CN116066121A - 一种tbm掘进隧道围岩实时分级方法、盾构机 - Google Patents
一种tbm掘进隧道围岩实时分级方法、盾构机 Download PDFInfo
- Publication number
- CN116066121A CN116066121A CN202310138320.2A CN202310138320A CN116066121A CN 116066121 A CN116066121 A CN 116066121A CN 202310138320 A CN202310138320 A CN 202310138320A CN 116066121 A CN116066121 A CN 116066121A
- Authority
- CN
- China
- Prior art keywords
- tunneling
- rock
- tunnel
- surrounding rock
- surrounding
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 226
- 230000005641 tunneling Effects 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000002893 slag Substances 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 12
- 230000035515 penetration Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 8
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000000843 powder Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000009933 burial Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011378 shotcrete Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/06—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining
- E21D9/08—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining with additional boring or cutting means other than the conventional cutting edge of the shield
- E21D9/087—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining with additional boring or cutting means other than the conventional cutting edge of the shield with a rotary drilling-head cutting simultaneously the whole cross-section, i.e. full-face machines
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明属于隧道施工技术领域，具体涉及一种TBM掘进隧道围岩实时分级方法、盾构机，该方法先根据国标规定的围岩分级标准得到运用此围岩分级标准进行围岩分级时所需要的指标类型；在掘进过程中，采集掘进隧道的隧道信息及掘进参数，根据隧道信息与相应指标类型的对应关系，以及掘进参数与其他指标类型的对应关系，得到该掘进隧道的各个指标类型的数据；根据各个指标类型的数据，按照规定的围岩分级标准对掘进隧道围岩进行分级。因本发明是基于国标规定的围岩分级标准对围岩进行分级，因此保证了分级的准确性，并且本发明所提出的围岩实时分级方法，测得了国家发布的围岩分级标准所需参数，进而提高分级准确性，使得分级结果严谨可靠。
Description
技术领域
本发明属于隧道施工技术领域，具体涉及一种TBM掘进隧道围岩实时分级方法、盾构机。
