Study on Machine Learning Algorithm for Optimal Tunnel Blasting Design

Kazuo Sakai

doi:10.1007/978-981-95-4259-8_26

Study on Machine Learning Algorithm for Optimal Tunnel Blasting Design

2026-01-01

0

PRE

AI

Abdallah Ahmed Fouad Elsayed Soliman

DOI：10.1007/978-981-95-4259-8_26

原文链接

原文求助

摘要

En 中文

计算机辅助钻机已在最近的隧道工程项目中得到应用。它们能够实现按照预先设计进行的装药孔自动化钻进，并在提供适当合理的爆破设计时有助于节省钻进作业的劳动力。因此，作者们一直在开发一种基于钻机自动收集的随钻测量（MWD）数据的爆破设计方法，这些数据包括掘进机的位置和载荷。具体而言，我们统计分析了在某些隧道工程项目中获得的MWD数据与包括所用炸药量和由3D激光扫描仪测量的超挖轮廓在内的爆破结果之间的相关性。然后构建了基于机器学习（ML）算法的估计方法，可以预测所需的炸药量和超挖体积。本文报告了两个案例研究：基于由XE3C（Epiroc）获得的MWD数据的炸药量估计，以及基于由DT1131i（Sandvik）收集的MWD数据的超挖体积估计。

Keyword:

Machine learning

Measurement while drilling

Blasting design

Study on Machine Learning Algorithm for Optimal Tunnel Blasting Design

摘要

期刊

机构

引用论文