(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111571697.4 (22)申请日 2021.12.21 (71)申请人 北方爆破科技有限公司 地址 100089 北京市海淀区昆明湖南路51 号C座三层301、 302 (72)发明人 余德运　李泽华　王洪强　王仲琦　 杨恩　徐谦　王旭耀　杨威　 王金海　郝成磊　 (74)专利代理 机构 深圳紫晴专利代理事务所 (普通合伙) 44646 专利代理师 雒盛林 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的岩性识别方法 (57)摘要 本发明属于岩性识别技术领域， 公开了一种 基于机器学习的岩性识别方法， 包括如下步骤： 获取钻机历史运行数据集， 并对钻机历史运行数 据集进行归一化处理， 得到处理后历史运行数据 集； 根据处理后历史运行数据集， 基于机器学习 建立工程爆 破岩性识别模型； 获取钻机实时运行 数据， 并对钻机实时运行数据进行行归一化处 理， 得到处理后实时运行数据； 将处理后实时运 行数据输入工程爆破岩性识别模型进行岩性识 别， 得到对应的岩性识别结果。 本发明解决了现 有技术存在的识别精度不高， 样本数据缺乏， 步 骤复杂， 工作量大， 硬件成本投入大以及实用性 低问题。 权利要求书2页 说明书6页 附图1页 CN 114462471 A 2022.05.10 CN 114462471 A 1.一种基于 机器学习的岩性识别方法， 其特 征在于： 包括如下步骤： 获取钻机历史运行数据集， 并对钻机历史运行数据集进行归一化处理， 得到处理后历 史运行数据集； 根据处理后历史运行 数据集， 基于 机器学习建立工程爆破岩性识别模型； 获取钻机实时运行数据， 并对钻机实时运行数据进行行归一化处理， 得到处理后实时 运行数据； 将处理后实时运行数据输入工程爆破岩性识别模型进行岩性识别， 得到对应的岩性识 别结果。 2.根据权利要求1所述的基于机器学习的岩性识别方法， 其特征在于： 钻机的运行数据 包括钻进速度、 回转速度、 风压、 加压 压力以及回转压力差 。 3.根据权利要求1所述的基于机器学习的岩性识别方法， 其特征在于： 所述的归一化处 理的公式为： Y＝a+q(X ‑Xmin) 式中， Y为归一化处理后的数据； a为归一化区间下限值； X为归一化处理前的数据； Xmin 为样本数据中的最小值； q为归一 化系数。 4.根据权利要求1所述的基于机器学习的岩性识别方法， 其特征在于： 根据处理后历史 运行数据集， 基于 机器学习建立工程爆破岩性识别模型， 包括如下步骤： 将处理后历史运行 数据集分为训练数据集和 测试数据集； 将训练数据集输入SSA算法优化SVR模型进行训练， 得到初始的工程爆破岩性识别模 型； 将测试数据集输入初始的工程爆破岩性识别模型进行优化， 得到最优的工程爆破岩性 识别模型。 5.根据权利 要求4所述的基于机器学习的岩性识别方法， 其特征在于： SSA算法优化SVR 模型， 包括如下步骤： 初始化SSA算法的种群参数， 得到初始化种群； 根据初始化种群， 获取S SA算法的最优适应度函数值； 基于最优适应度函数值的SSA算法进行训练， 得到SVR模型的最优惩罚系数和最优高斯 核函数宽度； 将训练数据集输入设置有最优惩罚系数和最优高斯核函数宽度的SVR模型进行训练， 得到初始的工程爆破岩性识别模型。 6.根据权利要求5所述的基于机器学习的岩性识别方法， 其特征在于： 初始化SSA算法 的种群参数， 包括如下步骤： 设定搜索空间； 确定搜索空间食物和麻雀位置； 确定搜索空间上、 下限； 根据搜索空间、 搜索空间食物、 麻雀位置以及搜索空间上 下限， 得到初始化种群。 7.根据权利要求6所述的基于机器学习的岩性识别方法， 其特征在于： 所述的初始化种 群的公式为： XN×D＝rand(N ×D)×(ub‑lb)+lb权　利　要　求　书 1/2 页 2 CN 114462471 A 2式中， XN×D为初始化种群的位子； rand(*)为随机函数； N ×D为搜索空间范围； N为种群规 模； D为优化问题的维度； ub、 lb分别为搜索空间上、 下限。 8.根据权利要求5所述的基于机器学习的岩性识别方法， 其特征在于： 获取SSA算法的 最优适应度函数值， 包括如下步骤： 根据适应度对当前种群进行排序， 得到初始 的发现者、 加入者以及捕食者及其对应的 位置信息； 更新发现者、 加入者以及捕食者的位置信息及其对应的适应度； 若当前迭代次数大于次数阈值， 则将当前的最佳适应度作为最优适应度函数值进行输 出并结果当前获取 方法， 否则返回上一 步骤。 9.根据权利要求5所述的基于机器学习的岩性识别方法， 其特征在于： 所述的工程爆破 岩性识别模型的公式为： 式中， f(x)为工程爆破岩性识别模型输出值； K(xi,xj)为高斯函数； xi,xj分别为第i， j个 特征值； βi为分别位于边 界下、 边界上的拉格朗日系数； b为偏置值； i为样本指示量； n为 特征维度总数。权　利　要　求　书 2/2 页 3 CN 114462471 A 3