背景技术
隧道围岩分级就是评定围岩性质、判断隧道围岩稳定性的重要指标，是指导隧道安全高效施工、制定合理支护方案的主要参考依据，是进行科学管理及正确评价经济效益、确定结构上的荷载、确定衬砌结构的类型及尺寸、制定劳动定额、材料消耗标准等的基础。
传统围岩分级方法需要耗费人力、物力测量岩体参数，且难以测量TBM掘进位置围岩参数，无法实现TBM掘进过程中围岩实时分级。国内外学者在基于TBM施工围岩分级方面做了大量工作，N.Barton在1999年考虑TBM机械与岩体参数之间相互关系的基础上提出了QTBM岩体分类系，但工程应用效果并不理想，石家庄铁道大学李青蔚、杜立杰等提出了TBM掘进岩渣图像分割与识别方法，但并未将其和围岩分级联系起来，荆留杰等基于PSO-SVM算法和图像识别，实现TBM围岩质量实时分级，但考虑的因素较少，未能识别岩体完整性、声波波速、强度应力比等指标，主要是用于工程岩体质量评价，而非围岩分级。
因此，亟需提出一种TBM掘进过程围岩实时分级方法，来准确的对TBM掘进隧道围岩进行实时分级，以使主司机能简单明了的掌握前方围岩条件，进而选择合适掘进参数，保证施工安全性，提高施工效率。
发明内容
本发明的目的在于提供一种TBM掘进隧道围岩实时分级方法、盾构机，用以解决现有技术中对TBM掘进隧道围岩实时分级时未全面考虑影响围岩分级的因素，而导致分级结果不准确的问题。
为解决上述技术问题，本发明提供了一种TBM掘进隧道围岩实时分级方法，包括如下步骤：
1)根据国标规定的围岩分级标准得到运用此围岩分级标准进行围岩分级时所需要的指标类型；
2)在掘进过程中，采集掘进隧道的隧道信息及掘进参数，根据隧道信息与相应指标类型的对应关系，以及掘进参数与其他指标类型的对应关系，得到该掘进隧道的各个指标类型的数据；
3)根据各个指标类型的数据，按照规定的围岩分级标准对掘进隧道围岩进行分级。
其有益效果为：本发明的方法为了更加准确的对TBM掘进隧道围岩进行实时分级，围岩实时分级的标准是基于国标规定的围岩分级标准，因此通过此标准确定运用此标准进行围岩分级时需要的指标类型，进而基于在TBM掘进过程中通过掘进参数与隧道信息来获取所需要的指标类型的具体数据信息，进而基于得到的具体数据信息根据国标规定的围岩分级标准进行准确的围岩实时分级。
进一步地，步骤1)中，所述所需要的指标类型包括围岩条件；步骤2)中，所述围岩条件通过隧道信息与围岩条件的对应关系得到，此对应关系中的隧道信息为岩渣含量。
进一步地，所述隧道信息与围岩条件的对应关系通过对掘进隧道在预掘进阶段得到的岩渣含量与围岩特性的对应数据建立的。
进一步地，在掘进隧道过程中还通过实际测得的地质参数对岩渣含量与围岩条件的对应关系进行修正。
因不同隧道岩渣含量和围岩特征对应关系略有差异，因此本发明中通过针对对应的隧道，在该隧道预掘进阶段得到的岩渣含量与围岩特性的对应关系，保证了该模型与对应的隧道相匹配，进而保证了运用此模型得到的结果的准确性。并且本发明在隧道掘进阶段还通过实际测得的地质参数对此对应关系进行修正，进一步提高了获取数据的准确性。
进一步地，步骤1)中，所述所需要的指标类型包括岩体完整性系数；步骤2)中，所述岩体完整性系数通过隧道信息与岩体完整性系数的对应关系得到，此对应关系中的隧道信息包括岩体纵波波速和室内岩石纵波波速。
进一步地，所述岩体纵波波速vpm及室内岩石纵波波速vpr与岩体完整性系数KV的对应关系为：KV＝(vpm/vpr)2。
进一步地，步骤1)中，所述所需要的指标类型包括岩体强度；步骤2)中，所述岩体强度通过掘进参数与岩体强度的对应关系得到岩体强度；该对应关系中的掘进参数从所有掘进参数中按照设定选取规则得到。
进一步地，所述设定选取规则为：选择与岩体强度关联性高的前设定个数的掘进参数。
进一步地，所述掘进参数与岩体强度UCS的对应关系为：
UCS＝TR/(C2nDP)；其中，F为TBM总推力，TR为总扭矩，n为滚刀数量，P为贯入度，D为刀盘直径，C1与C2为设定常数；所述C1与C2通过对掘进隧道在预掘进阶段获取的训练集进行训练得到。
因TBM掘进参数与岩石强度间具有很强相关性，但由于和岩石强度相关的参数很多，且数据中含有噪声，直接使用所有掘进参数进行模型训练时，学习收敛速度慢，且预测精度低，因此本发明的方法通过对掘进参数进行筛选的方式来提高学习速率与预测的准确度。并且本发明的训练数据是基于对掘进隧道在预掘进阶段获取的训练集，因此训练集是与针对对应的隧道建立的，即为适应该隧道的训练集，保证了该模型与对应的隧道相匹配，进而保证了运用此模型得到的结果的准确性。
