影响因素的实测数据，确定每个影响因素的实测值对应的隶属度如下表6：
表6为实施例3中钻孔实测值的指标隶属度评价表根据表6的数据建立钻孔质量评价隶属度矩阵R，具体地，
利用上述的钻孔质量评价隶属度矩阵R及权重向量A，建立评价矩阵B＝A×R,根据评价矩阵B计算得到的结果及质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}，采用最大隶属度原则评价钻孔的质量等级。
具体地，
在评价矩阵B中，采用最大隶属度原则，可知最大隶属度为0.3103，属于上述质量评价集中的“不合格”等级，因此，可判断该钻孔质量的等级为“不合格”等级。
PageRank算法是一种基础排序算法，基本思想是通过对文献被引用次数及引用该文章的质量来评定文章的重要性。引用的勘探钻孔的质量评定上主要是借用算法原理，对影响因素进行排序并计算出权重。钻探的因素较多，且相互之间又存在着影响，相互影响关系越多，对钻孔质量的影响越大，通过这个原理进行排序，科学的解决了钻探影响因素的排序及权重问题。
传统的评价方法主要有规范条文法，规范条文比较笼统，人为主观因素较大，评价结果跟个人的工程经验有很大关系；另外采用层次分析法评价体系，需要人为的给予层次分析各因子权重值，相当于人为确定了哪些因素是关键因素，理论依据不足，主观因素过大。
本发明采用了PageRank算法来评价钻孔质量，其具有以下优点：
(1)通过分析影响钻孔质量最重要的几个因素为钻孔垂直度、终孔深度、钻孔孔径、取芯率，在工程勘察中应着重关注这几方面因素。
(2)后续工程勘察中钻孔质量评价可以直接套用文章中计算出的参数进行质量评价，评价方法简单实用。
(3)在勘察钻孔评价中，相比较以前按照经验定性评价及层次分析法等评价方法，采用PageRank算法模型进行评价，可以减少主观判断影响，从各影响因素的相互影响关系对影响因素进行排序，计算出权重，能客观的、量化评价每个钻孔的质量等级。在勘察钻探评价中具有重要意义。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种基于PageRank算法的工程勘察质量精细化评价方法，其特征在于：包括以下的步骤：
步骤S001，罗列影响钻孔质量的各个影响因素，确定各个影响因素之间的相互影响关系；
步骤S002，基于上述影响钻孔质量的影响因素及其相互影响关系，列出各影响因素的相互影响关系表；
步骤S003，根据步骤S002中得到的相互影响关系表，基于PageRank算法建立各影响因素的相互影响关系矩阵A；
步骤S004，对已经建立的相互影响关系矩阵A进行归一化处理，得到归一化矩阵
步骤S005，对步骤S004得到的归一化矩阵
进行转置处理，得到转置矩阵转移概率矩阵W＝(wij)；
步骤S006，利用数学计算工具Matlab计算所述转移概率矩阵W的最大特征值λ＝1，得特征向量A的值；
步骤S007，根据步骤S006得到的特征向量A，列出各影响因素的权重，根据权重对各影响因素进行排序，得到各影响因素的权重排序表；
步骤S008，总结钻孔各影响因素的钻孔质量等级表；
步骤S009，根据步骤S008中总结的钻孔质量等级表，对影响钻孔质量的各个影响因素进行质量评价，建立各个影响因素的质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}；
步骤S010，根据步骤S009中建立的质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}，建立个影响因素的钻孔质量评价隶属度矩阵R；
步骤S011，根据上述步骤S007得到的权重排序表，建立权重向量A；
步骤S012，利用上述的钻孔质量评价隶属度矩阵R及权重向量A，建立评价矩阵B＝A×R,根据评价矩阵B计算得到的结果及质量评价集V＝{υ1，υ,2，υ3}＝{优良，合格，不合格}，采用最大隶属度原则评价钻孔的质量等级。
2.根据权利要求1所述的一种基于PageRank算法的工程勘察质量精细化评价方法，其特征在于：在步骤S001中，影响钻孔质量的影响因素包括：终孔孔深、终孔孔径、取芯率、钻孔垂直度、记录及时性、分层准确性、描述准确性、取样、标贯、动探、静探。
3.根据权利要求2所述的一种基于PageRank算法的工程勘察质量精细化评价方法，其特征在于：在步骤S008中，影响因素：终孔孔深、终孔孔径、取芯率、钻孔垂直度、记录及时性、分层准确性、取样的等级评价表为：
4.根据权利要求1所述的一种基于PageRank算法的工程勘察质量精细化评价方法，其特征在于：在执行步骤S001中，可通过制作各影响因素相互影响关系模型来确定各个影响因素之间的相互影响关系。
5.根据权利要求1所述的一种基于PageRank算法的工程勘察质量精细化评价方法，其特征在于：所述执行步骤S008时，总结钻孔各影响因素的钻孔质量等级表时需要根据行业规范标准进行标准化总结。
6.根据权利要求1所述的一种基于PageRank算法的工程勘察质量精细化评价方法，其特征在于：在执行步骤S010时，根据钻孔质量等级表中的参数结合实际钻孔信息引入模糊数学隶属度来描述权重的模糊界限，建立钻孔质量评价隶属度矩阵R。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010911132.5A CN112132416A (zh) | 2020-09-02 | 2020-09-02 | 基于PageRank算法的工程勘察质量精细化评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010911132.5A CN112132416A (zh) | 2020-09-02 | 2020-09-02 | 基于PageRank算法的工程勘察质量精细化评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112132416A true CN112132416A (zh) | 2020-12-25 |
Family
