基于振动信号的岩石单轴抗压强度钻进预测实验研究

为了研究钻进振动信号与岩体地质力学参数之间的响应关系,准确、快速地感知、预测岩石单轴抗压强度,开展基于钻进振动信号的岩石单轴抗压强度预测研究。以室内钻取花岗岩、石灰岩、砂岩和煤四类原岩(煤)试件实验为基础,结合傅里叶变换和振动信号降噪方法构建GA-BP神经网络模型,并对比分析降噪前后以及不同降噪方法模型的预测性能。结果表明:钻进振动信号与岩石单轴抗压强度之间有响应关系,应用钻进振动信号可预测岩石单轴抗压强度;采用Adobe Audition软件对振动信号进行降噪处理的GA-BP神经网络预测模型决定系数R2为0.838,均方根误差为7.063 MPa,平均绝对误差为5.347 MPa,其结果优于原始预测模型和一般降噪方法预测模型;与原始预测模型相比,最优降噪模型在预测精度上提升了6.3%,均方根误差减小1.954 MPa,平均绝对误差减小1.621 MPa;同一预测模型中不同岩性的预测效果存在一定差异。降噪信号GA-BP神经网络预测模型对单轴抗压强度有较优秀的预测能力,所用方法可为在岩体地质力学参数随钻测量方面提供基础。