为解决上述技术问题，本发明还提供了一种盾构机，包括用于对围岩进行实时分级的控制***，所述控制***包括存储器与处理器，处理器用于执行指令以实现上述介绍的TBM掘进隧道围岩实时分级方法的步骤，并与该方法达到相同的有益效果。
附图说明
图1是本发明的TBM掘进隧道围岩实时分级方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明了，以下结合附图及实施例，对本发明进行进一步详细说明。
TBM掘进隧道围岩实时分级方法实施例：
本实施例的方法为了更加准确的对TBM掘进隧道围岩进行实时分级，围岩实时分级的标准是基于国标规定的围岩分级标准，因此通过此标准确定运用此标准进行围岩分级时需要的指标类型，进而基于在TBM掘进过程中通过掘进参数与隧道信息来获取所需要的指标类型的具体数据信息，进而基于得到的具体数据信息根据国标规定的围岩分级标准进行准确的围岩实时分级。
具体的如图1所示：
1)预先确定运用国标规定的围岩分级标准进行围岩分级时所需要的指标类型；
本实施例的方法是按照《岩土锚杆与喷射混凝土支护工程技术规范》GB50086-2015分级标准对围岩进行分级，而此标准中所需要的指标类型包括：围岩条件、岩体完整性系数、岩体纵波波速、岩体强度以及岩体强度应力比。
2)在掘进过程中，根据实时采集的掘进隧道的隧道信息及掘进参数，得到各个指标类型的数据；
本实施例的方法是在掘进过程中，将标准中的所有指标类型都进行获取，来保证基于此标准进行围岩分级的准确性，因标准中所需要的指标类型均与隧道信息及掘进参数具有相应的关联性，因此通过预先建立掘进参数或隧道信息与对应的指标类型之间的关联模型，在掘进过程中即可通过获取相应的隧道信息及掘进参数的方式来得到各个指标类型的数据信息。
本实施例中获取围岩条件、岩体纵波波速、岩体完整性系数、岩体强度以及岩体强度应力比的过程如下：
2.1)围岩条件的获取方式为：通过隧道信息与围岩特性的对应关系确定围岩条件，此隧道信息为岩渣含量。
不同隧道岩渣含量和围岩特征对应关系略有差异，但总体来说对于岩体完整度高的I、II类围岩，岩渣大多呈片状，含有少量岩粉，块状岩渣少见，而对于较完整的III类围岩，片状渣料占比高，偶见块状和岩粉，IV级围岩由于较破碎，片状含量大幅度下降，块状岩渣占较大比例，岩粉次之，对于V级围岩，岩渣基本全部为块状且大小不均，常见大块状或巨大块状，只有少量片状和粉状岩渣，具体岩渣含量和围岩特征关系可参考表1：
表1
本实施例通过位于主机皮带运输位置的渣片识别***，对岩渣图像进行数字化和去畸变处理，计算片状、块状及粉状岩渣含量，通过预掘进段建立目标隧道工程岩渣含量和围岩特征对应关系，进而可在正式掘进段通过岩渣含量判断围岩特征，并在正式掘进段通过地勘人员对地质参数的实测结果，不断调整岩渣含量和围岩特征关联模型(即表1)，来提高预测精准度，并辅以超前地质预报识别TBM掘进过程中的不良地质体，初步判断围岩条件。
2.2)岩体纵波波速的获取方式为：在TBM进行支护时，通过位于盾体的超声波检测仪测量岩体纵波波速。因岩体纵波波速为隧道信息中的一部分，因此岩体纵波波速与隧道信息的对应关系即为岩体纵波波速与通过检测仪直接得到的岩体纵波波速一一对应。
2.3)岩体完整性系数的获取方式为：通过岩体纵波波速与岩体完整性系数之间的对应关系得到。
选取该隧道典型岩样，测得岩块纵波波速，在TBM进行支护时，通过位于盾体的超声波检测仪测量岩体纵波波速，通过式(1)可计算出岩体完整性系数KV。
KV＝(vpm/vpr)2 (1)
式中vpm为岩体纵波速度，vpr为室内岩石(块)纵波速度。
2.4)岩体强度的获取方式为：通过TBM掘进参数与岩体强度之间的关联模型确定。
大量TBM工程表明TBM掘进参数与岩石强度间具有很强相关性，由于和岩石强度相关的参数很多，且数据中含有噪声，直接使用所有掘进参数采用神经网络学习收敛速度慢，且预测精度低，因此需要对岩体强度相关因素预处理，筛选出贡献率大的主成分(即从所有掘进参数中筛选出最为相关的几类掘进参数)，最后通过神经网络能够逼近非线性连续函数的能力对岩体强度进行预测，后期通过所测岩体强度，对预测模型进行纠偏，从而实现岩体强度的准确预测。TBM掘进条件下岩石强度估算经验公式(即TBM掘进参数与岩体强度之间的关联模型)如下：