ID=73848971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010911132.5A Pending CN112132416A (zh) | 2020-09-02 | 2020-09-02 | 基于PageRank算法的工程勘察质量精细化评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112132416A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116379900A (zh) * | 2023-04-07 | 2023-07-04 | 微山龙工机械有限公司 | 基于电荷偏移汇集的矿山钻孔设备精准打孔控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110040717A1 (en) * | 2008-04-23 | 2011-02-17 | Sang-Kyu Rho | Process for ranking semantic web resoruces |
| CN106503919A (zh) * | 2016-11-03 | 2017-03-15 | 国家电网公司 | 一种基于供电分区特性的配电网评价方法 |
| CN107085661A (zh) * | 2017-05-12 | 2017-08-22 | 北京理工大学 | 一种老年人身体机能量化计算方法 |
| CN109118121A (zh) * | 2018-09-13 | 2019-01-01 | 中国电力科学研究院有限公司 | 基于改进PageRank的电力市场出清方式评价方法 |
-
2020
- 2020-09-02 CN CN202010911132.5A patent/CN112132416A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110040717A1 (en) * | 2008-04-23 | 2011-02-17 | Sang-Kyu Rho | Process for ranking semantic web resoruces |
| CN106503919A (zh) * | 2016-11-03 | 2017-03-15 | 国家电网公司 | 一种基于供电分区特性的配电网评价方法 |
| CN107085661A (zh) * | 2017-05-12 | 2017-08-22 | 北京理工大学 | 一种老年人身体机能量化计算方法 |
| CN109118121A (zh) * | 2018-09-13 | 2019-01-01 | 中国电力科学研究院有限公司 | 基于改进PageRank的电力市场出清方式评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵晋乾: "铁路工程地质勘察钻孔质量的层次－ 模糊综合评判", 《探矿工程(岩土钻掘工程)》, vol. 42, no. 1, pages 80 - 84 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116379900A (zh) * | 2023-04-07 | 2023-07-04 | 微山龙工机械有限公司 | 基于电荷偏移汇集的矿山钻孔设备精准打孔控制方法 |
| CN116379900B (zh) * | 2023-04-07 | 2024-05-24 | 微山龙工机械有限公司 | 基于电荷偏移汇集的矿山钻孔设备精准打孔控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104533400B (zh) | 一种重构测井曲线的方法 | |
| CN111425193A (zh) | 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法 | |
| CN110889440A (zh) | 基于主成分分析和bp神经网络的岩爆等级预测方法及*** | |
| CN104047598A (zh) | 非均质古岩溶碳酸盐岩储层产能预测方法 | |
| CN112948932A (zh) | 一种基于TSP预报数据与XGBoost算法的围岩等级预测方法 | |
| CN111738371B (zh) | 一种基于随机森林数据挖掘的地层裂缝条数预测方法 | |
| CN111523796A (zh) | 非煤隧道有害气体危害评价方法 | |
| CN116291271A (zh) | 一种基于随钻测试的岩土体参数反演方法及*** | |
| CN114991757A (zh) | 一种随钻地层压力测录一体化监测方法及*** | |
| CN112132416A (zh) | 基于PageRank算法的工程勘察质量精细化评价方法 | |
| CN114562236B (zh) | 一种基于集成学习模型的地质工程一体化井漏实时预警方法 | |
| CN115965273A (zh) | 一种页岩油水平井钻探过程中甜点评价方法 | |
| CN111155980A (zh) | 一种水流优势通道识别方法及装置 | |
| CN113946790A (zh) | 一种导水裂隙带高度预测方法、***、设备及终端 | |
| Liu et al. | Research and application of sidewall stability predic-tion method based on analytic hierarchy process and fuzzy integrative evaluation method | |
| CN116537773B (zh) | 一种考虑参数不确定性的页岩储层可压性置信度评价方法 | |
| CN116011234B (zh) | 一种融合地质力学和贝叶斯的压前套变风险等级判识方法 | |
| CN110674868A (zh) | 一种基于高维钻进参数信息的地层岩性识别***及其方法 | |
| CN117541082B (zh) | 基于油藏-井筒-设备评价指标集成的综合评价方法 | |
| CN113962111B (zh) | 一种煤体结构预测方法 | |
| CN117474340B (zh) | 用于地铁盾构施工沉降的风险评价方法及*** | |
| CN117631030A (zh) | 裂缝-溶蚀孔洞型碳酸盐岩储层高渗透带预测方法及装置 | |
| CN107944749B (zh) | 一种基于相对优选指数的页岩气区块开发潜力评价方法 | |
| CN117634301A (zh) | 一种预测碎屑岩储层流动单元类型的方法及设备 | |
| CN118278728A (zh) | 一种预测钻井溢流的方法与装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |