CN116721223A - 一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法 - Google Patents
一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法 Download PDFInfo
- Publication number
- CN116721223A CN116721223A CN202310531494.5A CN202310531494A CN116721223A CN 116721223 A CN116721223 A CN 116721223A CN 202310531494 A CN202310531494 A CN 202310531494A CN 116721223 A CN116721223 A CN 116721223A
- Authority
- CN
- China
- Prior art keywords
- drilling
- rock mass
- model
- measurement
- dimensional
- 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
- 238000005553 drilling Methods 0.000 title claims abstract description 87
- 239000011435 rock Substances 0.000 title claims abstract description 77
- 238000005259 measurement Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000013461 design Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000011835 investigation Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000013097 stability assessment Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/003—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells by analysing drilling variables or conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Geochemistry & Mineralogy (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Analytical Chemistry (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法。它包括如下步骤,步骤一:工作区选定;步骤二:无人机设定和随钻传感器布置;步骤三:数据获取和处理;步骤四:三维地表模型和岩体结构模型建立;步骤五:三维地质模型及岩体稳定性分析评价。本发明具有快速、全面提取岩体结构信息,建立的三维地质模型更接近真实情况,能为岩体稳定性分析评价更可靠的地质信息的优点。
Description
技术领域
本发明涉及工程地质勘察新技术应用领域,一种基于倾斜摄影和随钻测量(MWD)技术的岩体稳定性分析方法。特别是涉及一种基于倾斜摄影和随钻测量技术在深埋长隧洞工程地质勘察中的联合应用方法,更具体地说它是一种基于无人机倾斜摄影和定向钻随钻测量技术的岩体稳定性分析方法。更具体地说它是一种基于倾斜摄影和随钻测量技术的隧洞边坡稳定性分析方法。
背景技术
随着国家水网工程建设,我国大型引调水工程前所未有的大发展。与此同时,复杂地质条件下的深埋长隧洞工程的逐年增加,对隧洞安全施工造成了极大挑战。
岩体结构的变形和破坏通常都是受控于岩体介质特性并沿着岩体结构面发生的,结构面则是在岩体成岩过程中经漫长的地质作用后发育而来的。由于受到结构面的切割,岩体成为一个复合结构体,具有各式各样的结构形式。而掌握岩体结构面的几何特征及空间组合关系是对岩体稳定性进行分析与评价的基础,因此获取大量可靠的岩体结构面信息至关重要。
在岩体结构面的实际调查过程中,传统的人工接触式测量工作效率低,危险性大,且受地形条件及外业环境的限制较大。遥感技术凭借其快捷、高效、安全等优势被广泛应用于现场地质调查,如最为常见的三维激光扫描技术和摄影测量技术。然而三维激光扫描与近景摄影测量技术这两种方法均会遇到特殊复杂地形,导致测量视场角度受限,由于扫描和拍摄距离、角度等原因,会造成测量的***误差增大,数据获取不够均匀,
致使模型发生畸变等。而无人机摄影测量可凭借其灵活、快捷、方便等优势,前往待测区域进行多角度航拍,这不但降低了测量风险和测量成本,还提高了效率,节省了时间。
随钻测量(MWD)是一项先进的技术,在钻探过程中获得的数据成为随后描述岩体特征的关键。与现有的地质物理和力学数据评估方法,如取心钻探或地球物理测井相比,这项技术的主要优势在于数据采集的即时性和相对廉价。它允许基于实时数据做出灵活而高效的设计决策,并对岩体中的变化做出快速反应。它可以测量和获得钻孔过程中各种类型的岩体数据。这些信息在数据分析和工程计算中具有重要的价值,并在进一步的岩石挖掘和稳定性评估中及时做出决策。
