CN117195371A - 一种隧道***施工超欠挖优化方法 - Google Patents
一种隧道***施工超欠挖优化方法 Download PDFInfo
- Publication number
- CN117195371A CN117195371A CN202311224323.4A CN202311224323A CN117195371A CN 117195371 A CN117195371 A CN 117195371A CN 202311224323 A CN202311224323 A CN 202311224323A CN 117195371 A CN117195371 A CN 117195371A
- Authority
- CN
- China
- Prior art keywords
- parameters
- blasting
- candidate solution
- mapping relation
- super
- 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
- 238000005422 blasting Methods 0.000 title claims abstract description 71
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010276 construction Methods 0.000 title claims abstract description 26
- 239000011435 rock Substances 0.000 claims abstract description 60
- 238000013507 mapping Methods 0.000 claims abstract description 38
- 238000013441 quality evaluation Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 9
- 239000004575 stone Substances 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 3
- 239000002360 explosive Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000009412 basement excavation Methods 0.000 abstract description 6
- 238000009826 distribution Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000009828 non-uniform distribution Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及隧道施工领域,具体公开了一种隧道***施工超欠挖优化方法,包括以下步骤:S1、选择初始***参数集;S2、划分岩体区域,获取各岩体区域的岩体质量评估参数;S3、搭建输入参数与输出参数的映射关系模型,输入参数为岩体质量评估参数和初始***参数,输出参数包括超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数;S4、基于输入参数对所述映射关系模型进行训练直至稳定;S5、基于光面***参数范围表并利用寻优算法获取最优光面***参数并输出。本发明的优点是能够解决围岩不均匀分布导致***效果不良的问题,并显著减少超欠挖现象的发生。
Description
技术领域
本发明涉及隧道施工领域,特别是一种隧道***施工超欠挖优化方法。
背景技术
隧道工程中,钻爆法是一种常用的施工方法,但在实际施工中往往出现***效果不良和超欠挖现象的问题。其中的主要原因是隧道不同部位的围岩结构面分布情况不同,导致传统***方案无法满足各部位的要求,***施工常常受到围岩结构面分布不均的影响,使得***效果不一致,进而引发超欠挖现象。如何优化隧道***施工过程中的超欠挖问题成了钻爆施工设计方案中亟待解决的重要问题。为了解决这一问题,现有技术通常无法准确选择适应不同结构面分布的围岩的***参数,从而无法最小化超欠挖的程度。
发明内容
本发明的目的在于克服现有技术的缺点,提供一种隧道***施工超欠挖优化方法。本发明的目的通过以下技术方案来实现:一种隧道***施工超欠挖优化方法,包括以下步骤:S1、选择初始***参数集;
S2、划分岩体区域,获取各岩体区域的岩体质量评估参数;
S3、搭建输入参数与输出参数的映射关系模型,输入参数为岩体质量评估参数和初始***参数,输出参数包括超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数;
S4、基于输入参数对所述映射关系模型进行训练直至稳定;
S5、基于光面***参数范围表并利用寻优算法获取最优光面***参数并输出。
具体的,S1中所述的初始***参数包括炮孔数量、孔深、孔径、孔距、总药量和***密度。具体的,S2中划分岩体区域时将挖面划分成六个小块的区域,包括上中下三层,每层两块区域,分别对应拱顶至拱肩、拱肩至拱腰以及拱腰至拱底区域。
具体的,S2中岩体质量评估参数包括结构面信息参数和围岩质量指标,所述结构面信息参数包括倾向、倾角、走向、迹长和体积节理数;围岩质量指标采用YZ岩体质量评价体系,按下式计算YZ值:
YZ=90+3δc+250Wz
式中,δc为完整岩石的单轴抗压强度;Wz为岩体的完整性系数,可由下式计算:
式中,Tj为岩体体积节理数。
具体的,S3中所述映射关系模型包括输入层、隐含层和输出层,并通过均方误差损失函数对所述映射关系模型进行优化,其中,所述输入层、隐含层和输出层之间的激活函数如下公式:
h=max(0,ai)
其中,h为模型基本处理单元的输出,ai为第i个输入元素,且所述隐含层的节点数按下式进行计算:
其中,sx,sy和sz分别为输入层、隐含层和输出层节点个数,nx为映射关系模型的输入数量,nz为映射关系模型的输出数量。
具体的,S4中对于采集的输入参数,90%数据用于训练,10%的数据用于预测,映射关系模型预测的决定系数、均方误差和均方根误差作为评价指标,当满足映射关系模型要求误差条件时认为映射关系模型已经训练完成,然后绘制出真实值与预测值的图像以及真实值与预测值的误差图,其中,所述映射关系模型的适应度函数按下式进行计算:
其中,D为测试样本数量;bij,b'ij分别为第i个测试样本的第j个分量的实测值和预测值,分量为超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数。
具体的,S5中先设置超欠挖优化算法,超欠挖优化算法搜索过程始于一个候选解,其中每个***参数被赋予随机的初始位置,***参数为超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数,在评估候选解的适应度后,超欠挖优化算法开始迭代直到满足终止条件,将超欠挖优化算法代入训练好的映射关系模型,计算出超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数,通过寻优算法寻找出满足适应度值最小的光面***参数,输出最优光面***参数,其中寻优过程中每个候选解的适应度值由下式计算:
其中,N为光面***参数初始群体值数量,ei1,ei2,ei3为输出参数,分别表示超欠挖面积参数、炮孔利用率、块石尺寸。
具体的,寻优算法优化的步骤为:
S10、初始化阶段;
给定搜索空间,超欠挖优化算法通过在d维搜索空间中随机初始化若干个候选解的位置
来启动,如下式:
其中,W是所有候选解的位置,d代表维度,代表第i个候选解的第j个维度;
候选解的初始位置按下式随机生成:
其中,xj和sj分别指第j个维度的下限和上限,r是0到1范围内的均匀分布随机数;
然后***一个用户定义的适应度评估函数,利用适应度评估函数对每个候选解的位置进
行评估,相应的适应度值被存储在数组中如下式所示:
将所述适应度值进行初始化并排序,接着初始化全局最佳位置和最佳位置,将排序后的位置中的第一个值赋给全局最佳位置,将排序后的适应度中的第一个值赋给最佳位置;S20、超欠挖优化算法初始化参数:
两个超欠挖优化算法中的基本参数按下式给出:
Gg=0.1×log(2.75×(t/T)0.1)
式中,t代表当前迭代次数,T代表迭代总次数。
S30、超欠挖优化算法的迭代过程:
循环迭代T次,进行优化过程,同时生成随机候选解记为a(i),按下列三种情况计算候选
解新位置:
Case1:
Case2:
Case3:
其中,指第i个候选解的位置,Qbestt为全局最佳位置,/>为第i个候选解的当前最佳位置,/>为第i个候选解的全局最佳位置,r是MATLAB内置函数,产生0到1之间的随机数,sign是MATLAB内置函数,返回输入的符号函数值,即大于0的数返回1,等于0的数返回0,小于0的数返回-1;
S40、在每次更新候选解位置后,检查当前候选解的适应度是否比全局最佳候选解位置的适应度更好,若更好,则更新全局最佳候选解位置为当前候选解的位置,经过所有候选解的迭代后,全局最佳候选解即为所求最优***参数。
本发明具有以下优点:
本发明的映射关系模型,用于生成***参数的范围并优选最佳参数,以有效减少隧道的超欠挖,利用现代隧道技术和电子设备获取实时的隧道围岩结构面信息,并根据这些信息生成***参数的范围。通过分析围岩结构面在隧道拱顶、拱肩、拱腰、拱底等不同部位的分布情况,能够确定不同部位所需的***参数,并进行优选,以使超欠挖的程度最小化。这种非均匀布控的***参数选择方法能够解决围岩不均匀分布导致***效果不良的问题,并显著减少超欠挖现象的发生。
通过本发明,隧道施工方能更加准确地选择合适的***参数,从而有效减少超欠挖现象的发生。这不仅降低了隧道施工过程中的排岩量和初期支护工程量,减少了建设成本,还能避免超欠挖带来的安全隐患,提高了隧道的长期使用安全性和稳定性。
附图说明
图1为本发明的隧道岩体区域分块示意图;
图2为本发明的真实值与预测值训练的拟合示意图;
图3为本发明的真实值与预测值验证的拟合示意图;
图4为本发明的真实值与预测值测试的拟合示意图;
图5为本发明的真实值与预测值的拟合示意图;
图6为本发明的的真实值与预测值的误差示意图。
具体实施方式
下面结合附图对本发明做进一步的描述,但本发明的保护范围不局限于以下所述。如图1-图6所示,一种隧道***施工超欠挖优化方法,包括以下步骤:
S1、选择初始***参数集,所述的初始***参数包括炮孔数量、孔深、孔径、孔距、总药量和***密度;
S2、划分岩体区域,将挖面划分成六个小块的区域,包括上中下三层,每层两块区域,分别对应拱顶至拱肩、拱肩至拱腰以及拱腰至拱底区域,获取各岩体区域的岩体质量评估参数;岩体质量评估参数包括结构面信息参数和围岩质量指标,所述结构面信息参数包括倾向、倾角、走向、迹长和体积节理数,本发明采用数字摄影测量技术获取结构面信息参数,其从岩体不同角度对指定区域进行数字成像,利用三维重构技术建立岩体表面三维模型,经后期处理获取岩体结构面信息;围岩质量指标采用YZ岩体质量评价体系,按下式计算YZ值:
YZ=90+3δc+250Wz
式中,δc为完整岩石的单轴抗压强度;Wz为岩体的完整性系数,可由下式计算:
式中,Tj为岩体体积节理数,指单位体积所含节理(结构面)条数;
S3、搭建输入参数与输出参数的映射关系模型,输入参数为岩体质量评估参数和初始***参数,输出参数包括超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数;所述映射关系模型包括输入层、隐含层和输出层,并通过均方误差损失函数对所述映射关系模型进行优化,其中,所述输入层、隐含层和输出层之间的激活函数如下公式:
h=max(0,ai)
其中,h为模型基本处理单元的输出,ai为第i个输入元素,且所述隐含层的节点数按下式进行计算:
其中,sx,sy和sz分别为输入层、隐含层和输出层节点个数,nx为映射关系模型的输入数量,nz为映射关系模型的输出数量;
S4、基于输入参数对所述映射关系模型进行训练直至稳定;对于采集的输入参数,90%数据用于训练,10%的数据用于预测,映射关系模型预测的决定系数、均方误差和均方根误差作为评价指标,当满足映射关系模型要求误差条件时认为映射关系模型已经训练完成,然后绘制出真实值与预测值的图像以及真实值与预测值的误差图,如图2和图3所示,其中,所述映射关系模型的适应度函数按下式进行计算:
其中,D为测试样本数量;bij,b'ij分别为第i个测试样本的第j个分量的实测值和预测值,分量为超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数;
S5、基于光面***参数范围表并利用寻优算法获取最优光面***参数并输出;在隧道施工前需对围岩情况进行地质勘探,获取围岩类型以及围岩的坚硬程度,从而根据已有规范获取当前挖面围岩所对应的光面***参数范围表,如表1所示:
表1、光面***参数范围表
在计算机***中设置超欠挖优化算法,超欠挖优化算法搜索过程始于一个候选解,其中每个***参数被赋予随机的初始位置,***参数为超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数,在评估候选解的适应度后,超欠挖优化算法开始迭代直到满足终止条件,在每次迭代中,超欠挖优化算法会更新每个***参数的位置,这样,超欠挖优化算法在每次迭代中通过更新位置来寻求更好的解决方案,通过迭代的过程,超欠挖优化算法不断优化每个***参数的位置,以期最终找到全局最优解或接近最优解的解决方案。
将超欠挖优化算法代入上步训练好的映射关系模型,计算出超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数,通过寻优算法寻找出满足适应度值最小的光面***参数,输出最优光面***参数,其中寻优过程中每个候选解的适应度值由下式计算:
其中,N为光面***参数初始群体值数量。ei1,ei2,ei3为输出参数,分别表示超欠挖面积参数、炮孔利用率、块石尺寸。
需要说明的是,每一种岩石都有相对应的拱顶下沉参数范围,在寻优过程中首先判断拱顶下沉参数是否满足要求,然后计算候选解的适应度值,若拱顶下沉参数不符合要求则在适应度值的计算过程中适当的添加一惩罚条件使其值偏大。
利用寻优算法优化的具体步骤如下:
S10、初始化阶段:
给定搜索空间,超欠挖优化算法是通过在d维搜索空间中随机初始化若干个候选解的位置来启动的,如下式:
其中,W是所有候选解的位置,d代表维度,代表第i个候选解的第j个维度。
候选解的初始位置按下式随机生成:
其中,lj和uj分别指第j个维度的下限和上限,r是0到1范围内的均匀分布随机数。
***一个用户定义的适应度评估函数,利用适应度评估函数对每个候选解的位置进行评估;相应的适应度值被存储在数组中如下所示:
将所述适应度值进行初始化并排序,接着初始化全局最佳位置和最佳位置。将排序后的位置中的第一个值赋给全局最佳位置,将排序后的适应度中的第一个值赋给最佳位置。
S20、优化算法初始化参数:
两个超欠挖优化算法中的基本参数按下式给出:
Gg=0.1×log(2.75×(t/T)0.1)
式中,t代表当前迭代次数,T代表迭代总次数。
S30、超欠挖优化算法的迭代过程:
循环迭代T次,进行优化过程,同时生成随机候选解记为a(i),按下列三种情况计算候选
解新位置:
Case1:
Case2:
Case3:
其中,指第i个候选解的位置,Qbestt为全局最佳位置,/>为第i个候选解的当前最佳位置,/>为第i个候选解的全局最佳位置,r是MATLAB内置函数,产生0到1之间的随机数,sign是MATLAB内置函数,返回输入的符号函数值,即大于0的数返回1,等于0的数返回0,小于0的数返回-1;
在每次更新候选解位置后,检查当前候选解的适应度是否比全局最佳候选解位置的适应度更好,若更好,则更新全局最佳候选解位置为当前候选解的位置,经过所有候选解的迭代后,全局最佳候选解即为所求最优***参数。
Claims (8)
1.一种隧道***施工超欠挖优化方法,其特征在于:包括以下步骤:
S1、选择初始***参数集;
S2、划分岩体区域,获取各岩体区域的岩体质量评估参数;
S3、搭建输入参数与输出参数的映射关系模型,输入参数为岩体质量评估参数和初始***参数,输出参数包括超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数;
S4、基于输入参数对所述映射关系模型进行训练直至稳定;
S5、基于光面***参数范围表并利用寻优算法获取最优光面***参数并输出。
2.根据权利要求1所述的一种隧道***施工超欠挖优化方法,其特征在于:S1中所述的初始***参数包括炮孔数量、孔深、孔径、孔距、总药量和***密度。
3.根据权利要求1所述的一种隧道***施工超欠挖优化方法,其特征在于:S2中划分岩体区域时将挖面划分成六个小块的区域,包括上中下三层,每层两块区域,分别对应拱顶至拱肩、拱肩至拱腰以及拱腰至拱底区域。
4.根据权利要求1所述的一种隧道***施工超欠挖优化方法,其特征在于:S2中岩体质量评估参数包括结构面信息参数和围岩质量指标,所述结构面信息参数包括倾向、倾角、走向、迹长和体积节理数;围岩质量指标采用YZ岩体质量评价体系,按下式计算YZ值:
YZ=90+3δc+250Wz
式中,δc为完整岩石的单轴抗压强度;Wz为岩体的完整性系数,可由下式计算:
式中,Tj为岩体体积节理数。
5.根据权利要求1所述的一种隧道***施工超欠挖优化方法,其特征在于:S3中映射关系模型包括输入层、隐含层和输出层,并通过均方误差损失函数对所述映射关系模型进行优化,其中,所述输入层、隐含层和输出层之间的激活函数如下公式:
h=max(0,ai)
其中,h为模型基本处理单元的输出,ai为第i个输入元素,且所述隐含层的节点数按下式进行计算:
其中,sx,sy和sz分别为输入层、隐含层和输出层节点个数,nx为映射关系模型的输入数量,nz为映射关系模型的输出数量。
6.根据权利要求1所述的一种隧道***施工超欠挖优化方法,其特征在于:S4中对于采集的输入参数,90%数据用于训练,10%的数据用于预测,映射关系模型预测的决定系数、均方误差和均方根误差作为评价指标,当满足映射关系模型要求误差条件时认为映射关系模型已经训练完成,然后绘制出真实值与预测值的图像以及真实值与预测值的误差图,其中,所述映射关系模型的适应度函数按下式进行计算:
其中,D为测试样本数量;bij,b'ij分别为第i个测试样本的第j个分量的实测值和预测值,分量为超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数。
7.根据权利要求6所述的一种隧道***施工超欠挖优化方法,其特征在于:S5中先设置超欠挖优化算法,超欠挖优化算法搜索过程始于一个候选解,其中每个***参数被赋予随机的初始位置,在评估候选解的适应度后,超欠挖优化算法开始迭代直到满足终止条件,将超欠挖优化算法代入训练好的映射关系模型,计算出超欠挖面积参数、炮孔利用率、拱顶下沉参数和块石尺寸参数,通过寻优算法寻找出满足适应度值最小的光面***参数,输出最优光面***参数,其中寻优过程中每个候选解的适应度值由下式计算:
其中,N为光面***参数初始群体值数量,ei1,ei2,ei3为输出参数,分别表示超欠挖面积参数、炮孔利用率、块石尺寸。
8.根据权利要求7所述的一种隧道***施工超欠挖优化方法,其特征在于:寻优算法优化的步骤为:
S10、初始化阶段;
给定搜索空间,超欠挖优化算法通过在d维搜索空间中随机初始化若干个候选解的位置来启动,如下式:
其中,W是所有候选解的位置,d代表维度,代表第i个候选解的第j个维度;
候选解的初始位置按下式随机生成:
其中,xj和sj分别指第j个维度的下限和上限,r是0到1范围内的均匀分布随机数;
然后***一个用户定义的适应度评估函数,利用适应度评估函数对每个候选解的位置进行评估,相应的适应度值被存储在数组中如下式所示:
将所述适应度值进行初始化并排序,接着初始化全局最佳位置和最佳位置,将排序后的位置中的第一个值赋给全局最佳位置,将排序后的适应度中的第一个值赋给最佳位置;
S20、超欠挖优化算法初始化参数:
两个超欠挖优化算法中的基本参数按下式给出:
Gg=0.1×log(2.75×(t/T)0.1)
式中,t代表当前迭代次数,T代表迭代总次数。
S30、超欠挖优化算法的迭代过程:
循环迭代T次,进行优化过程,同时生成随机候选解记为a(i),按下列三种情况计算候选解新位置:
Case1:
Case2:
Case3:
其中,指第i个候选解的位置,Qbestt为全局最佳位置,/>为第i个候选解的当前最佳位置,/>为第i个候选解的全局最佳位置,r是MATLAB内置函数,产生0到1之间的随机数,sign是MATLAB内置函数,返回输入的符号函数值,即大于0的数返回1,等于0的数返回0,小于0的数返回-1;
S40、在每次更新候选解位置后,检查当前候选解的适应度是否比全局最佳候选解位置的适应度更好,若更好,则更新全局最佳候选解位置为当前候选解的位置,经过所有候选解的迭代后,全局最佳候选解即为所求最优***参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311224323.4A CN117195371A (zh) | 2023-09-21 | 2023-09-21 | 一种隧道***施工超欠挖优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311224323.4A CN117195371A (zh) | 2023-09-21 | 2023-09-21 | 一种隧道***施工超欠挖优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117195371A true CN117195371A (zh) | 2023-12-08 |
Family
ID=88997700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311224323.4A Pending CN117195371A (zh) | 2023-09-21 | 2023-09-21 | 一种隧道***施工超欠挖优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117195371A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117390973A (zh) * | 2023-12-12 | 2024-01-12 | 中南大学 | 基于多层感知机模型的矿山***炮孔利用率预测方法 |
-
2023
- 2023-09-21 CN CN202311224323.4A patent/CN117195371A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117390973A (zh) * | 2023-12-12 | 2024-01-12 | 中南大学 | 基于多层感知机模型的矿山***炮孔利用率预测方法 |
CN117390973B (zh) * | 2023-12-12 | 2024-03-22 | 中南大学 | 基于多层感知机模型的矿山***炮孔利用率预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8775347B2 (en) | Markov decision process-based support tool for reservoir development planning | |
CN117195371A (zh) | 一种隧道***施工超欠挖优化方法 | |
CN112562078A (zh) | 一种三维地质分析预测模型构建方法 | |
CN110850057B (zh) | 一种基于自相似性理论的储层裂缝建模方法及*** | |
KR101677159B1 (ko) | 다중칼만게인과 동적자료선별을 통한 앙상블기반 저류층특성화 방법 | |
US9726001B2 (en) | Method for adaptive optimizing of heterogeneous proppant placement under uncertainty | |
CN114718556A (zh) | 人工裂缝参数的获取方法、装置及设备 | |
CN115292971B (zh) | 基于贝叶斯的裂缝属性分析方法、装置及存储介质 | |
NO20200978A1 (en) | Optimized methodology for automatic history matching of a petroleum reservoir model with ensemble kalman filter | |
CN116150854A (zh) | 基于岩体结构面信息的隧道***参数寻优方法及相关组件 | |
AU2012385936B2 (en) | Systems and methods for estimating opportunity in a reservoir system | |
US20210238962A1 (en) | Despiking reservoir properties | |
CN116973550B (zh) | 一种基于超前地质钻探的***参数确定方法 | |
Arcangeli et al. | Petrophysical Evaluation Under Uncertainty: Methodology and Integration in 3d Geological Modelling | |
CN109272042B (zh) | 基于pr模型的小尺度裂缝建模方法、装置、设备及介质 | |
CN114488312B (zh) | 一种基于正态分布的薄互层砂厚预测方法 | |
CN113139319B (zh) | 一种基于智能岩性识别的炮孔装药量计算方法 | |
US20220228483A1 (en) | Systems and methods for updating reservoir static models | |
CN117934767B (zh) | 一种三维地质剖面生成方法、装置和地质信息建模*** | |
Konig et al. | Scalable exploration of physical database design | |
CN116720304A (zh) | 致密储层多尺度裂缝网络建模方法及处理器 | |
CN115482344A (zh) | 基于钻孔数据的地层力学参数有限元建模方法及终端设备 | |
CN114218652A (zh) | 基于自适应Kriging代理模型的引水隧洞施工动态仿真方法 | |
CN115438986A (zh) | 工程进度管理方法、装置、计算机设备和存储介质 | |
CN117315283A (zh) | 掌子面前方裂隙结构面延伸预测指导***开挖方法及*** |
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 |