摘要：地层岩体种类的识别是地质和岩土勘察工作的重点内容,为解决地层界面岩性辨识困难的难题,研发了一种随钻测量系统,提出了相应的数据处理及分析方法。采用基于机器学习技术的方法,选取支持向量机(SVM)算法,研究了一种通过随钻参数反演地层岩体种类的方案。得出了如下结论:建立各参数同孔深数据的对应关系,有利于机器学习数据库的建立和反演方案的实施。随钻监测数据处理原则是:识别各种非钻进状态及异常状态,建立纯钻进状态的时间—孔深曲线和各随钻参数—孔深变化的曲线。SVM在地层岩体种类识别方面取得了良好的效果,预测结果与钻探记录基本一致,可用于地层关键岩体种类识别,防止虚假钻孔和虚假编录,为岩土工程智能勘测提供了新的途径。

摘要：为确保钢管混凝土轨枕的使用性能,针对提出其四种设计方案进行设计抗弯性能试验,开展钢管混凝土轨枕与SK-2型双块式轨枕抗弯性能对比试验研究。试验结果表明:钢管混凝土轨枕方案A、B、C、D均满足承载能力要求,在钢管混凝土轨枕抗弯性能达到轨枕所能承受的最大荷载后,可继续缓慢上升,发挥了钢管混凝土的延性特点。采用2根外径42mm的钢管混凝土构件的方案A,抗弯性能与SK-2型基本相当,且材料用量方面更优,为优选方案。

摘要：目前,国内外针对岩性智能识别的研究主要集中在油气勘探领域,依据测井数据、岩心图片、薄片鉴定等资料,采用神经网络、图论聚类、深度置信网络等模型,对区域内特定的某些岩层进行学习、识别、预测。然而,直接基于普通地质勘探钻孔岩心进行岩性智能识别的研究,较少见诸报道。本文基于既有地质勘探钻孔的成果资料,建立以钻孔坐标、地层信息、岩芯照片等为数据基础的岩芯标准图库,引入CNN模型对标准图库的岩芯图片进行识别训练后,对待判定岩性的钻孔岩芯图片进行识别,将识别结果与人工综合判定结果进行对比、验证,通过对比、验证,优化识别模型,初步实现对岩石、土、空洞(未充填溶洞)三大类的准确识别。研究结论:(1)采用软件辅助对岩芯照片进行立柱、切分、标注,准备训练数据效率较高;(2)采用高分辨率岩芯图片进行识别学习,效果比采用低分辨率岩芯图片更好;(3)要进一步细分地层类别,须建立多条件约束的识别模型。