多种机器学习方法在岩质类型快速判别中的可靠性分析

针对复杂地质条件下水利水电工程中采用传统钻探和试验方法获取岩体强度成本高、耗时长等问题,开创性将机器学习方法引入岩质类型判别中,实现对复合定向钻探岩质类型的快速判别,为地下工程围岩类别的快速划分提供支撑。依托水利水电工程超深复合定向钻关键技术研究及应用项目,结合已有地质资料,采用10种机器学习分类算法对复合定向钻钻进参数进行岩质类型判别,并详细对比分析模型判别效果。结果表明,RF、AdaBoost、CatBoost、KNN、SVM、ExtraTree表现较好,其中AdaBoost表现最佳;验证了机器学习方法在岩质类型判别上的可行性与可靠性,为后续算法选择优化提供了指导。