【技術實現步驟摘要】
本專利技術涉及海洋地質勘察，尤其涉及一種基于可控中子源的地層巖土參數測試方法、地面采集計算機、系統及計算機可讀存儲介質。
技術介紹
1、在海上風電、天然氣水合物開發、海上碳封存以及其他新能源應用場景中，準確評估地層特性對于項目的成功實施至關重要。靜力觸探測試（cpt，cone?penetration?test）技術作為評估地層工程特性的核心手段，已在巖土工程勘察中得到廣泛應用，當前的cpt技術主要分為兩種常見形式：海床靜力觸探（seabed?cpt）和井下靜力觸探（downhole?cpt）。
2、海床靜力觸探通常用于海洋環境，通過從海床開始將探頭貫入地層，測試錐尖阻力、側壁摩擦阻力和孔隙水壓力等力學參數。然而，由于測試深度的限制，海床靜力觸探通常只能在海床以下十幾米到幾十米的范圍內進行勘察，難以滿足深層地質探測的需求。
3、相比之下，井下靜力觸探通過鉆孔技術，在鉆孔底部進行測試，顯著增加了貫入深度，突破海床靜力觸探的深度限制，成為深層巖土勘察中的關鍵工具。然而，現有的井下靜力觸探設備在實際應用中僅能測量原位力學參數，不能測物性參數，難以滿足新能源勘探對地層原位力學和物性參數的需求，迫切需要技術上的進一步改進，以提高其對地層特性的全面分析能力。
4、因此，現有技術還有待于改進和發展。
技術實現思路
1、本專利技術的主要目的在于提供一種基于可控中子源的地層巖土參數測試方法、地面采集計算機、系統及計算機可讀存儲介質，旨在解決現有技術中的井下靜力觸探測
2、為實現上述目的，本專利技術提供一種基于可控中子源的地層巖土參數測試方法，所述基于可控中子源的地層巖土參數測試方法包括如下步驟：
3、獲取巖土力學和物性合成數據以及巖土力學和物性原位實測數據，并對所述巖土力學和物性合成數據和所述巖土力學和物性原位實測數據進行預處理，得到目標巖土合成數據和目標巖土原位實測數據；
4、確定預設雙重神經網絡模型，并根據所述目標巖土合成數據和所述目標巖土原位實測數據對所述預設雙重神經網絡模型進行模型訓練，得到地層巖土參數預測模型；
5、獲取當前巖土力學和物性原位實測數據，并將所述當前巖土力學和物性原位實測數據輸入至所述地層巖土參數預測模型，輸出地層巖土參數預測結果。
6、可選地，所述的基于可控中子源的地層巖土參數測試方法，其中，
7、所述獲取巖土力學和物性合成數據，具體包括：
8、獲取已有靜力觸探力學參數數據，并采用預設密度公式計算所述已有靜力觸探力學參數數據對應的密度數據；
9、獲取室內實驗測試數據，并對所述室內實驗測試數據進行插值處理，得到室內實驗測試物性參數數據；
10、根據所述已有靜力觸探力學參數數據、所述密度數據以及所述室內實驗測試物性參數數據得到所述巖土力學和物性合成數據。
11、可選地，所述的基于可控中子源的地層巖土參數測試方法，其中，獲取所述巖土力學和物性原位實測數據，具體包括：
12、通過井下靜力觸探探針中的錐尖探測探頭獲取井下靜力觸探力學參數數據，并通過所述井下靜力觸探探針中的可控中子源測量裝置獲取可控中子源物性參數數據；
13、根據所述井下靜力觸探力學參數數據和所述可控中子源物性參數數據得到所述巖土力學和物性原位實測數據。
14、可選地，所述的基于可控中子源的地層巖土參數測試方法，其中，所述對所述巖土力學和物性合成數據和所述巖土力學和物性原位實測數據進行預處理，得到目標巖土合成數據和目標巖土原位實測數據，具體包括：
15、對所述巖土力學和物性合成數據進行數據增強處理和歸一化處理，得到目標巖土合成數據，其中，所述數據增強處理包括時間切片處理、抖動處理以及縮放處理；
16、對所述巖土力學和物性原位實測數據進行異常值去除處理、所述數據增強處理以及所述歸一化處理，得到目標巖土原位實測數據。
17、可選地，所述的基于可控中子源的地層巖土參數測試方法，其中，所述確定預設雙重神經網絡模型，并根據所述目標巖土合成數據和所述目標巖土原位實測數據對所述預設雙重神經網絡模型進行模型訓練，得到地層巖土參數預測模型，具體包括：
18、確定預設雙重神經網絡模型，其中，所述預設雙重神經網絡模型包括卷積神經網絡和遞歸神經網絡；
19、根據所述目標巖土合成數據和所述目標巖土原位實測數據對所述預設雙重神經網絡模型進行模型訓練處理、模型微調處理以及增量訓練處理，得到地層巖土參數預測模型。
20、可選地，所述的基于可控中子源的地層巖土參數測試方法，其中，所述根據所述目標巖土合成數據和所述目標巖土原位實測數據對所述預設雙重神經網絡模型進行模型訓練處理、模型微調處理以及增量訓練處理，得到地層巖土參數預測模型，具體包括：
21、將所述目標巖土合成數據輸入至所述預設雙重神經網絡模型中的卷積神經網絡，通過所述卷積神經網絡對所述目標巖土合成數據進行地質特征提取，得到地質類型分類結果；
22、將所述地質類型分類結果輸入至所述預設雙重神經網絡模型中的遞歸神經網絡，通過所述遞歸神經網絡對所述地質類型分類結果進行地質參數預測處理，則模型訓練處理完成，得到初始地層巖土參數預測模型；
23、將所述目標巖土原位實測數據輸入至所述初始地層巖土參數預測模型，并根據所述目標巖土原位實測數據對所述初始地層巖土參數預測模型進行模型微調處理，得到改進地層巖土參數預測模型；
24、對所述改進地層巖土參數預測模型進行增量訓練處理，得到地層巖土參數預測模型。