UCS＝TR/(C2nDP) (3)
式中F为TBM总推力，TR为总扭矩，n为滚刀数量，P为贯入度，D为刀盘直径，C1、C2是与刀盘直径、滚刀直径、滚刀数量密切相关的常数，即C1、C2为针对对应掘进隧道的设定参数。
根据式(2)、(3)掘进参数和岩体强度关系搭建神经网络模型，选择TBM总推力F、总扭矩TR、滚刀数量n，贯入度P和刀盘直径D作为神经网络模型的输入层，岩体强度作为输出层，将预掘进段数据作为训练数据库，对训练样本进行归一化处理后输入BP神经网络模型，并找出模型的最优参数C1及C2，进而建立掘进参数和岩体强度之间的关系，训练数据越多，神经网络预测模型越准确，则在正式掘进段即可通过该模型预测岩体强度，并且本实施例中为了进一步提高预测岩体强度的准确性，基于对比地勘人员抽测的岩体参数，通过神经网络学习对预测模型进行纠正，来加强预测准确率。
作为其他实施方式，在对岩体强度进行预测时，还能够通过曲线拟合、以及遗传算法等方式来确定掘进参数与岩体强度之间的关联模型。
2.5)岩体强度应力比的获取方式为：通过隧道埋深及地勘资料计算地应力，结合获得的岩体强度即可计算出岩体强度应力比，即岩体强度应力比与隧道埋深及地勘资料(即隧道信息)之间具有相应的关联性。
因不同隧道对应的模型可能存在区别，因此本实施例中的模型建立均是基于在对该隧道预掘进阶段的数据进行的模型建立的过程，保证了该模型与对应的隧道相匹配，进而保证了运用此模型得到的结果的准确性。
3)根据各个指标类型的数据，按照规定的围岩分级标准对掘进隧道围岩进行分级。
按照《岩土锚杆与喷射混凝土支护工程技术规范》GB50086-2015分级标准，通过实时获取的围岩特征、岩体强度、岩体纵波速度、岩体完整性系数和强度应力比对进行围岩分级。本实施例中还通过现场地勘人员实测围岩分级，和围岩稳定情况，对预测结果进行纠正来进一步提高对围岩分级的准确性。
本实施例的方法通过预掘进段掘进数据和地质条件对应关系，建立相应预测模型，在正式掘进段，利用该模型通过TBM掘进参数预测掌子面前方围岩级别，同时根据地勘人员在正式掘进段间断性的实测地勘数据，对预测模型进行纠正，从而实现TBM掘进过程中围岩实时分级，并不断提高预测准确性。并且本发明所提出的围岩实时分级方法，测得了国家发布的围岩分级标准所需参数，且能根据实际分级结果调整相关预测模型，提高分级准确性，分级结果严谨可靠，进而能够使主司机简单明了的掌握前方围岩条件，并基于此条件选择合适掘进参数，来保证施工安全性，以提高施工效率，同时，该方法无需增加额外工作量，提高围岩分级的便捷性，有利于后续的掘进工作。
盾构机实施例：
本实施例中的盾构机包括用于对围岩进行实时分级的控制***，该控制***包括存储器与处理器，处理器用于执行指令以实现TBM掘进隧道围岩实时分级方法的步骤，而具体的TBM掘进隧道围岩实时分级方法的步骤已在TBM掘进隧道围岩实时分级方法实施例中详细介绍，此处不再赘述。
以上所述，仅为本发明的较佳实施例，并不用以限制本发明，本发明的专利保护范围以权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。
Claims (10)
1.一种TBM掘进隧道围岩实时分级方法，其特征在于，包括如下步骤：
1)根据国标规定的围岩分级标准得到运用此围岩分级标准进行围岩分级时所需要的指标类型；
2)在掘进过程中，采集掘进隧道的隧道信息及掘进参数，根据隧道信息与相应指标类型的对应关系，以及掘进参数与其他指标类型的对应关系，得到该掘进隧道的各个指标类型的数据；
3)根据各个指标类型的数据，按照规定的围岩分级标准对掘进隧道围岩进行分级。
2.根据权利要求1所述的TBM掘进隧道围岩实时分级方法，其特征在于，步骤1)中，所述所需要的指标类型包括围岩条件；步骤2)中，所述围岩条件通过隧道信息与围岩条件的对应关系得到，此对应关系中的隧道信息为岩渣含量。
3.根据权利要求2所述的TBM掘进隧道围岩实时分级方法，其特征在于，所述隧道信息与围岩条件的对应关系通过对掘进隧道在预掘进阶段得到的岩渣含量与围岩特性的对应数据建立的。
4.根据权利要求3所述的TBM掘进隧道围岩实时分级方法，其特征在于，在掘进隧道过程中还通过实际测得的地质参数对岩渣含量与围岩条件的对应关系进行修正。