根据现场工程地质条件进行快速有效预测是进行合理支护设计,保证隧洞工程安全、高效施工的前提,因此亟需发展一种从边坡岩体内、外部相结合快速有效提取岩体结构信息,建立合理的三维地质模型,从根本上认识变形破坏机理,以提出合理的控制方法及支护方案的岩体稳定性分析方法。
发明内容
本发明的目的是为了克服背景技术的不足之处,而提供一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法,该方法具有快速,全面提取岩体结构信息,建立的三维地质模型更接近真实情况,从而为岩体稳定性分析评价更可靠的地质信息的特点。
为了实现上述目的,本发明的技术方案为:一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法,其特征在于:包括如下步骤,
步骤一:工作区选定;
步骤二:无人机设定和随钻传感器布置;
步骤三:数据获取和处理;
步骤四:三维地表模型和岩体结构模型建立;
步骤五:三维地质模型及岩体稳定性分析评价。
在上述技术方案中,在步骤一中,所述工作区选定工作包括收集场址区基本地质条件和设计方案信息。
在上述技术方案中,在步骤二中,所述无人机信息采集的内容包括对工作区建立GPS局部控制网;
随钻传感器布置在钻机的关键位置(如,钻头、立柱)上,
随钻传感器用于采集钻机的实时钻进参数,得到钻机的运行情况及钻机参数与钻孔岩体之间的响应;钻机的实时钻进参数包括时间、转速、油压、钻头位移、钻孔倾角、钻进速度、钻杆扭矩、声波频谱。
在上述技术方案中,在步骤三中,无人机的数据获取和处理的具体方法为:
无人机使用软件对所采集的影像进行三维模型重建;重建的三维实景模型和三维点云模型高精度还原边坡的纹理信息;
随钻传感器的随钻数据获取和处理的具体方法为:
以电子脉冲信号或电压信号的形式,将采集的各种钻进参数信息(即钻机的实时钻进参数信息)传输到数据采集***,通过转换器将钻进参数模拟量数据转化为数字量数据并传输到计算机终端通过机器算法进行无监督分类学习,建立各相关关系知识库,最终确定钻孔区域岩体性质;钻孔区域岩体性质包括岩性,强度、完整性,可钻性等。
在上述技术方案中,在步骤四中,三维地表模型的构建方法包括利用生成的点云模型建立数字地表模型,对数字地表模型中的结构面进行识别和分组;
利用模糊聚类法Fisher函数分布方法,去除边界点重新聚类,最终提取包括高切坡岩体结构面倾向、倾角、可见迹长的基本特征信息;
随钻测量包括根据人工智能技术对步骤三中所获取的地质信息对岩体岩性、结构面识别、质量指标(RQD)、强度和岩体类别等信息,建立基于岩体离散裂隙网络(DFN)模型的岩体结构模型。
在上述技术方案中,在步骤五中,三维地质模型及岩体稳定性分析评价的具体方法为:
S51:将步骤四中的三维地表模型和岩体结构模型进行匹配和融合,建立场址区三维地质模型;
S52:根据步骤三中的随钻转速和波速测试数据,建立场址区力学参数定量关系式(为经验公式)和确定场址区边界条件,建立场址数值模型,从而进行岩体结构稳定性分析和评价。
本发明专利具有如下优点:
(1)本发明方法通过无人机拍摄获得的岩体结构面调查所提取到的信息较为全面,可视化效果好,且计算效率高,不仅对结构面倾角和倾向进行了提取,还可在三维空间对结构面间距及迹长等信息进行直接获取,为此类边坡实际的调查及防治提供了良好的参考;
(2)本发明方法所提取的结构面几何信息构建三维地表模型(外部)和基于随钻测量技术及机器算法所获取的地质信息数据建立的岩体结构网络模型(内部),解决了单一数据来源所建立模型存在不确定性问题,通过内、外结合方式,为全面建立场址区三维地质模型提供了基础数据;
(3)本发明将人工智能技术和机器学习算法应用于随钻识别技术,能够辅助人工智能钻进,处理大量的信息数据,根据钻进参数数据集的特点和合适的算法并对其进行训练以提高算法的精度,优化工程方案。
附图说明
图1为本发明流程图。
图2为本发明随钻数据处理采用的自适应神经模糊推理***架构图。
图3为本发明获取的获取岩体结构面信息图。
图4为本发明中的边坡离散网络模型图。
具体实施方式
下面结合附图详细说明本发明的实施情况,但它们并不构成对本发明的限定,仅作举例而已。同时通过说明使本发明的优点更加清楚和容易理解。
本发明能从边坡岩体内、外部相结合快速有效提取岩体结构信息,建立合理的三维地质模型,从根本上认识变形破坏机理,以提出合理的控制方法及支护方案。
参阅附图可知:一种基于倾斜摄影和随钻测量(MWD)技术的岩体稳定性分析方法,包括以下步骤:
步骤一:工作区选定;
步骤二:无人机设定和随钻传感器布置;
步骤三:数据获取和处理;
步骤四:三维地表模型和岩体结构模型建立;
步骤五:三维地质模型及岩体稳定性分析评价。
进一步地,步骤一中,所述工作区选定工作包括收集某边坡工程区基本地质条件和设计方案信息。
进一步地,步骤二中,所述无人机信息采集的内容包括对工作区建立GPS局部控制网;随钻传感器布置包括在钻机的关键位置安设功能传感器,采集钻机的实时钻进参数包括时间、转速、油压、钻头位移、钻孔倾角、钻进速度、钻杆扭矩、声波频谱等,得到钻机的运行情况及钻机参数与钻孔岩体之间的响应。