25、可選地，所述的基于可控中子源的地層巖土參數測試方法，其中，所述獲取當前巖土力學和物性原位實測數據，并將所述當前巖土力學和物性原位實測數據輸入至所述地層巖土參數預測模型，輸出地層巖土參數預測結果，具體包括：
26、獲取當前巖土力學和物性原位實測數據，并將所述當前巖土力學和物性原位實測數據輸入至所述地層巖土參數預測模型；
27、通過所述地層巖土參數預測模型對所述當前巖土力學和物性原位實測數據進行地質參數預測處理，得到地層巖土參數預測結果，其中，所述地層巖土參數預測結果包括預測密度數據以及預測孔隙度數據。
28、此外，為實現上述目的，本專利技術還提供一種地面采集計算機，其中，所述地面采集計算機包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的基于可控中子源的地層巖土參數測試程序，所述基于可控中子源的地層巖土參數測試程序被所述處理器執行時實現如上所述的基于可控中子源的地層巖土參數測試方法的步驟。
29、此外，為實現上述目的，本專利技術還提供一種基于可控中子源的地層巖土參數測試系統，其中，所述基于可控中子源的地層巖土參數測試系統包括：井下靜力觸探探針、貫入及操控系統以及數據與傳輸系統；
30、所述井下靜力觸探探針包括錐尖探測本文檔來自技高網...
【技術保護點】
1.一種基于可控中子源的地層巖土參數測試方法，其特征在于，所述基于可控中子源的地層巖土參數測試方法包括：
2.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述獲取巖土力學和物性合成數據，具體包括：
3.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，獲取所述巖土力學和物性原位實測數據，具體包括：
4.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述對所述巖土力學和物性合成數據和所述巖土力學和物性原位實測數據進行預處理，得到目標巖土合成數據和目標巖土原位實測數據，具體包括：
5.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述確定預設雙重神經網絡模型，并根據所述目標巖土合成數據和所述目標巖土原位實測數據對所述預設雙重神經網絡模型進行模型訓練，得到地層巖土參數預測模型，具體包括：
6.根據權利要求5所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述根據所述目標巖土合成數據和所述目標巖土原位實測數據對所述預設雙重神經網
7.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述獲取當前巖土力學和物性原位實測數據，并將所述當前巖土力學和物性原位實測數據輸入至所述地層巖土參數預測模型，輸出地層巖土參數預測結果，具體包括：
8.一種地面采集計算機，其特征在于，所述地面采集計算機包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的基于可控中子源的地層巖土參數測試程序，所述基于可控中子源的地層巖土參數測試程序被所述處理器執行時實現如權利要求1-7任一項所述的基于可控中子源的地層巖土參數測試方法的步驟。
9.一種基于可控中子源的地層巖土參數測試系統，其特征在于，所述基于可控中子源的地層巖土參數測試系統包括：井下靜力觸探探針、貫入及操控系統以及數據與傳輸系統；
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有基于可控中子源的地層巖土參數測試程序，所述基于可控中子源的地層巖土參數測試程序被處理器執行時實現如權利要求1-7任一項所述的基于可控中子源的地層巖土參數測試方法的步驟。
...【技術特征摘要】
1.一種基于可控中子源的地層巖土參數測試方法，其特征在于，所述基于可控中子源的地層巖土參數測試方法包括：
2.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述獲取巖土力學和物性合成數據，具體包括：
3.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，獲取所述巖土力學和物性原位實測數據，具體包括：
4.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述對所述巖土力學和物性合成數據和所述巖土力學和物性原位實測數據進行預處理，得到目標巖土合成數據和目標巖土原位實測數據，具體包括：
5.根據權利要求1所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述確定預設雙重神經網絡模型，并根據所述目標巖土合成數據和所述目標巖土原位實測數據對所述預設雙重神經網絡模型進行模型訓練，得到地層巖土參數預測模型，具體包括：
6.根據權利要求5所述的基于可控中子源的地層巖土參數測試方法，其特征在于，所述根據所述目標巖土合成數據和所述目標巖土原位實測數據對所述預設雙重神經網絡模型進行模型訓練處理、模型...
【專利技術屬性】
技術研發人員：張子健，李亞，蔣正波，龐希順，孫路偉，
申請(專利權)人：深圳清華大學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。