5.根据权利要求1所述的TBM掘进隧道围岩实时分级方法，其特征在于，步骤1)中，所述所需要的指标类型包括岩体完整性系数；步骤2)中，所述岩体完整性系数通过隧道信息与岩体完整性系数的对应关系得到，此对应关系中的隧道信息包括岩体纵波波速和室内岩石纵波波速。
6.根据权利要求5所述的TBM掘进隧道围岩实时分级方法，其特征在于，所述岩体纵波波速vpm及室内岩石纵波波速vpr与岩体完整性系数KV的对应关系为：KV＝(vpm/vpr)2。
7.根据权利要求1所述的TBM掘进隧道围岩实时分级方法，其特征在于，步骤1)中，所述所需要的指标类型包括岩体强度；步骤2)中，所述岩体强度通过掘进参数与岩体强度的对应关系得到岩体强度；该对应关系中的掘进参数从所有掘进参数中按照设定选取规则得到。
8.根据权利要求7所述的TBM掘进隧道围岩实时分级方法，其特征在于，所述设定选取规则为：选择与岩体强度关联性高的前设定个数的掘进参数。
9.根据权利要求8所述的TBM掘进隧道围岩实时分级方法，其特征在于，所述掘进参数与岩体强度UCS的对应关系为：
UCS＝TR/(C2nDP)；其中，F为TBM总推力，TR为总扭矩，n为滚刀数量，P为贯入度，D为刀盘直径，C1与C2为设定常数；所述C1与C2通过对掘进隧道在预掘进阶段获取的训练集进行训练得到。
10.一种盾构机，其特征在于，包括用于对围岩进行实时分级的控制***，所述控制***包括存储器与处理器，处理器用于执行指令以实现如权利要求1～9任一项所述的TBM掘进隧道围岩实时分级方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310138320.2A CN116066121A (zh) | 2023-02-20 | 2023-02-20 | 一种tbm掘进隧道围岩实时分级方法、盾构机 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310138320.2A CN116066121A (zh) | 2023-02-20 | 2023-02-20 | 一种tbm掘进隧道围岩实时分级方法、盾构机 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116066121A true CN116066121A (zh) | 2023-05-05 |
Family
ID=86183642
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310138320.2A Pending CN116066121A (zh) | 2023-02-20 | 2023-02-20 | 一种tbm掘进隧道围岩实时分级方法、盾构机 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116066121A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116682010A (zh) * | 2023-06-01 | 2023-09-01 | 北京交通大学 | 一种基于tbm岩渣图像的围岩分类实时预测方法 |
| CN117147552A (zh) * | 2023-10-30 | 2023-12-01 | 北京交通大学 | 一种用于tbm隧洞的岩渣级配分析方法 |
-
2023
- 2023-02-20 CN CN202310138320.2A patent/CN116066121A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116682010A (zh) * | 2023-06-01 | 2023-09-01 | 北京交通大学 | 一种基于tbm岩渣图像的围岩分类实时预测方法 |
| CN116682010B (zh) * | 2023-06-01 | 2024-01-23 | 北京交通大学 | 一种基于tbm岩渣图像的围岩分类实时预测方法 |
| CN117147552A (zh) * | 2023-10-30 | 2023-12-01 | 北京交通大学 | 一种用于tbm隧洞的岩渣级配分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116066121A (zh) | 一种tbm掘进隧道围岩实时分级方法、盾构机 | |
