来源：期刊VIP网 时间：
作者：易文豪;夏覃永;孙鸿强;何永义;王明年;
单位：西南交通大学土木工程学院;西南交通大学极端环境岩土和隧道工程智能建养全国重点实验室;中国中铁股份有限公司中铁三局集团有限公司;
摘要：岩石坚硬程度是影响岩体质量的主要因素，快速、便捷获取岩石坚硬程度是保障钻爆法隧道设计合理性和施工安全性的前提。为此，在我国西部山区的2座钻爆法隧道采集917份掌子面炮眼施作过程中形成的钻进参数和岩石坚硬程度样本数据；提出冲击回转式钻机钻孔过程中岩石可钻性指标计算方法，并构建隧道掌子面钻进参数特征体系和样本数据库；采用堆叠泛化集成学习算法，以支持向量机、极限树和随机森林算法为基学习器，决策树为元学习器，分别构建基于4项原始钻进参数和基于54项掌子面钻进参数特征体系的岩石坚硬程度智能判识模型；以准确率、精确率、召回率、平衡F分数（F1）作为模型评价指标，现场验证模型性能。结果表明：基于54项掌子面钻进参数特征体系的岩石坚硬程度智能判识模型性能较优；在预测集中，该模型的准确率为92.35%、召回率为92.01%、精确率为92.90%、F1值为92.45%；在现场验证过程中，该模型准确率为91.23%、召回率为91.11%、精确率为92.18%、F1值为91.64%。
关键词：掌子面;;岩石坚硬程度;;钻进参数;;岩石可钻性指标;;集成学习
基金资助：国家自然科学基金资助项目（51878567）;; 中国国家铁路集团有限公司科技研究开发计划课题（K2020G035,K2021G024）