进一步地,步骤三中,所述数据获取和处理包括无人机使用软件对所采集的影像进行三维模型重建,重建的三维实景模型和三维点云模型高精度还原边坡的纹理信息;
本发明中的随钻数据处理采用的自适应神经模糊推理***架构;随钻数据获取和处理包括以电子脉冲信号或电压信号的形式,将采集的各种钻进参数信息传输到数据采集***,通过转换器将钻进参数模拟量数据转化为数字量数据并传输到计算机终端进行分析,最终确定钻孔区域岩体性质(如图2所示),本发明的输入包括倾斜摄影数据+MWD数据,输出为离散裂隙网络模型(如图4所示,图4为本发明输出的隧洞三维地质模型图)。
进一步地,步骤四中,三维地面模型和岩体结构模型建立包括利用生成的点云模型建立数字地表模型,对数字地表模型中结构面识别和分组;利用模糊聚类法Fisher函数分布方法,去除边界点重新聚类,最终提取包括高切坡岩体结构面倾向、倾角、可见迹长的基本特征信息(如图3所示,本发明的钻孔扭压、转速和贯入率随深度变化曲线图);随钻测量包括对步骤三中所获取的地质信息对岩体岩性、结构面识别、质量指标(RQD)、强度和岩体类别等信息,建立基于岩体离散裂隙网络(DFN)模型的岩体结构模型。
步骤五中,三维地质模型及岩体稳定性分析评价包括上一步形成的地表模型和岩体结构模型进行匹配和融合,建立边坡区三维地质模型;根据步骤三中的随钻转速和波速测试数据,建立边坡区力学参数定量关系式和确定场址区边界条件,建立边坡区数值模型,从而进行岩体结构稳定性分析和评价。
其它未说明的部分均属于现有技术。
Claims (6)
1.一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法,其特征在于:包括如下步骤,
步骤一:工作区选定;
步骤二:无人机设定和随钻传感器布置;
步骤三:数据获取和处理;
步骤四:三维地表模型和岩体结构模型建立;
步骤五:三维地质模型及岩体稳定性分析评价。
2.根据权利要求1所述的基于倾斜摄影和随钻测量技术的岩体稳定性分析方法,其特征在于:在步骤一中,所述工作区选定工作包括收集场址区基本地质条件和设计方案信息。
3.根据权利要求2所述的基于倾斜摄影和随钻测量技术的岩体稳定性分析方法,其特征在于:在步骤二中,所述无人机信息采集的内容包括对工作区建立GPS局部控制网;
随钻传感器布置在钻机的钻头和立柱上,
随钻传感器用于采集钻机的实时钻进参数,得到钻机的运行情况及钻机参数与钻孔岩体之间的响应;钻机的实时钻进参数包括时间、转速、油压、钻头位移、钻孔倾角、钻进速度、钻杆扭矩、声波频谱。
4.根据权利要求3所述的基于倾斜摄影和随钻测量技术的岩体稳定性分析方法,其特征在于:在步骤三中,无人机的数据获取和处理的具体方法为:
无人机使用软件对所采集的影像进行三维模型重建;重建的三维实景模型和三维点云模型高精度还原边坡的纹理信息;
随钻传感器的随钻数据获取和处理的具体方法为:
以电子脉冲信号或电压信号的形式,将采集的各种钻进参数信息传输到数据采集***,通过转换器将钻进参数模拟量数据转化为数字量数据并传输到计算机终端通过机器算法进行无监督分类学习,建立各相关关系知识库,最终确定钻孔区域岩体性质。
5.根据权利要求4所述的基于倾斜摄影和随钻测量技术的岩体稳定性分析方法,其特征在于:在步骤四中,利用生成的点云模型建立数字地表模型,对数字地表模型中的结构面进行识别和分组;
利用模糊聚类法Fisher函数分布方法,去除边界点重新聚类,最终提取包括高切坡岩体结构面倾向、倾角、可见迹长的基本特征信息;
根据人工智能技术对步骤三中所获取的地质信息对岩体岩性、结构面识别、质量指标、强度和岩体类别等信息,建立基于岩体离散裂隙网络模型的岩体结构模型。
6.根据权利要求5所述的基于倾斜摄影和随钻测量技术的岩体稳定性分析方法,其特征在于:在步骤五中,三维地质模型及岩体稳定性分析评价的具体方法为:
S51:将步骤四中的三维地表模型和岩体结构模型进行匹配和融合,建立场址区三维地质模型;
S52:根据步骤三中的随钻转速和波速测试数据,建立场址区力学参数定量关系式和确定场址区边界条件,建立场址数值模型,从而进行岩体结构稳定性分析和评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310531494.5A CN116721223A (zh) | 2023-05-12 | 2023-05-12 | 一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310531494.5A CN116721223A (zh) | 2023-05-12 | 2023-05-12 | 一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116721223A true CN116721223A (zh) | 2023-09-08 |
Family
ID=87868782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310531494.5A Pending CN116721223A (zh) | 2023-05-12 | 2023-05-12 | 一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116721223A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118037982A (zh) * | 2024-04-12 | 2024-05-14 | 泰山学院 | 一种岩体地质结构的三维可视化建模方法及其相关设备 |