| Zhang et al. | Real-time analysis and regulation of EPB shield steering using Random Forest | |
| CN110516730B (zh) | 基于pso-svm算法和图像识别的围岩质量在线分级方法 | |
| Liu et al. | GPR-based detection of internal cracks in asphalt pavement: A combination method of DeepAugment data and object detection | |
| Dong et al. | Fracture identification and evaluation using conventional logs in tight sandstones: A case study in the Ordos Basin, China | |
| WO2019042483A2 (zh) | 一种tbm在掘岩体状态实时感知***和方法 | |
| CN108182440B (zh) | 一种基于渣片图像识别获取围岩类别的方法 | |
| CN106157181B (zh) | 一种基于随钻参数对土质围岩快速实时分级的方法 | |
| CN112196559B (zh) | 基于掘进速度与刀具消耗最优的tbm操作参数优化方法 | |
| CN109740119B (zh) | 一种tbm掘进隧洞围岩单轴抗压强度快速估算方法 | |
| Macias et al. | Influence of rock mass fracturing on the net penetration rates of hard rock TBMs | |
| CN104533400A (zh) | 一种重构测井曲线的方法 | |
| CN105822301A (zh) | 一种有机碳含量的测井预测数学模型建立方法 | |
| CN112948932A (zh) | 一种基于TSP预报数据与XGBoost算法的围岩等级预测方法 | |
| Gong et al. | A modified rock mass classification system for TBM tunnels and tunneling based on the HC method of China | |
| CN105372631A (zh) | 基于遗传-偏最小二乘算法的极化雷达反演方法及其应用 | |
| CN106599377A (zh) | 基于测井资料和煤体结构参量定量划分煤体结构的方法 | |
| CN111582564A (zh) | 一种tbm岩体条件相关利用率的预测方法 | |
| CN110927794A (zh) | 一种致密储层裂缝识别与孔隙度定量计算的方法 | |
| CN105370273A (zh) | 一种碳氧比测井环境影响因素校正的方法 | |
| CN107437229A (zh) | 烃源岩有机碳含量预测模型的构建方法及预测方法 | |
| CN107506556B (zh) | 一种确定新鲜完整岩块声波纵波速度值的方法 | |
| CN112182694A (zh) | 一种基于bim***的灌浆工程全过程动态分析方法 | |
| CN116641702A (zh) | 一种页岩气藏甜点区识别方法 | |
| CN111079783B (zh) | 一种基于多核集成学习识别地层岩性参数的方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Mingyao Inventor after: Lu Yiqiang Inventor after: He Fei Inventor after: Lei Yonggan Inventor after: Liu Zhifei Inventor after: Liu Sichang Inventor before: Wang Mingyao Inventor before: Lu Yiqiang Inventor before: He Fei Inventor before: Lei Yonggan Inventor before: Liu Zhifei Inventor before: Li Junzhi Inventor before: Liu Sichang |