-
2023
- 2023-05-12 CN CN202310531494.5A patent/CN116721223A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118037982A (zh) * | 2024-04-12 | 2024-05-14 | 泰山学院 | 一种岩体地质结构的三维可视化建模方法及其相关设备 |
CN118037982B (zh) * | 2024-04-12 | 2024-06-21 | 泰山学院 | 一种岩体地质结构的三维可视化建模方法及其相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110109895B (zh) | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 | |
CN108345049B (zh) | 地下工程不良地质探测多方法约束反演与联合解释方法 | |
US11162349B2 (en) | Systems and methods for geosteering during well drilling | |
US11899154B2 (en) | DAS same-well monitoring real-time microseismic effective event identification method based on deep learning | |
NO333278B1 (no) | Framgangsmate og dataprosesseringssystem for etablering av en modell over underjordiske formasjoner under boring | |
US11789173B1 (en) | Real-time microseismic magnitude calculation method and device based on deep learning | |
EP2279437A1 (en) | Continuous measurement of heterogeneity of geomaterials | |
CN103649781A (zh) | 方位角脆性测井***和方法 | |
CN110927794A (zh) | 一种致密储层裂缝识别与孔隙度定量计算的方法 | |
CN116721223A (zh) | 一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法 | |
CN116291271A (zh) | 一种基于随钻测试的岩土体参数反演方法及*** | |
CN104220901A (zh) | 用于计算单位体积岩石的裂缝表面积的***和方法 | |
CN104153768A (zh) | 一种评价花岗岩储层储集性能的方法 | |
CN116593051A (zh) | 一种基于煤壁能量指标的煤壁片帮分级预警方法 | |
Harraden et al. | Proposed methodology for utilising automated core logging technology to extract geotechnical index parameters | |
CN116816340A (zh) | 一种地层岩性及地质结构随钻智能识别方法及*** | |
CN109736771B (zh) | 基于凿岩台车随钻参数的围岩分析方法及*** | |
CN115749734B (zh) | 一种随钻超声成像测井仪在线学习地质构造的方法 | |
CN114820969B (zh) | 一种三维地质模型构建方法 | |
CN116341370A (zh) | 一种tbm掘进岩体质量快速确定方法 | |
FANG et al. | Intelligent recognition of tunnel stratum based on advanced drilling tests | |
Tian et al. | Rock fracture identification with measurement while drilling data in down-the-hole drills | |
Yu-wei et al. | Intelligent recognition of tunnel stratum based on advanced drilling tests | |
You et al. | Stratigraphic identification using real-time drilling data | |
CN110454155A (zh) | 一种应用磁化率测井方法确定第四纪地层年代的方法 |
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 |